Niswah Nasyithah Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2026 id Indonesia

Skripsi

Ketidakpastian pola cuaca di Kecamatan Indrapuri, Kabupaten Aceh Besar, menuntut adanya sistem prediksi curah hujan yang lebih presisi guna mendukung sektor pertanian serta upaya mitigasi bencana daerah. Penelitian ini dilakukan untuk mengkaji perbandingan performa antara dua arsitektur deep learning, yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU), dengan memanfaatkan dataset iklim historis periode 2015 hingga 2024 yang bersumber dari Stasiun Klimatologi Aceh. Tahapan penelitian dimulai dengan pra-pemrosesan data yang komprehensif, meliputi penanganan outlier menggunakan metode Winsorization serta normalisasi MinMaxScaler untuk menjaga stabilitas model. Pemodelan dilakukan dengan skema multistep forecasting menggunakan jendela waktu 30 hari sebelumnya untuk memprediksi 10 hari ke depan, di mana konfigurasi hyperparameter dioptimasi secara otomatis menggunakan framework Optuna. Hasil pengujian menunjukkan bahwa arsitektur LSTM memberikan tingkat akurasi yang lebih unggul dibandingkan GRU dalam memprediksi curah hujan di wilayah tersebut. Model LSTM menghasilkan nilai Root Mean Squared Error (RMSE) sebesar 5,5089 mm dan Mean Absolute Error (MAE) sebesar 3,0363 mm, sedikit lebih rendah dibandingkan GRU yang menghasilkan RMSE 5,5473 mm dan MAE 3,1624 mm. Melalui analisis ablation study, ditemukan bahwa variabel kecepatan angin rata-rata dan durasi penyinaran matahari memiliki pengaruh paling signifikan terhadap akurasi prediksi. Secara keseluruhan, penelitian ini menyimpulkan bahwa arsitektur LSTM lebih efektif dan stabil dalam memodelkan curah hujan jangka pendek di Kecamatan Indrapuri dibandingkan arsitektur GRU. Kata kunci : Curah Hujan, Deep Learning, LSTM, GRU, Prediksi, Kecamatan Indrapuri. WEATHER FORECASTING FORCASTING 003.2 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1712359 2026-02-25 09:56:02 2026-02-25 10:22:58 machine generated