Analisis Data untuk Mitigasi Bencana Banjir Jakarta: Time Series Forecasting Curah Hujan Jakarta Barat

Bernard William, James (2024) Analisis Data untuk Mitigasi Bencana Banjir Jakarta: Time Series Forecasting Curah Hujan Jakarta Barat. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (361kB)
	PDF BAB_II.pdf Download (772kB)
	PDF BAB_III.pdf Download (2MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (231kB)
	PDF DAFTAR_PUSTAKA.pdf Download (235kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (51kB)

Abstract

Curah hujan yang tinggi menjadi salah satu alasan penyebab banjir di daerah Jakarta Barat. Sebagai bentuk mitigasi bencana banjir ini, dilakukan pendekatan Time Series Forecasting untuk mendapatkan prediksi curah hujan Jakarta Barat untuk 12 bulan kedepan. Dengan dilakukannya prediksi curah hujan, diharapkan hasil prediksi dapat digunakan sebagai acuan masyarakat maupun pemerintah untuk melakukan persiapan akan curah hujan yang akan datang. Pendekatan prediksi dilakukan menggunakan metode Prophet dan Long Short Term Memory (LSTM). Kedua model dibandingkan untuk menentukan model mana yang lebih akurat dalam hal prediksi curah hujan. Didapatkan bahwa metode Prophet lebih akurat dibandingkan model LSTM. Metode Prophet menjadi pendekatan untuk prediksi curah hujan Jakarta Barat untuk 12 bulan kedepan. Hasil prediksi yang dilakukan model Prophet menunjukan bahwa curah hujan akan tinggi pada bulan Juni 2024, Februari 2025, dan April 2025, sedangkan curah hujan akan rendah pada bulan September 2024, Oktober 2024, dan November 2024.

Item Type:	Thesis (MBKM)
Keywords:	Curah Hujan, LSTM, Prophet, Time Series Forecasting 6 Analisis Data untuk...., James Bernard W, Universitas Multimedia Nusantara
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	07 Nov 2024 08:19
Last Modified:	07 Nov 2024 08:19
URI:	https://kc.umn.ac.id/id/eprint/32789

Actions (login required)

View Item