<![CDATA[Peramalan waktu sholat di wilayah empat musim menghadapi tantangan besar akibat variabilitas musiman ekstrem dan risiko ketidaklengkapan data sensorik yang mengganggu kontinuitas informasi. Penelitian ini bertujuan untuk mengevaluasi pengaruh berbagai metode imputasi terhadap kinerja model peramalan GRU pada data deret waktu yang merepresentasikan dinamika astronomi dan meteorologi. Metodologi penelitian melibatkan pengujian enam teknik imputasi pada tiga dataset dengan karakteristik berbeda, yaitu variabilitas musiman jangka panjang, pola siklik non-linear, dan dinamika jangka pendek resolusi tinggi. Model GRU dioptimasi menggunakan PSO untuk memastikan akurasi parameter yang maksimal. Hasil eksperimen menunjukkan bahwa model GRU secara konsisten mengungguli arsitektur LSTM, Bi-LSTM, dan RNN pada seluruh skenario pengujian. Metode imputasi sederhana yang menjaga autokorelasi temporal, seperti Mean dan LOCF, terbukti lebih efektif dibandingkan metode berbasis kedekatan ruang fitur seperti KNN dan MICE. Pada Dataset 1, kombinasi imputasi Mean dan GRU menghasilkan skor R-Squared sebesar 0.92828, sementara pada Dataset 2 yang memiliki dinamika tinggi, metode LOCF mencapai skor R-Squared tertinggi sebesar 0.93766. Penelitian ini menyimpulkan bahwa preservasi integritas temporal melalui strategi imputasi yang tepat merupakan faktor kunci dalam meningkatkan reliabilitas model peramalan waktu sholat pada wilayah dengan variasi musim yang signifikan.]]>
Copyrights © 2026
