<![CDATA[Kelengkapan dan akurasi data temperatur udara merupakan kebutuhan utama dalam studi meteorologi serta berbagai aplikasi berbasis data cuaca. Namun pada kenyataannya, data pengukuran dari sensor sering mengalami kekosongan nilai akibat kendala teknis pada alat maupun pengaruh faktor eksternal. Penelitian ini mengembangkan model imputasi untuk menutup data temperatur yang hilang dengan menggunakan metode Multilayer Perceptron (MLP). Fitur yang digunakan meliputi kelembaban, tekanan udara, radiasi matahari, dan temperatur pada waktu sebelumnya sebagai variabel lag. Dataset yang digunakan terdiri dari 41.410 baris data historis yang telah melalui proses pembersihan. Pembagian data dilakukan dengan rasio 80% untuk pelatihan dan 20% untuk pengujian secara kronologis (time-based), serta dilakukan normalisasi menggunakan StandardScaler. Hasil evaluasi menunjukkan model MLP dengan dua hidden layer berukuran 150 dan 75 neuron mampu memprediksi temperatur dengan baik. Hal ini dibuktikan dengan nilai RMSE 0,868°C, MAE 0,591°C, dan R² 0,903. Hasil ini menunjukkan bahwa pendekatan MLP dengan fitur temporal efektif digunakan untuk imputasi data temperatur yang hilang.]]>
Copyrights © 2026
