Claim Missing Document
Check
Articles

Found 2 Documents
Search

Peramalan Tinggi Muka Air Menggunakan Long-Short Term Memory dengan Mekanisme Multi-Head Attention Atmaja, Anugerah Surya; Muzakki, Naufal Fadli; Oktavian, Zulfaa Dwi
Seminar Nasional Official Statistics Vol 2024 No 1 (2024): Seminar Nasional Official Statistics 2024
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/semnasoffstat.v2024i1.2125

Abstract

This study aims to predict the Ciliwung River water level in DKI Jakarta using an Long-Short Term Memory (LSTM) model with a multi-head attention mechanism. Increasing flood frequency due to climate change necessitates an effective early warning system. Utilizing historical water level data and related meteorological variables, the LSTM model with multi-head attention demonstrated superior performance, with Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE), and Symmetric Mean Absolute Percentage Error (SMAPE) of 31.74, 3.3%, and 3.3%, respectively. Predictions for the next 72 hours indicate safe water levels between 450 cm and 500 cm, suggesting no flooding. In conclusion, the LSTM model with multi-head attention enhances water level forecasting accuracy and serves as a useful flood risk mitigation tool in Jakarta. This research significantly contributes to the development of flood early warning systems and the application of machine learning in disaster mitigation.
ANALISIS PREDIKSI RADIASI MATAHARI DENGAN ALGORITMA MACHINE LEARNING DAN IMPLEMENTASI BAYESIAN OPTIMIZATION DI PROVINSI DKI JAKARTA Oktaviani, Anisa Nur; Atmaja, Anugerah Surya; Putri, Khuzaimah; Aprianto, Stenislaus Angga; Kartiasih, Fitri
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1338

Abstract

Peningkatan populasi menyebabkan peningkatan permintaan energi. Hingga saat ini, masalah terkait energi adalah sumber daya yang terbatas. Energi alternatif terbarukan dapat dimanfaatkan secara optimal di masa depan. Salah satu sumber energi terbarukan adalah energi matahari karena jumlahnya melebihi kebutuhan energi saat ini dan masa depan. Hal ini sejalan dengan target 7.2 dalam Sustainable Development Goals (SDGs) 2030, yaitu meningkatkan porsi energi terbarukan secara signifikan dalam bauran energi global. Indonesia memiliki potensi energi matahari melalui radiasi matahari. Namun, pemanfaatan potensi energi surya sebagai pembangkit listrik di Provinsi DKI Jakarta belum optimal. Penelitian ini bertujuan untuk memprediksi nilai radiasi matahari melalui Global Horizontal Irradiance (GHI) harian di DKI Jakarta menggunakan Support Vector Regression (SVR) dengan Bayesian Optimization dan membandingkannya dengan XGBoost untuk menemukan model terbaik dari hasil prediksi. Metode BO-SVR terbukti memberikan hasil prediksi yang baik dan kuat pada data yang digunakan karena MAPE dan RMSE untuk data pengujian masing-masing adalah 0,182 dan 34,412. Penerapan Bayesian Optimization dalam menentukan hiperparameter optimal dalam membentuk model prediksi telah terbukti meningkatkan kinerja model. Penelitian ini menghasilkan prediksi radiasi matahari yang memberikan informasi bagi pemerintah, khususnya PT Perusahaan Listrik Negara (PLN) dan peneliti terkait karakteristik radiasi matahari.