Febriantoro, Muhammad (2018) Prediksi Curah Hujan Menggunakan Recurrent Neural Network - Long Short Term Memory : Studi Kasus Di Stasiun Bmkg Karangploso, Malang. Sarjana thesis, Universitas Brawijaya.
Abstract
Informasi prakiraan hujan dapat membantu pengaturan sumber daya air di suatu tempat yang khususnya ketika berhubungan dengan munculnya perubahan iklim di daerah tropis seperti di Indonesia. Untuk mengatasi masalah tersebut, prediksi curah hujan dengan metode yang baik serta akurat merupakan hal yang sangat diperlukan untuk mengantisipasinya. Sepanjang pengembangan teknologi komputasi, Artificial Neural Network (ANN) telah digunakan untuk membuat prediksi curah hujan. Pada penelitian ini, penulis menggunakan salah satu model ANN untuk memprediksi curah hujan mendatang yang bernama Recurrent Neural Network – Long Short-Term Memory (RNN-LSTM). RNN-LSTM merupakan sistem jaringan syaraf buatan yang didesain khusus untuk menangani data deret waktu dalam jangka waktu yang panjang seperti curah hujan. Pada arsitekturnya, Model RNN-LSTM menggunakan 2 Hidden Layer LSTM yang terdiri dari 108 Neuron LSTM di masing-masing layer-nya. Activation function yang digunakan adalah Tanh. Loss function yang digunakan adalah Mean Square Error. Algoritma optimasi yang digunakan adalah Adam Optimizer. Hasil yang didapatkan adalah model dapat semakin baik memprediksi curah hujan mendatang jika data input yang diberikan ke model semakin panjang yang ditandai dengan nilai Root Mean Square Error yang semakin mengecil. Namun model kurang dapat memprediksi curah hujan mendatang jika output tahun prediksi semakin panjang yang ditandai dengan nilai Root Mean Square Error yang semakin membesar.
English Abstract
Rainfall forecast information can help regulate water resources in a place that is especially related to the emergence of climate change in tropical regions such as Indonesia. To overcome this problem, the prediction of rainfall using good and accurate method is very necessary thing to anticipate it. Throughout the development of computing technology, Artificial Neural Network (ANN) has been used to make rainfall predictions. In this research, the authors used one of the ANN models to predict future rainfall called Recurrent Neural Network - Long Short-Term Memory (RNN-LSTM). RNN-LSTM is an artificial neural network system designed specifically to handle time series data in a long period of time such as rainfall. In the architecture, RNN-LSTM Model used 2 Hidden Layer LSTM consisting of 108 LSTM Neurons in each layer. Tanh was used to activation function. Mean Square Error was used to loss function. Adam Optimizer was used to optimization algorithms. The obtained results were the model be able to better predict future rainfall if input data given to model is longer which is indicated by decreasing Root Mean Square Error value. However, the model was less able to predict future rainfall if predicted year output is longer, which is indicated by increasing root mean square error value.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2018/508/051901758 |
| Uncontrolled Keywords: | Prediksi, Curah Hujan, Recurrent Neural Network, Long Short Term Memory/ Prediction, Rainfall, Recurrent Neural Network, Long Short Term Memory |
| Subjects: | 500 Natural sciences and mathematics > 551 Geology, hydrology, meteorology > 551.5 Meteorology > 551.57 Hydrometeorology > 551.577 Precipitation |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Fisika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 16 Sep 2019 08:44 |
| Last Modified: | 22 Feb 2022 03:25 |
| URI: | http://repository.ub.ac.id/id/eprint/168837 |
Preview |
Text
Muhammad Febriantoro (2).pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |