Detail Cantuman

Prediksi curah hujan sangat penting bagi masyarakat seperti dalam operasional penerbangan, pertanian, perikanan, sistem penampungan air hujan, kegiatan kontruksi, transportasi dan lainnya. Masyarakat sangat membutuhkan prediksi yang akurat untuk dapat secara maksimal menentukan pengambilan keputusan yang tepat dalam bidang bidang tersebut. Beberapa usaha untuk itu telah ditempuh seperti penyediaan data curah hujan oleh BMKG (Badan Meteorologi Klimatologi dan Geofisika) untuk dapat dimanfaatkan dalam prediksi curah hujan. Dalam bidang AI (Artificial Intelligence) banyak diterapkan metode yang memanfaatkan data dari BMKG untuk mencari prediksi yang akurat. Beberapa penelitian sebelumnya menggunakan metode ARIMAX, SARIMAX, dan LSTM untuk memprediksi curah hujan. Salah satu masalah dalam mendapatkan prediksi yang akurat adalah ketidaklengkapan dataset (missing value) curah hujan yang disediakan BMKG akibat kendala lapangan. Ketidaklengkapan ini dapat menurunkan akurasi prediksi. Untuk itu dalam penelitian ini diusulkan metode interpolasi untuk membuat data sintesis agar dataset yang ada menjadi lengkap, menggunakan LSTM (Long Short Term Memory) untuk prediksi curah hujan. Dalam eksperimen diamati perbedaan kinerja prediksi tanpa interpolasi dengan prediksi dengan interpolasi. Berikut hasil untuk prediksi tanpa interpolasi yakni train score MAE 9,75 mm dan tes score sebesar 8,91 mm. Sedangkan hasil pada data dengan interpolasi menghasilkan akurasi tertinggi dengan train score MAE sebesar 5,90 mm dan tes score 5,88 mm pada prediksi Curah Hujan Harian di Kota Bandung. Hasil penelitian menunjukkan bahwa penggunaan interpolasi untuk menangani missing value mampu menghasilkan akurasi prediksi yang lebih baik. Kata Kunci : Prediksi Curah Hujan, LSTM, Interpolasi.