PENERAPAN METODE LONG SHORT-TERM MEMORY DALAM MEMPREDIKSI DATA METEOROLOGI DI KALIMANTAN TIMUR

Abstract

Meteorologi adalah cabang dari ilmu atmosfer yang memiliki banyak variabel didalamnya. Variabel seperti curah hujan, kecepatan angin, temperatur, dan kelembapan mempengaruhi aktivitas dan keputusan yang akan diambil pada kehidupan manusia dalam banyak bidang. Variabel pada meteorologi ini dapat membahayakan sebagian bahkan seluruh dunia. Memprediksi variabel tersebut dapat meningkatkan keputusan yang akan diambil sehingga meningkatkan kualitas hidup manusia dalam berbagai bidang. Deep Learning adalah cabang dari Machine Learning yang dapat digunakan untuk mempelajari data inputan yang belum terklasifikasi dengan tujuan untuk melakukan klasifikasi pada data tersebut dan mendeteksi objek atau pola yang ada. Long Short-Term Memory adalah bagian dari Deep Learning yang dapat digunakan untuk memprediksi variabel tersebut. Menggunakan Recurrent Neural Network (RNN) sebagai dasarnya dan menambahkan sel memori didalamnya yang telah terbukti menyelesaikan masalah vanishing gradient yang ada pada Recurrent Neural Network sehingga dapat melakukan prediksi untuk data dengan deret waktu yang besar. Long Short-Term Memory cocok digunakan untuk melakuakn klasifikasi dan melakukan prediksi terhadap data deret waktu. Data yang digunakan dalam melakukan prediksi ini adalah data stasiun meteorologi Kalimarau, stasiun meteorologi Sultan Aji Sulaiman Sepinggan, dan stasiun meteorologi Aji Pangeran Tumenggung Pranoto di Kalimantan Timur pada periode Januari 2010 – Juni 2022 yang diambil melalui Badan Meteorologi Klimatologi dan Geofisika Indonesia (BMKG).