Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Informatika
D. Diffran Nur Cahyo
Universitas Cendekia Mitra Indonesia
Computer Science & IT Engineering Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Perbandingan Klasifikasi dalam Data Mining pada Prediksi Hujan dengan menggunakan Algoritma LSTM dan GRU D. Diffran Nur Cahyo; Andi Sunyoto
Jurnal Sains dan Informatika Vol. 11 No. 1 (2025): Jurnal Sains dan Informatika
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v11i1.1212

Abstract

Hujan memiliki dampak signifikan terhadap berbagai sektor, seperti pertanian, transportasi, dan manajemen sumber daya. Oleh karena itu, akurasi prediksi hujan sangat penting untuk mendukung perencanaan dan pengambilan keputusan yang efektif. Seiring kemajuan teknologi, pemanfaatan metode deep learning seperti Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) semakin berkembang dalam bidang prediksi cuaca. Penelitian ini bertujuan untuk membandingkan performa kedua algoritma tersebut dalam mengklasifikasikan data meteorologi untuk prediksi hujan. Dataset yang digunakan berasal dari Australian Bureau of Meteorology melalui Kaggle, terdiri dari 145.460 data dengan 23 atribut. Setelah melalui tahapan pra-pemrosesan dan resampling menggunakan metode SMOTE, kedua model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model LSTM memperoleh akurasi sebesar 81,46%, sedangkan GRU sebesar 81,39%. Nilai F1-score GRU lebih tinggi dibandingkan LSTM, masing-masing sebesar 60,96% dan 58,95%. Hasil ini mengindikasikan bahwa kedua model memiliki performa yang kompetitif dan efektif untuk diterapkan dalam sistem prediksi hujan berbasis deep learning.
Co-Authors Andi Sunyoto