Model Hybrid SARIMAX-LSTM untuk Peramalan Curah Hujan di Kabupaten Banyuwangi
Tahun 2026 · Penulis: Aldila Muraya Paniculata Marisca
Faculty of Mathematics and Natural Sciences, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/11785
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Penelitian ini bertujuan memprediksi curah hujan menggunakan model hybrid SARIMAX-LSTM. Data yang digunakan berupa data deret waktu dalam rentang periode 1 Januari 2000 hingga 30 Oktober 2025 dan dikumpulkan dari laman resmi NASA POWER. Variabel yang digunakan meliputi suhu, kelembapan, kecepatan angin, dan radiasi matahari sebagai variabel eksogen dalam mendukung pemodelan curah hujan. Data diproses melalui tahapan preprocessing, pembagian data training dan data testing, pemodelan SARIMAX dengan grid search, hasil residual dimodelkan oleh LSTM menggunakan metode sequence, dan penjumlahan hasil prediksi SARIMAX dan prediksi residual. Model hybrid SARIMAX-LSTM digunakan karena mampu menggabungkan keunggulan SARIMAX menangkap pola linier, hubungan variabel eksogen, serta pola musiman serta LSTM menangkap pola nonlinier yang tidak dapat dimodelkan oleh SARIMAX. Pembagian dataset dilakukan dengan empat skema yaitu 60:40, 70:30, 80:20 dan 90:10 untuk menentukan skema mana yang mengahasilkan peforma terbaik. Evaluasi model dilakukan menggunakan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa skema 70:30 memberikan peforma terbaik dengan nilai RMSE terendah pada konfigurasi hyperparameter epoch 64, batch size 200. Selain itu, visualisasi hasil peramalan model hybrid SARIMAXLSTM mampu mempertahankan pola fluktuatif yang mnejadi karakteristik curah hujan. Hasil peramalan juga dapat mengikuti pola umum data historis. Berdasarkan hasil tersebut disimpulkan bahwa hybrid SARIMAX-LSTM efektif dalam memodelkan dan memprediksi curah hujan, serta memiliki potensi sebagai referensi dalam analisis dalam pengambilan keputusan mitigasi bencana.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,902
Tahun 2026 · Penulis: Salzabila Qurrota A’yun Arganitya
Penerapan Model XGBoost untuk Prediksi Curah Hujan
Curah hujan merupakan salah satu unsur penting dalam siklus hidrologi yang berperan dalam berbagai sektor, seperti pertanian, pengelolaan sumber daya air, transportasi, serta mitigasi bencana hidrometeorologi. Karakteristik curah hujan yang dipengaruhi oleh be
- Cosine 0,888
Tahun 2026 · Penulis: Achmad Teguh Prasetya Wicaksono
Penerapan Model Hybrid SARIMAX-LSTM dalam Peramalan Kelembaban Tanah
Kelembapan tanah merupakan indikator penting dalam pertanian, hidrologi, dan pengelolaan lingkungan karena berperan krusial dalam menentukan ketersediaan air bagi tanaman serta kondisi tanah. Namun, karakteristik deret waktu (time series) dari data kelembapan
- Cosine 0,854
Tahun 2026 · Penulis: Husamuddin Qais
Prediksi Curah Hujan Berbasis Long Short-Term Memory (LSTM) untuk Mendukung Implementasi Teknologi Pertanian
Curah hujan merupakan salah satu faktor penting yang memengaruhi keberhasilan sektor pertanian karena berkaitan langsung dengan ketersediaan air, pola tanam, serta pengelolaan lahan pertanian. Perubahan pola curah hujan yang tidak menentu dapat menyebabkan ber