Perbandingan Algoritma RNN, GRU, LSTM Pada Data Time Series Untuk Memprediksi Kenaikan Rata-Rata Permukaan Laut
Pemanasan global menyebabkan kenaikan permukaan laut diakibatkan mencairnya
es dikutub utara dan selatan. Kenaikan tinggi permukaan air laut dapat berdampak
negatif terhadap sebuah negara, dikarenakan kenaikan permukaan laut dapat
meningkatkan daya hancur badai dan banjir, mempercepat erosi, mengancam sumber
daya air bersih daerah pantai yang mana memiliki pengaruh langsung ke ekonomi.
kenaikan rata rata permukaan laut dunia yang terus menerus selalu diawasi oleh
pemerintah agar dapat dilakukan tindakan preventif dan penangan lebih lanjut untuk
mengurangi dampak kerugian akibat hal tersebut. Tujuan penelitian ini adalah
membangun dan membandingkan performa hasil peramalan model learning yang
dibangun menggunakan algoritma RNN, LSTM dan GRU untuk membantu mencari
tahu model dengan algoritma apa yang lebih cocok digunakan untuk melakukan
peramalan terhadap data kenaikan rata rata permukaan laut dunia. Pada penelitian ini
performa model dilihat dari nilai MAE dan MSE serta waktu komputasi dengan
hyperparameter penambahan layer. Pada penelitian ini peneliti berhasil membangun
model peramalan dengan algortima RNN, LSTM dan GRU dengan tingkat kesalahan
prediksi terbaik RNN pada model 2 layer dengan nilai MAE sebesar 1.381, MSE
sebesar 2.240 dan waktu komputasi selama 38.9 detik. Kemudian Model learning
LSTM memiliki tingkat kesalahan prediksi terbaik pada model 4 layer dengan nilai
MAE sebesar 0.773, MSE sebesar 0.604 dan waktu komputasi selama 67.1 detik.
Terakhir Model learning GRU memiliki tingkat kesalahan prediksi terbaik pada model
4 layer dengan nilai MAE sebesar 0.186, MSE sebesar 0.039 dan waktu komputasi
selama 71.5 detik
URI
https://repo.itera.ac.id/depan/submission/SB2403220009
Keyword