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/SB2403250003
Keyword
RNN,LSTM, GRU, Prediksi, Permukaan Laut