SYAHPUTRA, PERMANA AJI and Martaleli, Bettiza and Nurfalinda, Nurfalinda (2025) IMPLEMENTASI METODE GATED RECURRENT UNIT (GRU) DALAM PREDIKSI SUHU RATA-RATA DI TANJUNGPINANG. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) PERMANA_AJI_SYAHPUTRA_2001020060_INFORMATIKA_Cover.pdf - Published Version Download (436kB)
	Text (Abstrak) PERMANA_AJI_SYAHPUTRA_2001020060_INFORMATIKA_Abstrak.pdf - Published Version Download (228kB)
	Text (BAB I) PERMANA_AJI_SYAHPUTRA_2001020060_INFORMATIKA_BAB I.pdf - Published Version Download (176kB)
	Text (Daftar Pustaka) PERMANA_AJI_SYAHPUTRA_2001020060_INFORMATIKA_Daftar Pustaka.pdf - Published Version Download (196kB)
	Text (Full Teks) PERMANA_AJI_SYAHPUTRA_2001020060_INFORMATIKA_Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Perubahan iklim yang cepat dan fluktuasi suhu ekstrem menjadi tantangan global yang memengaruhi banyak aspek kehidupan manusia, termasuk sektor pertanian, energi, dan kesehatan. Kota Tanjungpinang, sebagai ibu kota Provinsi Kepulauan Riau, menghadapi suhu rata-rata harian yang terus meningkat dan mencapai tingkat ekstrem, dengan suhu siang mencapai 33-34°C dan suhu malam hingga 27°C. Fenomena ini tidak hanya berdampak pada kesejahteraan masyarakat tetapi juga memerlukan pengelolaan sumber daya yang lebih adaptif. Oleh karena itu, prediksi suhu yang akurat menjadi elemen penting dalam perencanaan dan mitigasi dampak perubahan iklim. Penelitian ini menggunakan metode Gated Recurrent Unit (GRU) untuk memprediksi suhu rata-rata di Tanjungpinang, dengan memanfaatkan data suhu harian dari BMKG untuk tahun 2022-2023. Model GRU dilatih dan diuji dengan berbagai konfigurasi untuk menilai kinerjanya dalam memprediksi suhu. Konfigurasi terbaik menggunakan 32 neuron, batch size 64, dan 150 epoch, mencapai akurasi 77,97% tanpa mengalami overfitting. Hasil penelitian ini menunjukkan bahwa GRU, dengan desain arsitekturnya yang efisien, mampu memprediksi pola suhu dengan baik, memberikan hasil yang menjanjikan untuk mendukung pengelolaan sumber daya dan perencanaan berbasis data. Namun, diperlukan perbaikan lebih lanjut untuk meningkatkan akurasi prediksi pada skenario yang lebih kompleks.

Actions (login required)

View Item