PRASOJO, Christophorus Dito Elnaputra (2024) Prediksi Curah Hujan Menggunakan Long Short Term Memory Pada Stasiun Meteorologi Ahmad Yani Semarang. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (57kB)
	Text 2. HALAMAN PENGESAHAN.pdf Download (248kB)
	Text 5. KATA PENGANTAR.pdf Download (267kB)
	Text 9. ABSTRAK.pdf Download (10kB)
	Text 10. ABSTRACT.pdf Download (29kB)
	Text 11. BAB I.pdf Download (103kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (162kB)

Abstract

Indonesia merupakan negara yang terletak di garis khatulistiwa. Letak tersebut sangat
berdampak pada iklim di Indonesia, yaitu iklim tropis. Indonesia rentan sekali terhadap
perubahan iklim atau cuaca, salah satunya adalah curah hujan. Dampak dari perubahan
intensitas curah hujan tersebut sangat berpengaruh terhadap kegiatan sosial masyarakat
Indonesia, misalnya pada bidang transportasi dan industri tradisional. Curah hujan juga
mempengaruhi aktivitas masyarakat Kota Semarang, khusunya di bidang transportasi udara
dan laut. Contohnya ketika belasan penerbangan tertunda akibat curah hujan tinggi di Bandara
Ahmad Yani Semarang. Contoh kasus dalam transportasi laut yaitu saat Kapal Cahaya Harapan
Hati yang kandas karena cuaca ekstrem di Pelabuhan Tanjung Emas Semarang. Maka dari itu
prediksi curah hujan di Kota Semarang penting dilakukan untuk mengantisipasi dampak
tersebut. Beberapa penelitian sebelumnya tentang prediksi curah hujan di Indonesia telah
dilakukan menggunakan deep learning metode long short term memory (LSTM), yang
mendapatkan hasil yang sangat baik dalam memprediksi curah hujan. Maka dari itu peneliti
menggunakan metode LSTM untuk memprediksi curah hujan menggunakan data curah hujan
di Kota Semarang. Penelitian ini menggunakan data curah hujan di kota Semarang sebanyak
3652 data yang diambil dari tanggal 1 April 2013 sampai 1 April 2023. Berdasarkan hasil
pengujian, dapat disimpulkan bahwa LSTM dapat memprediksi data curah hujan Kota
Semarang dengan baik. Model LSTM terbaik didapatkan dengan parameter lookback 1, last
hidden state, jumlah hidden layer 3, dan nilai batch size 64. Proses pengujian menggunakan
model terbaik menghasilkan nilai MAPE 10,142.
Kata kunci : curah hujan, prediksi, long short term memory

Actions (login required)

View Item