Implementasi Deep Learning Menggunakan Arsitektur Long Short Term Memory(LSTM) Untuk Prediksi Curah Hujan Kota Malang

Main Article Content

Muhammad Rizki
Setio Basuki
Yufis Azhar

Abstract

Tidak selamanya cuaca di Indonesia berjalan dengan normal atau sesuai dengan musimnya, cuaca sering berubah secara tiba-tiba setiap saat karena ada faktor-faktor yang mempengaruhi penurunan dan peningkatan curah hujan. perkiraan cuaca sangatlah dibutuhkan dan sangat bermanfaat olah berbagai pihak karena bisa menjadi acuan bagi berbagai kalangan untuk menjalani kegiatan mereka sehari-hari. Penelitian dilakukan menggunakan metode Deep Learning karena dari beberapa penelitian sebelumnya yang menggunakan Deep Learning dalam kasus yang berbeda mampu menghasilkan akurasi diatas 85%. Deep learning adalah jaringan yang terdiri dari beberapa layer. Layer-layer tersebut berasal dari kumpulan node-node. Arsitektur yang digunakan yaitu Long Short Term Memory(LSTM) karena pada penelitian-penelitian sebelumnya menggunakan LSTM dalam kasus yang berbeda mendapat hasil yang baik yaitu RME yang dihasilkan kecil. LSTM memiliki struktur seperti rantai dan struktur pada tiap sel terdapat 3 gate yaitu forget gate, input gate, dan output gate. Oleh karena itu, perhitungan yang dilakukan lebih kompleks ditambah lagi dengan Deep Learning diharapkan mendapat hasil yang lebih akurat. Data yang digunakan yaitu data curah hujan kota Malang yang berasal dari BMKG.

Downloads

Download data is not yet available.

Article Details

How to Cite
[1]
M. Rizki, S. Basuki, and Y. Azhar, “Implementasi Deep Learning Menggunakan Arsitektur Long Short Term Memory(LSTM) Untuk Prediksi Curah Hujan Kota Malang”, JR, vol. 2, no. 3, Jan. 2024.
Section
Articles

References

Candra Dewi, et al. 2014. Prediksi Cuaca Pada Data Time Series Menggunakan Adaptive Neuro Fuzzy Inference System (Anfis). Program Studi Informatika/Ilmu Komputer, Universitas Brawijaya.

Reffi Avrilliani Nedya Putri. 2016. Penerapan Algoritma Support Vector Machine (Svm’s) Untuk Prediksi Curah Hujan Per Jam Menggunakan Data Dari Radar. Program Studi Teknik Informatika Universitas Muhammadiyah Malang.

Mas’ula. 2013. Implementasi Adaptive Neuro Fuzzy Inference System Untuk Prediksi Cuaca (Studi Kasus Stasiun Klimatologi Karangploso Kab. Malang). Program Studi Teknik Informatika Universitas Muhammadiyah Malang.

Sharmila, J., & Subramani, A. 2016. A Comparative Analysis Of Web Information Extraction Techniques Deep Learning Vs. Naive Bayes Vs. Back Propagation Neural Networks In Web Document Extraction. Ictact Journal on Soft Computing, 6(2).

Kaiming He, et al. 2015. Deep Residual Learning For Image Recognition arXiv:1512.03385v1 [cs.CV].

Zheng Zhao, et al. 2017. Lstm Network: A Deep Learning Approach For Short-Term Traffic Forecast. The Institution of Engineering and Technology

Qianlong Wang, et al. 2016. Earthquake Prediction Based On Spatio-Temporal Data Mining: An Lstm Network Approach. DOI 10.1109/TETC.2017.2699169, IEEE

Most read articles by the same author(s)

<< < 1 2 3 4 5 6 7 > >>