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