Prediksi Curah Hujan Harian Menggunakan Metode Principal Component Analysis (PCA) dan Long Short-Term Memory (LSTM)

M Risky Prasetia; Ratna Cintya Dewi; Ahmad Hanif Asyhar; Abdulloh Hamid

doi:10.51454/decode.v6i1.1451

Authors

M Risky Prasetia Matematika Universitas Islam Negeri Sunan Ampel Surabaya
Ratna Cintya Dewi Badan Meteorologi Klimatologi dan Geofisika
Ahmad Hanif Asyhar Matematika Universitas Islam Negeri Sunan Ampel Surabaya
Abdulloh Hamid Matematika Universitas Islam Negeri Sunan Ampel Surabaya

DOI:

https://doi.org/10.51454/decode.v6i1.1451

Keywords:

Curah Hujan, Long Short-Term Memory, Prediksi, Pricipal Component Analysis

Abstract

Intensitas curah hujan memiliki keterkaitan erat dengan berbagai aspek kehidupan, khususnya dalam sektor lingkungan, transportasi, dan mitigasi bencana. Pengukuran curah hujan di Indonesia umumnya dilakukan oleh Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) menggunakan alat konvensional yang berpotensi mengalami penurunan akurasi akibat faktor teknis maupun lingkungan. Oleh karena itu, diperlukan metode prediksi sebagai alternatif untuk menghindari kekosongan data serta sebagai acuan pengambilan keputusan. Penelitian ini bertujuan memprediksi curah hujan harian di Tanjung Perak, Surabaya, menggunakan kombinasi Principal Component Analysis (PCA) dan Long Short-Term Memory (LSTM). PCA digunakan untuk mereduksi dimensi variabel meteorologi sehingga diperoleh fitur yang paling berpengaruh terhadap curah hujan, sedangkan LSTM digunakan untuk memodelkan data deret waktu. Data yang digunakan merupakan data observasi harian BMKG periode 1 Januari 2020 hingga 31 Desember 2024. Hasil PCA menunjukkan bahwa temperatur rata-rata, kelembapan rata-rata, dan kecepatan angin rata-rata merupakan variabel dominan. Model terbaik diperoleh pada konfigurasi 150 hidden layer, batch size 256, dan learn rate drop period 50 dengan nilai MAAPE sebesar 0,5662. Hasil tersebut menunjukkan bahwa kombinasi metode PCA-LSTM mampu memprediksi curah hujan harian dengan kinerja yang cukup baik.

References

Akbar, R., Santoso, R., & Warsito, B. (2023). Prediksi Tingkat Temperatur Kota Semarang Menggunakan Metode Long Short-Term Memory (LSTM). Jurnal Gaussian, 11(4), 572–579. https://doi.org/10.14710/j.gauss.11.4.572-579

Alghifari, F., & Juardi, D. (2021). Penerapan Data Mining Pada Penjualan Makanan dan Minuman Menggunakan Metode Algoritma Naïve Bayes. Jurnal Ilmiah Informatika, 9(02), 75–81. https://doi.org/10.33884/jif.v9i02.3755

Amatullah, L., Widiastiwi, Y., & Chamidah, N. (2022). Penerapan Klasifikasi Random Forest Terhadap Data Gangguan Spektrum Autisme (ASD) pada Anak-Anak Menggunakan Seleksi Fitur Principal Component Analysis. Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA), 3(2), 356–364.

Arfianti, U. I., Novitasari, D. C. R., Widodo, N., Hafiyusholeh, Moh., & Utami, W. D. (2021). Sunspot Number Prediction Using Gated Recurrent Unit (GRU) Algorithm. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 15(2), 141-152. https://doi.org/10.22146/ijccs.63676

Ashari, M. L., & Sadikin, M. (2020). Prediksi Data Transaksi Penjualan Time Series Menggunakan Regresi Lstm. Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), 9(1), 1-10. https://doi.org/10.23887/janapati.v9i1.19140

Azmi, B. N., Hermawan, A., & Avianto, D. (2022). Analisis Pengaruh PCA pada Klasifikasi Kualitas Air Menggunakan Algoritma K-Nearest Neighbor dan Logistic Regression. Jurnal Sistem Dan Teknologi Informasi, 7(2), 94–103.

Budiarto, R., & Kuntjoro, Y. D. (2023). Analisis Perilaku Entitas untuk Pendeteksian Serangan Internal Menggunakan Kombinasi Model Prediksi Memori dan Metode PCA. 10(6), 1223–1232. https://doi.org/10.25126/jtiik.2023107123

Fang, Q., Zhong, Y., Xie, C., Zhang, H., & Li, S. (2020). Research on PCA-LSTM-based Short-term Load Forecasting Method. IOP Conference Series: Earth and Environmental Science, 495(1). https://doi.org/10.1088/1755-1315/495/1/012015

Firdaus, A. J. A., Pramono, D., & Purnomo, W. (2020). Pengembangan Sistem Informasi UPT Kalibrasi Dinas Kesehatan Kabupaten Malang Berbasis WEB. Jurnal Sistem Informasi, Teknologi Informasi, Dan Edukasi Sistem Informasi, 1(1), 23–34. https://doi.org/10.25126/justsi.v1i1.3

Haq, D. Z., Rini Novitasari, D. C., Hamid, A., Ulinnuha, N., Arnita, Farida, Y., Nugraheni, R. D., Nariswari, R., Ilham, Rohayani, H., Pramulya, R., & Widjayanto, A. (2021). Long Short-Term Memory Algorithm for Rainfall Prediction Based on El-Nino and IOD Data. Procedia Computer Science, 179(2019), 829–837. https://doi.org/10.1016/j.procs.2021.01.071

Harlianto, D., Mardiyati, S., Lestari, D., Zili, A. H., & Devila, S. (2020). Indonesia Tuberculosis Morbidity Rate Forecasting Using Recurrent Neural Network. AIP Conference Proceedings, 2242(June 2020), 030006. https://doi.org/10.1063/5.0010445

Hasanah, M. A., Soim, S., & Handayani, A. S. (2021). Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir. Journal of Applied Informatics and Computing, 5(2), 103–108. https://doi.org/10.30871/jaic.v5i2.3200

Hasiholan, A., Cholissodin, I., & Yudistira, N. (2022). Analisis Sentimen Tweet Covid-19 Varian Omicron pada Platform Media Sosial Twitter menggunakan Metode LSTM berbasis Multi Fungsi Aktivasi dan GLOVE. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(10), 4653–4661.

Herdhyanti, A., Muflikhah, L., & Cholissodin, I. (2022). Prediksi Curah Hujan dengan Empat Parameter menggunakan Backpropagation (Studi Kasus: Stasiun Meteorologi Ahmad Yani). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Kompputer, 6(12), 5862-5870.

Hidayatullah, S., & Cherid, A. (2023). Prediksi Temperatur Cuaca di Negara Norwegia Menggunakan Metode LSTM. Jurnal Sistem Informasi dan Sistem Komputer, 8(2), 187–198. https://doi.org/10.51717/simkom.v8i2.192

Ihzaniah, L. S., Setiawan, A., & Wijaya, R. W. N. (2023). Perbandingan Kinerja Metode Regresi K-Nearest Neighbor dan Metode Regresi Linear Berganda pada Data Boston Housing. Jambura Journal of Probability and Statistics, 4(1), 17–29. https://doi.org/10.34312/jjps.v4i1.18948

Istianto, A. F., Hadiana, A. I., & Umbara, F. R. (2024). Prediksi Curah Hujan Menggunakan Metode Categorical Boosting (CatBoost). JATI (Jurnal Mahasiswa Teknik Informatika), 7(4), 2930–2937. https://doi.org/10.36040/jati.v7i4.7304

Khaira, U., Putri, M. F., & Yanova, S. (2025). Peramalan Kadar PM 10 Menggunakan Algoritma Long Short-Term Memory ( LSTM ) Sebagai Acuan Ketersediaan Ruang Terbuka Hijau Di Kota Jambi. Decode: Jurnal Pendidikan Teknologi Informasi, 5(1), 289–302. https://doi.org/http://dx.doi.org/10.51454/decode.v5i1.866

Kosasih, A., Hartono, H., & Jatmiko, R. H. (2021). Pengaruh Koreksi Atenuasi Radar Cuaca Terhadap Perhitungan Estimasi Curah Hujan Di Jawa Timur. Jurnal Teknosains, 10(2), 111-124.

Kusnanti, E. A., Novitasari, D. C. R., Setiawan, F., Fanani, A., Hafiyusholeh, M., & Sari, G. I. P. (2022). Predicting Velocity and Direction of Ocean Surface Currents using Elman Recurrent Neural Network Method. Journal of Information Systems Engineering and Business Intelligence, 8(1), 21–30. https://doi.org/10.20473/jisebi.8.1.21-30

Kusnanti, E. A., Vantie, L. D. F., & Yuhana, U. L. (2024). Software Defect Prediction Using Pca Based Recurrent Neural Network. JUTI: Jurnal Ilmiah Teknologi Informasi, 22(1), 23–31.

Luthfiarta, A., Febriyanto, A., Lestiawan, H., & Wicaksono, W. (2020). Analisa Prakiraan Cuaca dengan Parameter Suhu, Kelembaban, Tekanan Udara, dan Kecepatan Angin Menggunakan Regresi Linear Berganda. JOINS (Journal of Information System), 5(1), 10–17. https://doi.org/10.33633/joins.v5i1.2760

Merdekawati, G. I., & Ismail. (2019). Prediksi Curah Hujan Di Jakarta Berbasis Algoritma Levenberg Marquardt. Jurnal Ilmiah Informatika Komputer, 24(2), 116–128.

Mukhtar, H., Gunawan, R., Hariyanto, A., Syahril, & Mulyana. W. (2022). Peramalan Kedatangan Wisatawan ke Suatu Negara Menggunakan Metode Support Vector Machine (SVM). Jurnal CoSciTech (Computer Science and Information Technology), 3(3), 274–282. https://doi.org/10.37859/coscitech.v3i3.4211

Musfiroh, M., Novitasari, D. C. R., Intan, P. K., & Wisnawa, G. G. (2023). Penerapan Metode Principal Component Analysis (PCA) dan Long Short-Term Memory (LSTM) dalam Memprediksi Prediksi Curah Hujan Harian. Building of Informatics, Technology and Science (BITS), 5(1), 1–11. https://doi.org/10.47065/bits.v5i1.3114

Peranginangin, I., Zakaria, A., & Kusumastuti, D. I. (2021). Perbandingan spektrum curah hujan harian antara BMKG dan TRMM di DKI Jakarta. REKAYASA: Jurnal Ilmiah Fakultas Teknik Universitas Lampung, 24(2), 53–57.

Pramesti, D. D., Novitasari, D. C. R., Setiawan, F., & Khaulasari, H. (2022). Long-Short Term Memory (LSTM) for Predicting Velocity and Direction Sea Surface Current on Bali Strait. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 16(2), 451–462.

Ramadhan, F., & Fachrie, M. (2024). Implementasi Algoritma Long Short-Term Memory Pada Sistem Prediksi Hasil Panen Sawit. Jurnal Informatika Teknologi Dan Sains (Jinteks), 6(4), 937–944. https://doi.org/10.51401/jinteks.v6i4.4876

Rizkilloh, M. F., & Widiyanesti, S. (2022). Prediksi Harga Cryptocurrency Menggunakan Algoritma Long Short Term Memory (LSTM). Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 6(1), 25–31. https://doi.org/10.29207/resti.v6i1.3630

Rosyd, A., Purnamasari, A. I, & Ali, I. (2024). Penerapan Metode Long Short Term Memory (Lstm) Dalam Memprediksi Harga Saham Pt Bank Central Asia. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 501–506. https://doi.org/10.36040/jati.v8i1.8440

Salehe, S., Musa, R., & Sar, M. (2024). Kajian Curah Hujan Akibat Pengaruh Temperatur, Kelembaban dan Kecepatan Angin (Studi Kasus Stasiun Klimatologi Bonto Bili Kab. Gowa). Jurnal Teslink : Teknik Sipil Dan Lingkungan, 6(2), 458–467. https://doi.org/10.52005/teslink.v6i2.372

Satyo, A., Karno, B., & Ali, J. K. N., (2020). Prediksi Data Time Series Saham Bank BRI Dengan Mesin Belajar LSTM (Long ShortTerm Memory). Journal of Informatic and Information Security, 1(1), 2722-4058.

Sena, I. G. W., Dillak, J. W., Leunupun, P., & Santoso, A. J. (2020). Predicting Rainfall Intensity using Naïve Bayes and Information Gain Methods (Case Study: Sleman Regency). Journal of Physics: Conference Series, 1577(1). https://doi.org/10.1088/1742-6596/1577/1/012011

Sunarmi, N., Kumailia, E. N., Nurfaiza, N., Nikmah, A. K., Aisyah, H. N., Sriwahyuni, I., & Lailly, S. N. (2022). Analisis Faktor Unsur Cuaca terhadap Perubahan Iklim Di Kabupaten Pasuruan pada Tahun 2021 dengan Metode Principal Component Analysis. Newton-Maxwell Journal of Physics, 3(2), 56–64.

Suryanegara, G. A. B., Adiwijaya, A., & Purbolaksono, M. D. (2021). Peningkatan Hasil Klasifikasi pada Algoritma Random Forest untuk Deteksi Pasien Penderita Diabetes Menggunakan Metode Normalisasi. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(1), 114–122. https://doi.org/10.29207/resti.v5i1.2880

Wiranda, L., & Sadikin, M. (2019). Penerapan Long Short Term Memory pada Data Time Series untuk Memprediksi Penjualan Produk PT. Metiska Farma. Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), 8(3), 184–196.

Yang, K., Yuan, J. L., Xiong, T., Wang, B., & Fan, S. D. (2021). A Novel Principal Component Analysis Integrating Long Short‐Term Memory Network And Its Application In Productivity Prediction Of Cutter Suction Dredgers. Applied Sciences (Switzerland), 11(17), 8159. https://doi.org/10.3390/app11178159