Prediksi Curah Hujan Berbasis Random Forest dan LSTM Menggunakan Data Citra Satelit untuk Mendukung Sistem Informasi Website Smart Agriculture

Aminullah, Muhammad Lutfi Ze'in (2024) Prediksi Curah Hujan Berbasis Random Forest dan LSTM Menggunakan Data Citra Satelit untuk Mendukung Sistem Informasi Website Smart Agriculture. [Experiment] (Unpublished)

	Text (Ringkasan) Ringkasan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (201kB)
	Text (Bab 1 Pendahuluan) Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (192kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (164kB)
	Text (Laporan Lengkap) Laporan Lengkap.pdf - Submitted Version Restricted to Registered users only Download (939kB) | Request a copy

Abstract

Penelitian ini bertujuan mengembangkan model prediksi curah hujan berbasis citra satelit menggunakan algoritma Random Forest dan Long Short-Term Memory (LSTM) untuk mendukung sistem informasi Website Smart Agriculture. Data dikumpulkan dan diolah melalui integrasi ArcGIS dan Google Earth Engine (GEE), menghasilkan fitur penting terkait cuaca. Model Random Forest digunakan untuk menangkap hubungan non-linear antar variabel, sedangkan LSTM diterapkan untuk memodelkan pola temporal jangka panjang. Hasil pengujian menunjukkan bahwa LSTM memiliki performa lebih baik dalam memprediksi suhu dan kelembaban, dengan error masing-masing 0.320 dan 2.120, dibandingkan Random Forest. Namun, Random Forest lebih akurat dalam memprediksi presipitasi (error 4.774) dan kecepatan angin (error 1.582). Model prediksi ini diintegrasikan ke dalam Website Smart Agri untuk mendukung penentuan waktu tanam dan pemetaan risiko iklim, serta menjadi bagian dari solusi prediktif dalam mendukung ketahanan pangan nasional.

Actions (login required)

View Item