Prediksi Suhu Maksimum Permukaan Darat Di Jawa Timur Menggunakan Metode Convolutional Long Short-Term Memory

Iklim memegang peranan penting dalam kehidupan manusia di muka bumi. Isu yang sedang hangat yaitu Climate Change. Berbagai upaya prediksi untuk meramalkan masa depan iklim bumi terhadap keberlangsungan hidup manusia. NOAA sebagai salah satu lembaga yang mempelajari ilmu klimatologi secara mendalam menerbitkan jurnal tentang metode pendekatan yang menghasilkan Data CHIRTSmax. Data tersebut terdiri dari data spasial dan temporal dengan rentang waktu 1983 hingga 2016. Data CHIRTSmax tersebut akan menjadi dasar untuk memprediksi model iklim di masa mendatang. Berbagai model prediksi berkembang secara pesat untuk mengalkulasi prediktabilitas secara tepat dan akurat. Model yang digunakan yaitu Average dimana data di rata-rata berbasis simulasi. Hal tersebut untuk merepresentasikan pola bulanan matahari. Kemudian dilakukan model Linier Regression. Selanjutnya dilakukan pemodelan Long Short-Term Memory dimana model dibuat 3 variasi yaitu Conv 2 Dimensi LSTM, Conv 1 Dimensi LSTM, dan Flatten LSTM. Tujuan dilakukan metode tersebut adalah untuk melakukan perbaikan prediksi pada tiap metode sebelumnya. Hasil yang di dapat menunjukkan terjadi perbaikan. Kemudian model yang paling cocok dalam kasus ini adalah Flatten LSTM. Selain itu pada analisis error diketahui bahwa pada daerah pesisir memiliki prediktabilitas yang rendah. Pengaruh prediktabilitas secara signifikan disebabkan oleh El Nino. Oleh sebab itu saat terjadi El Nino perlu ditingkatkan kewaspadaan