PERAMALAN INDEKS ULTRAVIOLET DI KOTA BANDUNG MENGGUNAKAN METODE LONG SHORT-TERM MEMORY

Abstract

Listen

Translate article

Peramalan nilai indeks Ultraviolet (UV) memainkan peran penting dalam menjaga kesehatan masyarakat dan pengelolaan lingkungan. Penelitian ini bertujuan untuk menghasilkan nilai peramalan indeks UV di Kota Bandung pada tanggal 1–30 April 2024 menggunakan Metode Long Short-Term Memory (LSTM). Metode LSTM merupakan pengembangan dari metode Recurrent Neural Network (RNN). RNN diubah dengan menambahkan mekanisme gate untuk menyimpan informasi jangka panjang sehingga mengurangi resiko munculnya exploding gradients dan vanishing gradients. Model LSTM dalam penelitian ini dibangun menggunakan 1 input layer dengan 400 unit cell dan 1 output dense layer dengan fungsi update bobot adam optimizer, randomizer bobot glorot uniform distribution, dan 400 jumlah epoch. Performa model peramalan diuji menggunakan RMSE dan MAPE. Pada data training menghasilkan nilai RMSE sebesar 0,28 dan MAPE sebesar 11%. Untuk data testing menghasilkan nilai RMSE sebesar 0,48 dan MAPE sebesar 14%. Hasil peramalan indeks UV di Kota Bandung menunjukkan bahwa selama bulan April nilai rata-rata indeks UV adalah 2,27, hal ini mengartikan bahwa masyarakat Kota Bandung dapat beraktivitas diluar tanpa perlu mengkhawatirkan bahaya sinar UV.