Abstract:
Kelembaban udara adalah parameter krusial dalam cuaca dan iklim yang
memengaruhi kesehatan, kenyamanan, serta sektor ekonomi seperti pertanian dan industri.
Kota Medan, dengan variasi kelembaban yang signifikan, membutuhkan model prediksi
yang akurat untuk mendukung perencanaan dan tindakan preventif. Penelitian ini bertujuan
untuk membandingkan kinerja algoritma Long Short-Term Memory (LSTM) dan
Convolutional Neural Network (CNN) dalam melakukan forecasting kelembaban udara di
Kota Medan. Kedua model dilatih menggunakan data kelembaban udara historis, dengan
evaluasi kinerja berdasarkan metrik Mean Squared Error (MSE) dan Root Mean Squared
Error (RMSE). Hasil penelitian menunjukkan bahwa model LSTM unggul dalam
menangkap pola jangka panjang kelembaban udara. Temuan ini diharapkan dapat
memberikan kontribusi dalam pengembangan sistem prediksi kelembaban udara yang lebih
adaptif, yang bermanfaat untuk perencanaan manajemen sumber daya air, pertanian,
kesehatan masyarakat, dan mitigasi bencana di Kota Medan.