Perbandingan Model ARIMAX dan LSTM dengan Variabel Eksogen dalam Meramalkan Suhu di Kabupaten Jember
Tahun 2025 · Penulis: Ismiasih
Faculty of Mathematics and Natural Sciences, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Suhu merupakan salah satu indikator penting untuk mengukur kondisi lingkungan, baik yang berkaitan dengan panas maupun dingin dan umumnya diukur menggunakan satuan derajat Celcius (℃). Kenaikan suhu meskipun kecil berdampak pada peningkatan risiko bencana alam dan memengaruhi dinamika cuaca, di mana setengah derajat Celcius dapat memicu cuaca ekstrim. Suhu berbeda di setiap lokasi, sehingga diperlukan model peramalan yang akurat dan cepat. Analisis time series adalah metode yang digunakan untuk memprediksi suhu dalam periode waktu tertentu dengan memanfaatkan data historis yang berurutan. Beberapa model yang dapat diterapkan dalam analisis time series diantaranya yaitu Autoregressive Integrated Moving Average with Exogenous Variable (ARIMAX) dan Long Short-Term Memory (LSTM). Model ARIMAX memiliki kemampuan yang fleksibel untuk menyesuaikan dengan pola data yang ada, menghasilkan peramalan yang akurat, serta memanfaatkan variabel eksternal dalam proses peramalan. Model LSTM mampu menangkap pola yang lebih kompleks, mengingat dan menyimpan data jangka panjang yang disusun dalam beberapa lapisan. Penelitian ini bertujuan membandingkan kinerja model ARIMAX dan LSTM menggunakan data suhu di Kabupaten Jember. Data yang digunakan mulai dari 1 Juli hingga 30 September 2024 dengan periode 4 jam/hari dan jumlah data sebanyak 551 data. Data dibagi menjadi 441 data training dan 110 data testing, dengan proporsi 80% untuk training dan 20% untuk testing. Pemilihan model terbaik pada model ARIMAX menggunakan Auto ARIMAX, sedangkan model LSTM menggunakan grid search dan hyperparameter yaitu batch size (8,16,32), epoch (50,100), dan hidden neuron (10,20,30). Berdasarkan hasil penelitian, model ARIMAX menunjukkan kinerja yang lebih baik dibandingkan model LSTM. Perbandingan kinerja ditunjukkan dengan evaluasi model menggunakan RMSE. Model ARIMAX menghasilkan RMSE sebesar 0,9588, sedangkan model LSTM menghasilkan RMSE sebesar 2,24. Model ARIMAX memiliki tingkat kesalahan evaluasi lebih rendah dibandingkan model LSTM, sehingga model ARIMAX lebih cocok digunakan untuk memprediksi suhu di Kabupaten Jember. Hasil peramalan dengan kedua model menunjukkan adanya pola fluktuatif, yaitu kenaikan dan penurunan suhu selama 7 hari ke depan. Model ARIMAX cenderung memberikan peramalan suhu yang lebih halus dan konsisten, sedangkan LSTM terkadang memberikan nilai peramalan yang sedikit berbeda pada beberapa titik tertentu.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,864
Tahun 2026 · Penulis: Berliana Widya Sari
Prediksi Ispu PM2,5 Dengan Model Time Series Multiple Linear Regression dan Random Forest DI Kota Jakarta Pusat Dan Kabupaten Sidoarjo
Meningkatnya aktivitas industri, transportasi, dan konsumsi bahan bakar fosil telah berkontribusi terhadap penurunan kualitas udara akibat peningkatan partikulat halus (PM₂.₅), yang menimbulkan risiko kesehatan yang signifikan. Konsentrasi PM₂.₅ dipengaruhi ti
- Cosine 0,859
Tahun 2026 · Penulis: Nurrisa Qurrotul Aini
PERAMALAN CURAH HUJAN DI KABUPATEN JEMBER BERBASIS DATA SATELIT HIMAWARI-9 DENGAN METODE LONG SHORT-TERM MEMORY (LSTM)
Kabupaten Jember merupakan wilayah pertanian di Provinsi Jawa Timur yang sangat bergantung pada kondisi curah hujan, namun data dari stasiun pengamatan konvensional masih terbatas, sehingga mendorong pemanfaatan teknologi penginderaan jauh. Penelitian ini bert
- Cosine 0,856
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