View Item 
      •   IPB Repository
      • Dissertations and Theses
      • Undergraduate Theses
      • UT - Faculty of Mathematics and Natural Sciences
      • UT - Statistics and Data Sciences
      • View Item
      •   IPB Repository
      • Dissertations and Theses
      • Undergraduate Theses
      • UT - Faculty of Mathematics and Natural Sciences
      • UT - Statistics and Data Sciences
      • View Item
      JavaScript is disabled for your browser. Some features of this site may not work without it.

      Peramalan Curah Hujan Wilayah Kota Padang Menggunakan Metode Long Short-Term Memory

      Thumbnail
      View/Open
      Full text (1.327Mb)
      Lampiran (128.4Kb)
      Date
      2024
      Author
      Riyadi, Asyraf Afif Fakhri
      Afendi, Farit Mochamad
      Rahman, La Ode Abdul
      Metadata
      Show full item record
      Abstract
      Indonesia memiliki curah hujan yang sangat tinggi yang disebabkan oleh faktor geografis dan lingkungan. Prediksi data curah hujan menjadi penting karena akan membawa banyak keuntungun untuk masyarakat di berbagai bidang, termasuk pertanian, wisata, industri, bencana alam, dan mode transportasi. Jumlah curah hujan memang tidak bisa dipastikan, namun dapat diprediksi dan diestimasikan dengan melihat data curah yang lampau. Dengan begitu sangat memungkinkan untuk memprediksi curah hujan yang akan datang. Metode prediksi statisitika yang dipakai pada penelitian ini adalah metode long short-term memory (LSTM). Data yang akan dipakai adalah data historis curah hujan di Kota Padang, Sumatera Barat, yang mana dinobatkan sebagai provinsi yang memiliki curah hujan tertinggi pada tahun 2021 menurut Badan Pusat Statistik. Data curah hujan yang digunakan adalah data selama 10 tahun yang dimulai dari tanggal 1 Januari 2013 sampai 31 Desember 2022 yang telah diukur menggunakan satelit NASA. Pada proses LSTM, kita dapat membandingkan nilai RMSE tiap model yang didapatkan dari hasil cross validation. Model terbaik adalah model yang memiliki rata-rata RMSE terkecil. Model terbaik akan digunakan untuk meramalkan curah hujan untuk 365 hari kedepan.
      URI
      http://repository.ipb.ac.id/handle/123456789/136395
      Collections
      • UT - Statistics and Data Sciences [2260]

      Copyright © 2020 Library of IPB University
      All rights reserved
      Contact Us | Send Feedback
      Indonesia DSpace Group 
      IPB University Scientific Repository
      UIN Syarif Hidayatullah Institutional Repository
      Universitas Jember Digital Repository
        

       

      Browse

      All of IPB RepositoryCollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

      My Account

      Login

      Application

      google store

      Copyright © 2020 Library of IPB University
      All rights reserved
      Contact Us | Send Feedback
      Indonesia DSpace Group 
      IPB University Scientific Repository
      UIN Syarif Hidayatullah Institutional Repository
      Universitas Jember Digital Repository