(0721) 8030188    pusat@itera.ac.id   

PERBANDINGAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN GATED RECURRENT UNIT (GRU) DALAM MEMPREDIKSI KETINGGIAN GELOMBANG LAUT PADA MARITIM PANJANG BANDAR LAMPUNG


Pasang surut air laut merupakan kekhasan karakteristik di mana kadang-kadang terjadi kenaikan dan penurunan air, kenaikan dan penurunan air ini merupakan bagian penting dari transportasi dan perbaikan. Prediksi ketinggian gelombang laut penting dilakukan karena sangat berguna bagi keselamatan dalam pelayaran dan berbagai aktivitas disekitar pesisir. Data ketinggian gelombang laut yang dipakai di penelitian ini merupakan data time- series berupa data tanggal, cuaca, kecepatan angin, arah angin dan ketinggian gelombang yang berasal dari BMKG Maritim Panjang, Bandar Lampung sejak 1 Januari 2021 hingga 31 Desember 2021. Penelitian ini bertujuan untuk membandingkan kinerja dari model LongShort Term Memory (LSTM), dan Gated Recurrent Unit (GRU) dalam melakukan prediksi tinggi gelombang. Parameter yang digunakan untuk membandingkan kinerja dari kedua model tersebut adalah Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Mean Square Error (MSE), dan Mean Absolute Percentage Error (MAPE). Setelah dilakukan prediksi dengan menggunakan kedua model tersebut, hasil analisis ada bahwa model GRU punya kinerja yang lebih baik dibandingkan model LSTM dalam memprediksi ketinggian gelombang, dibuktikan dengan nilai RMSE, MAE, MSE dan MAPE dari kedua model. Nilai RMSE, MAE, MSE dan MAPE dari model GRU lebih rendah dibandingkan dengan LSTM, yaitu nilai RMSE 0.148, nilai MAE 0.093, nilai MAPE 0.099 dan nilai MSE 0.022. Hasil kinerja dari model LSTM adalah nilai RMSE 0.159, nilai MAE 0.105, nilai MAPE 0.102 dan nilai MSE 0.025. Kata Kunci: LSTM, GRU, ketinggian gelombang, prediksi, time-series

URI
https://repo.itera.ac.id/depan/submission/SB2206100009

Keyword