View/Open

Author
ERIC, ARWIDO DAMANIK

Date Published
21 Jun 2026

Advisor
I Wayan Wiprayoga Wisesa, S.Kom., M.Kom.,
Radhinka Bagaskara, S.Si.Kom., M.Si., M.Sc.,

Subject
Teknik Informatika

Publisher

Prediksi curah hujan harian di Provinsi Lampung menghadapi tantangan besar akibat tingginya variabilitas spasio-temporal dan fenomena ekstrem yang memicu bencana banjir serta kekeringan. Keterbatasan jaringan stasiun penakar hujan permukaan diatasi dengan memanfaatkan fusi data multi-satelit (IMERG, CHIRPS, CMORPH, dan ERA5). Penelitian ini bertujuan membandingkan kinerja model Long Short-Term Memory (LSTM) dan Transformer untuk memprediksi curah hujan harian satu hari ke depan menggunakan data observasi Balai Besar Wilayah Sungai (BBWS) Mesuji-Sekampung periode 2012-2024. Skema Spatial Cross-Validation (SCV) dengan K=5 digunakan untuk mengevaluasi model pada stasiun yang tidak dikenal guna menyimulasikan wilayah tanpa alat ukur (ungauged area). Penelitian dirancang dalam enam skenario eksperimen, termasuk optimasi parameter menggunakan Optuna, pemodelan dua tahap (Two-Step) untuk mengatasi dominasi data nol (zero-inflation), studi ablasional satelit tunggal, analisis sensitivitas lookback window, dan analisis dampak zero-inflation pada subset stasiun terkontrol. Hasil pengujian menunjukkan bahwa pada skala penuh (114 stasiun), model LSTM Two-Step menghasilkan koefisien determinasi (R^2) tertinggi sebesar 0,056, membuktikan efektivitas pemisahan tugas klasifikasi kejadian hujan dan regresi intensitas. Studi ablasional mengonfirmasi bahwa penggunaan satelit tunggal memberikan kinerja lebih rendah (R^2 terbaik ERA5-LSTM sebesar 0,013) dibanding fusi multi-satelit. Eksperimen sensitivitas menyimpulkan bahwa ukuran lookback 30 hari memberikan kestabilan optimal. Pada Skenario 6 (subset 10 stasiun dengan tingkat zero-inflation lebih rendah sebesar 56,3%), kinerja model meningkat drastis di mana LSTM mencapai R^2 sebesar 0,143 (peningkatan relatif 297% dibanding skala penuh) dengan RMSE turun menjadi 12,914 mm. Temuan ini secara empiris membuktikan bahwa faktor pembatas utama dalam prediksi curah hujan harian adalah karakteristik data zero-inflated dan variabilitas lokal, bukan keterbatasan arsitektur model.

URI
https://repo.itera.ac.id/depan/submission/SB2606210111

Keyword
Prediksi Curah Hujan LSTM Transformer Presipitasi Satelit Zero-Inflation Spatial Cross-Validation