Prediksi Curah Hujan Menggunakan Metode Long Short Term Memory (Studi Kasus : Kota Bandung)

Abstract

Salah satu faktor yang sangat penting untuk menunjang kegiatan di berbagai bidang yang dapat dijadikan acuan adalah perkiraan curah hujan. Hal ini memungkinkan mereka untuk melakukan aktivitas tanpa terhambat oleh kondisi cuaca yang tidak mendukung. Penyebab peningkatan dan pengurangan curah hujan menjadi factor penting untuk ini. Memprediksi hujan karena itu penting bagi banyak kelompok yang berbeda, terutama mereka yang terlibat dalam kegiatan di luar ruangan. Metode Long Short Term Memory (LSTM) digunakan dalam penelitian ini untuk menganalisis data curah hujan dari Kota Bandung yang diunduh dari website Badan Meteorologi, Klimatologi dan Geofisika (BMKG). Parameter epoch dan batch siza dapat berdampak pada hasil algoritma LSTM. Nilai RMSE terbaik adalah Train Score 12.21 dan Test Score 8.78, sedangkan akurasi maksimum dicapai dengan epoch 75 dan batch size 1.