Perbandingan Metode Imputasi Missing Values Curah Hujan Berbasis Normal Ratio dan Recurrent Neural Network di Provinsi Lampung
Curah hujan memiliki peran penting dalam berbagai sektor, seperti mitigasi bencana hidrometeorologi dan pertanian. Namun, ketersediaan data curah hujan observasi seringkali terdapat kendala missing values akibat kerusakan alat akur dan keter batasan operasional, sehingga diperlukan metode imputasi untuk merekonstruksi deret waktu missing. Penelitian ini bertujuan untuk mengimputasi missing values curah hujan dari delapan pos hujan target di Provinsi Lampung dengan membandingkan metode Normal Ratio dan RNN. Sebagai pembanding data aktual pada periode missing, digunakan data CHIRPS terkoreksi sebagai referensi data aktual. Evaluasi dilakukan dengan menggu nakan perhitungan korelasi Pearson, RMSE, MAE dan nilai bias yang akan divisualisasikan dengan peta bias bulanan berbasis IDW. Hasil penelitian menunjukkan bahwa metode Normal Ratio menjadi metode imputasi terbaik untuk keseluruhan bulan terke cuali bulan Mei, dengan nilai r 0,73– 0,89, RMSE 90,068 mm dan MAE 69,432 mm, dibandingkan dengan RNN yang menghasilkan nilai r-0,07- 0,69, RMSE 134,945 mm dan MAE 108,941 mm. Berdasarkan visualisasi peta bias, secara spasial Normal Ratio menghasilkan distribusi bias yang sesuai dengan kondisi geografis wilayah, sedangkan RNN menghasilkan overestimasi di musim hujan dan unserestimasi di musim kemarau berlebihan. Oleh karena itu, metode imputasi Normal Ratio direkomendasikan sebagai metode imputasi terbaik dalam mengestimasi missing values curah hujan di Provinsi Lampung.
URI
https://repo.itera.ac.id/depan/submission/SB2606070012
Keyword
curah hujan imputasi missing values Normal Ratio RNN CHIRPS Provinsi Lampung