(0721) 8030188    [email protected]   

PENGEMBANGAN MODEL PRAPROSES DAN PREDIKSI PASANG SURUT AIR LAUT DI STASIUN TIDE GAUGES PROVINSI KEPULAUAN RIAU MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM)


Pasang surut (pasut) air laut merupakan fenomena naik turunnya permukaan air laut secara periodik yang disebabkan oleh gaya tarik benda-benda langit, terutama bulan dan matahari. Penelitian ini bertujuan untuk mengembangkan model prediksi pasut air laut di Provinsi Kepulauan Riau menggunakan metode Long Short-Term Memory (LSTM) menggunakan data pasut dari empat stasiun tide gauges di Provinsi Kepulauan Riau (Tarempa, Kabil, Natuna, dan Sekupang) selama periode 5 tahun dari 2019 hingga 2023, data pasut diperoleh dari Badan Informasi Geospasial (BIG). Praproses data dalam melakukan penanganan missing values menggunakan Simple Moving Average (SMA) dan Linear Weighted Moving Average (LWMA), serta deteksi dan penanganan outlier menggunakan Median Absolute Deviation (MAD). Pembagian dataset dengan 60 persen data latih dan 40 persen data uji. Optimalisasi model LSTM dilakukan dengan tuning hyperparameter menggunakan metode grid search menghasilkan parameter optimal dengan learning rate 0.001, epoch 200, batch size 256, timestep 3, dan dropout 0.3. Evaluasi model menggunakan dataset SMA dan LWMA pada seluruh stasiun tide gauges menunjukkan performa yang baik dengan nilai Root Mean Square Error (RMSE) tertinggi 0.05, Mean Absolute Error (MAE) tertinggi 0.03, dan R2 di atas 0.73. Hasil evaluasi model menunjukkan bahwa model LSTM menggunakan imputasi SMA dan LWMA yang dikembangkan mampu memberikan prediksi yang baik. Penelitian ini juga dapat memberikan kontribusi signifikan dalam prediksi pasut untuk pengelolaan wilayah maritim dan perencanaan kegiatan maritim lainnya di wilayah Provinsi Kepulauan Riau.

URI
https://repo.itera.ac.id/depan/submission/SB2409240118

Keyword
LSTM pasang surut praproses data prediksi pasut Provinsi Kepulauan Riau