BARENZA PERDANA, ZIKO and Hayaty, Nurul and Pertiwi, Marisha (2026) PREDIKSI CURAH HUJAN MENGGUNAKAN METODE ARIMA DAN RECURRENT NEURAL NETWORK (RNN) BERBASIS DATA METEOROLOGI DI KOTA TANJUNGPINANG. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) ZIKO_BARENZA_PERDANA_2101020028_Teknik_informatika_Cover.pdf - Published Version Download (537kB)
	Text (Abstrak) ZIKO_BARENZA_PERDANA_2101020028_Teknik_informatika_Abstrak.pdf - Published Version Download (180kB)
	Text (BAB I) ZIKO_BARENZA_PERDANA_2101020028_Teknik_informatika_BAB I.pdf - Published Version Download (193kB)
	Text (Daftar Pustaka) ZIKO_BARENZA_PERDANA_2101020028_Teknik_informatika_Daftar Pustaka.pdf - Published Version Download (244kB)
	Text (Full Teks) ZIKO_BARENZA_PERDANA_2101020028_Teknik_informatika_Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Curah hujan merupakan salah satu elemen iklim yang berpengaruh besar terhadap berbagai sektor, seperti pertanian, perencanaan wilayah, dan mitigasi bencana. Perubahan iklim yang tidak menentu menyebabkan tingkat curah hujan menjadi sulit diprediksi secara akurat, sehingga dibutuhkan model prediksi yang adaptif dan presisi. Penelitian ini bertujuan untuk membandingkan performa metode Autoregressive Integrated Moving average (ARIMA), Recurrent Neural Network (RNN), dan model Hybrid ARIMA–RNN dalam memprediksi curah hujan di Kota Tanjungpinang berdasarkan data Meteorologi. Data yang digunakan berupa data curah hujan harian yang diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Evaluasi model dilakukan menggunakan parameter Root Mean Squared Error (RMSE) dan persentase akurasi. Hasil penelitian menunjukkan bahwa model ARIMA menghasilkan nilai RMSE sebesar 2,17 mm, model RNN sebesar 2,12 mm, dan model Hybrid ARIMA–RNN menghasilkan nilai RMSE terkecil sebesar 1,78 mm dengan akurasi tertinggi 64,33%. Temuan ini menunjukkan bahwa model Hybrid ARIMA–RNN memiliki kinerja paling baik dalam memprediksi curah hujan dan berpotensi diterapkan sebagai sistem pendukung keputusan dalam bidang Meteorologi.

Actions (login required)

View Item