<![CDATA[Dalam menghadapi risiko yang signifikan akibat kenaikan permukaan air laut yang dipicu oleh perubahan iklim, Jakarta sebagai kota pesisir memiliki kebutuhan mendesak untuk mengembangkan strategi yang efektif guna mengantisipasi dan memitigasi potensi dampak negatif. Dalam menghadapi tantangan ini, prediksi menjadi kunci untuk mengantisipasi dan meminimalkan dampak negatif yang mungkin timbul dari kenaikan permukaan air laut. Oleh karena itu, penelitian dilakukan dengan tujuan memperbandingkan kinerja dua metode prediksi, yaitu Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM). Kedua metode ini diaplikasikan untuk meramalkan tinggi permukaan air laut hingga akhir tahun 2023. Dalam mengevaluasi kualitas kedua model prediksi, digunakan metrik kinerja seperti Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan Root Mean Square Error (RMSE). Hasil analisis menunjukkan bahwa model ARIMA (1,1,4) lebih efektif dalam memprediksi tinggi permukaan air laut dibandingkan LSTM. ARIMA (1,1,4) memiliki nilai MAE 7,19, MAPE 4,86%, dan RMSE sebesar 10,35. Sementara itu, hasil forecasting dari kedua model didapatkan bahwa ketinggian permukaan air laut Jakarta diprediksi relatif stabil. Studi ini diharapkan dapat memberikan kontribusi yang signifikan dalam pemahaman serta mitigasi potensi dampak kenaikan permukaan air laut di Jakarta sebagai hasil dari perubahan iklim.]]>
Copyrights © 2024
