ANALISIS KINERJA ALGORITMA LSTM DAN CNN UNTUK FORECASTING KELEMBABAN UDARA DI KOTA MEDAN

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.