DWI NUGRAHA, MAHADI and Nikentari, Nerfita and Herikson, Rifaldi (2026) Prediksi Kecepatan Angin menggunakan Bidirectional Long Short-Term Memory (BiLSTM) dengan Attention Mechanism (Studi Kasus: BMKG Kota Batam). S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) MAHADI_DWI_NUGRAHA_2101020065_Teknik_Informatika - Cover.pdf Download (522kB)
	Text (Abstrak) MAHADI_DWI_NUGRAHA_2101020065_Teknik_Informatika - Abstrak.pdf - Published Version Download (282kB)
	Text (BAB I) MAHADI_DWI_NUGRAHA_2101020065_Teknik_Informatika - BAB I.pdf - Published Version Download (329kB)
	Text (Daftar Pustaka) MAHADI_DWI_NUGRAHA_2101020065_Teknik_Informatika - Daftar Pustaka.pdf - Published Version Download (286kB)
	Text (Full Teks) MAHADI_DWI_NUGRAHA_2101020065_Teknik_Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk memprediksi kecepatan angin menggunakan arsitektur Bidirectional Long Short-Term Memory (BiLSTM) dengan Attention Mechanism pada data cuaca dari BMKG Kota Batam. Data yang digunakan merupakan deret waktu harian, dengan pemodelan dilakukan untuk memprediksi kecepatan angin hingga 30 hari ke depan. Penelitian ini membandingkan dua pendekatan, yaitu univariat dan multivariat, dengan mengevaluasi berbagai kombinasi hyperparameter seperti jumlah layer, epoch, learning rate, dan jumlah time step. Hasil evaluasi menunjukkan bahwa model univariat terbaik diperoleh dengan konfigurasi 4 layer, 200 epoch, learning rate sebesar 0.0001, dan 60 time step harian, menghasilkan MAE sebesar 0.0659, MAPE sebesar 31.98%, dan RMSE sebesar 0.0867. Sementara itu, model multivariat terbaik diperoleh dengan konfigurasi 5 layer, 200 epoch, learning rate sebesar 0.0001, dan 60 time step harian, yang menghasilkan nilai MAE sebesar 0.0636, MAPE sebesar 29.98%, dan RMSE sebesar 0.0850. Dibandingkan dengan model univariat, pendekatan multivariat mampu menangkap pola musiman dengan lebih baik dan memberikan prediksi yang lebih akurat. Hasil ini menunjukkan potensi penggunaan BiLSTM-Attention dalam membantu peramalan kecepatan angin untuk periode 30 hari ke depan di Kota Batam.

Actions (login required)

View Item