<![CDATA[Indonesia memiliki dua musim utama, namun perubahan iklim global menyebabkan pergeseran pola musim yang tidak menentu. Hal ini berdampak pada berbagai sektor, termasuk agribisnis, transportasi, dan konstruksi. Surabaya, sebagai pusat ekonomi di Jawa Timur, memerlukan prediksi musiman yang akurat untuk mitigasi risiko dan perencanaan strategis. Penelitian ini mengevaluasi kinerja tiga arsitektur Long Short-Term Memory (LSTM), yaitu Vanilla LSTM, Stacked LSTM, dan Bidirectional LSTM, dalam memprediksi pola musiman curah hujan di Surabaya. Data yang digunakan berasal dari BMKG Stasiun Meteorologi Maritim Tanjung Perak, mencakup periode 2001-2024. Hasil eksperimen menunjukkan bahwa Bidirectional LSTM mencapai nilai MAE terendah sebesar 25,7883, diikuti oleh Stacked LSTM dengan MAE 26,5515, dan Vanilla LSTM dengan MAE 27,7023. Temuan ini mengkonfirmasi bahwa arsitektur yang lebih dalam dan kompleks, seperti Stacked LSTM dan Bidirectional LSTM, mampu meningkatkan akurasi prediksi secara signifikan dibandingkan Vanilla LSTM.]]>
Copyrights © 2025
