APRIZAL, DANYI and Matulatan, Tekad and Efranda, Nolan (2026) PREDIKSI KECEPATAN DAN ARAH ANGIN DI PERAIRAN KEPULAUAN RIAU MENGGUNAKAN METODE INFORMER DAN BiLSTM. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) DANYI APRIZAL _2201020027_Teknik_Informatika - Cover.pdf - Published Version Download (708kB)
	Text (Abstrak) DANYI APRIZAL _2201020027_Teknik_Informatika - Abstrak.pdf - Published Version Download (184kB)
	Text (BAB I) DANYI APRIZAL _2201020027_Teknik_Informatika - BAB I.pdf - Published Version Download (230kB)
	Text (Daftar Pustaka) DANYI APRIZAL _2201020027_Teknik_Informatika - Daftar Pustaka.pdf - Published Version Download (191kB)
	Text DANYI_APRIZAL_2201020027_Teknik_Informatika - Full Teks.pdf Download (1MB)

Abstract

Perairan Kepulauan Riau merupakan jalur pelayaran strategis yang mengalami variabilitas angin tinggi akibat pengaruh sistem monsun, sehingga prediksi kecepatan dan arah angin yang akurat sangat dibutuhkan untuk keselamatan navigasi maritim. Penelitian ini membandingkan performa dua model deep learning berbasis pendekatan data-driven, yaitu Informer yang menggunakan mekanisme ProbSparse self-attention dengan kompleksitas O(L log L), dan Bidirectional Long Short-Term Memory (BiLSTM) yang memproses sekuens dari dua arah. Data observasi kecepatan dan arah angin interval 6 jam periode Januari 2023 hingga Desember 2025 diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) Tanjungpinang pada empat titik pengamatan di perairan Kepulauan Riau. Data dibagi secara kronologis dengan rasio 70:10:20 untuk pelatihan, validasi, dan pengujian. Evaluasi menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE) pada data pengujian periode Mei hingga Desember 2025. Hasil penelitian menunjukkan bahwa Informer unggul dalam prediksi kecepatan angin dengan RMSE rata-rata 4,9862 knot dan MAE 3,7747 knot, lebih rendah 3,5% dan 11,6% dibandingkan BiLSTM. Sebaliknya, BiLSTM unggul dalam prediksi arah angin dengan RMSE rata-rata 66,5686° dan MAE 51,7779°, lebih rendah 17,4% dan 25,1% dibandingkan Informer. Temuan ini konsisten pada skala asli maupun skala ternormalisasi, mengindikasikan bahwa tidak ada satu model yang mutlak superior untuk seluruh parameter angin. Implementasi aplikasi web WindSight berbasis Streamlit dikembangkan untuk memvisualisasikan hasil prediksi secara interaktif.

Actions (login required)

View Item