Nurkholisa, Risqi (2025) Prediksi Curah Hujan Menggunakan Model Hybrid Seasonal Autoregressive Integrated Moving Average dengan Variabel Eksogen – Long Short-Term Memory. Undergraduate thesis, Universitas Diponegoro.

	Text File1_Risqi Nurkholisa - Risqi Nurkholisa.pdf Download (395kB)
	Text File2_Risqi Nurkholisa - Risqi Nurkholisa.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text File3_Risqi Nurkholisa - Risqi Nurkholisa.pdf Download (158kB)

Abstract

Pengukuran curah hujan penting untuk mitigasi bencana hidrometeorologi sehingga peramalan diperlukan untuk memprediksi pola curah hujan di masa mendatang. Penelitian ini menggunakan metode Seasonal Autoregressive Integrated Moving Average with eXogenous Variables (SARIMAX) karena memperhatikan variabel eksogen sehingga model dirasa cukup untuk mengatasi masalah musiman, lalu dilakukan hybrid SARIMAX dengan Long Short-Term Memory (LSTM) untuk menangani data kompleks dan tidak linier dalam menganalisis curah hujan di Kota Semarang dengan variabel eksogen yaitu kelembapan udara. Tujuan penelitian ini adalah untuk mengetahui model terbaik dan hasil peramalan curah hujan periode 30 hari kedepan beserta analisisnya terhadap bencana. Hasil yang diperoleh menunjukkan bahwa model terbaik berdasarkan nilai AIC adalah model hybrid dengan parameter SARIMAX (p,d,q) (P,D,Q)_S=(2,0,2) (1,0,1)_17 dan parameter LSTM meliputi hidden layer sebanyak 4, neuron hidden 64 dan 32, batch size 48, max epoch 50, optimizer adam serta fungsi aktivasi tanh dan sigmoid, mampu memberikan performa terbaik dengan nilai akurasi sebesar 7,616 pada MAE, sedangkan model SARIMAX memiliki nilai MAE sebesar 9,293. Peramalan yang akurat memiliki peran penting dalam upaya mitigasi risiko bencana banjir dan tanah longsor. Nilai ambang batas curah hujan (threshold) harian digunakan sebagai indikator potensi bencana banjir dan Cumulative Treshold (CT) untuk ambang batas tanah longsor sehingga diperoleh status aman, waspada, siaga, dan awas berdasarkan nilai CT yang dihasilkan.

Actions (login required)

View Item