<![CDATA[Penelitian ini mengkaji penggunaan algoritma model Long Short-Term Memory (LSTM) dalam membangun model prediksi rata-rata temperatur minimum cuaca berdasarkan data time series. Beberapa pengujian dilakukan untuk mengevaluasi performa model dengan variasi komposisi data latih dan data test, serta perubahan jumlah epoch. Dari hasil pengujian, didapati bahwa penggunaan komposisi data test sebanyak 12 pengamatan, sementara menyisakan 48 data latih dengan 100 epoch, memberikan hasil Root Mean Squared Error (RMSE) terbaik yaitu 1,242 dari seluruh percobaan yang dilakukan. Hasil menunjukkan bahwa metode LSTM efektif dalam menghasilkan prediksi suhu dengan memperhitungkan fluktuasi bulanan dari waktu ke waktu. Meskipun prediksi suhu pada interval yang lebih pendek cenderung lebih fluktuatif, prediksi jangka panjang menunjukkan kecenderungan suhu untuk menjaga kestabilannya dalam jangka waktu yang lebih panjang. Penelitian ini memberikan wawasan mengenai aplikasi model LSTM dalam prediksi cuaca berbasis time series dan memberikan panduan untuk komposisi data dan jumlah epoch yang optimal dalam menghasilkan prediksi yang akurat.]]>
Copyrights © 2023
