Implementasi Model LSTM Untuk Peramalan Curah Hujan Di Bekasi Dengan Pemanfaatan Data Cuaca BMKG

Abstract

Penelitian ini membahas implementasi model Long Short-Term Memory (LSTM) untuk peramalan curah hujan harian di wilayah Bekasi dengan memanfaatkan data cuaca dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) tahun 2025. Data yang digunakan mencakup variabel curah hujan, suhu maksimum, kelembapan relatif, tekanan udara, kecepatan angin, dan lama penyinaran matahari dengan total 941 data harian setelah proses pembersihan. Missing value diimputasi menggunakan metode moving average untuk menjaga kontinuitas deret waktu. Model LSTM dilatih selama 100 epoch menggunakan optimizer Adam dan loss function Mean Squared Error (MSE). Hasil pelatihan menunjukkan penurunan training loss dari 0.0252 menjadi 0.0073 serta validation loss dari 0.0309 menjadi 0.0137 tanpa indikasi overfitting, dibuktikan dengan pola konvergensi yang stabil. Pada pengujian, model menghasilkan nilai MSE sebesar 0.0137 atau RMSE sebesar 0.117, menandakan tingkat kesalahan prediksi yang rendah terhadap data ter-normalisasi. Selain itu, model digunakan untuk memprediksi curah hujan tiga hari ke depan (per jam) serta divisualisasikan secara spasial menggunakan peta interaktif Folium dengan integrasi data GADM. Visualisasi menunjukkan pola curah hujan yang bervariasi antar wilayah, dengan rata-rata prediksi 0,3 mm dan intensitas lebih tinggi pada wilayah utara dan timur Bekasi. Secara keseluruhan, model LSTM mampu mempelajari pola temporal meteorologis dengan baik dan dapat dimanfaatkan sebagai pendukung sistem peringatan dini cuaca lokal di Bekasi.