Model Rekonstruksi Data Temporal Ketinggian Air Laut Di Stasiun Tide Gauge Provinsi Lampung
Pasang surut adalah fluktuasi tingkat air laut yang berkaitan dengan waktu karena
adanya gaya gravitasi dari benda langit, terutama matahari dan bulan, terhadap
massa air di bumi. Pasang surut memiliki dampak yang penting di berbagai sektor,
terutama pada sektor kelautan dan perikanan. Penelitian ini bertujuan untuk
melakukan prediksi pasang surut air laut di stasiun tide gauge Provinsi Lampung
menggunakan metode Long Short-Term Memory (LSTM). Data yang digunakan
pada penelitian ini diperoleh dari Badan Informasi Geospasial (BIG) di lima
stasiun yaitu Stasiun Pelabuhan Panjang, Stasiun Kota Agung, Stasiun Bengkunat,
Stasiun Krui, dan Stasiun Pulau Sebesi pada rentang waktu tahun 2019 hingga
2023. Penelitian ini menggunakan dua metode imputasi untuk menangani nilai
yang hilang, yaitu interpolasi linear (IL) dan interpolasi spline (ISp). Hasil
penelitian menunjukkan bahwa model LSTM dengan menggunakan metode
imputasi spline paling sesuai untuk rekontruksi data pasang surut, dengan
penanganan outlier menggunakan Hampel Filter metode Median Absolute
Deviation (MAD) dengan threshold 3 dan windows size 5 yang telah di
normalisasi, serta dilakukan pembagian data 60 persen data latih, 20 persen data valid dan
20 persen data test, sehingga model LSTM dengan dataset interpolasi spline (ISp)
menunjukkan performa terbaik dalam memprediksi ketinggian pasang surut,
dengan nilai MAE 0.0499, MSE 0.0055, RMSE 0.0741, dan R2 0.7943.
Kata kunci: Evaluasi Model, LSTM, Pasang Surut, Praproses Data, Prediksi
URI
https://repo.itera.ac.id/depan/submission/SB2409250011
Keyword
Evaluasi model LSTM Pasang Surut Praproses Data Prediksi