View/Open

Author
Shintya, Ayu Wardani

Date Published
24 Jun 2026

Advisor
Martin Clinton Tosima Manullang, S.T., M.T., Ph.D.,

Subject
Teknik Informatika

Publisher

Teluk Lampung merupakan perairan semi-tertutup dengan dinamika Suhu Permukaan Laut (SST) yang kompleks akibat interaksi laut-atmosfer dan fenomena iklim regional. Prediksi SST yang akurat sangat dibutuhkan untuk mendukung mitigasi bencana banjir rob dan keselamatan maritim, namun model fisik operasional BMKG memiliki keterbatasan dalam menangkap pola non-linier pada skala pesisir lokal. Penelitian ini bertujuan membandingkan kinerja model eXtreme Gradient Boosting (XGBoost) dan Gated Recurrent Unit (GRU) dalam memprediksi SST harian di Teluk Lampung pada horizon jangka pendek (H+1) dan jangka menengah (H+7), serta mengevaluasi performa keduanya terhadap prakiraan operasional BMKG sebagai baseline. Data yang digunakan meliputi data SST satelit NOAA dan variabel oseanografi-atmosfer BMKG periode 2015-2025, yang diproses melalui rekayasa fitur autoregressive, statistik rolling, representasi musiman, serta parameter dinamika laut dan atmosfer. Evaluasi model menggunakan metrik RMSE, MAE, MAPE, dan R2. Hasil menunjukkan bahwa pada hari berikutnya (H+1), XGBoost dengan nilai (RMSE 0,2428°C) dan GRU (RMSE 0,2515°C) memiliki performa yang sebanding. Perbedaan signifikan muncul pada H+7, di mana XGBoost tetap andal (RMSE 0,3229°C, R2 0,2298), sementara GRU mengalami penurunan performa dengan (R2 −0,1038). Dibandingkan model BMKG yang memiliki bias positif sistematis, kedua model machine learning menghasilkan prediksi yang tidak bias. Penelitian ini menyimpulkan bahwa XGBoost lebih unggul untuk prediksi SST multi-horizon di perairan pesisir dan efektif sebagai model pendukung berbasis data-driven untuk memitigasi bias positif sistematis pada prakiraan SST operasional BMKG akibat keterbatasan resolusi spasialnya.

URI
https://repo.itera.ac.id/depan/submission/SB2606240100

Keyword
Suhu Permukaan Laut XGBoost GRU Prediksi Multi-Horizon Teluk Lampung