Universitas Dian Nuswantoro (UDINUS), bersama peneliti Haeruddin, Edi Noersasongko, Purwanto, dan Muljono sebagai peserta kegiatan, mengkaji model untuk memprediksi curah hujan harian di Kota Batam, Indonesia. Kegiatan ini membahas pentingnya prediksi curah hujan yang akurat bagi mitigasi bencana hidrometeorologi dan pengelolaan sumber daya air. Cakupan kegiatan meliputi metode statistik, pembelajaran mesin, dan pembelajaran mendalam serta relevansinya terhadap prediksi curah hujan.
Kegiatan ini menggunakan data BMKG dari 2019 hingga 2023. Teknik sliding window diterapkan dengan konfigurasi lag dari lag-2 hingga lag-7, yang disebut P1-P6. Model statistik yang digunakan adalah ARIMA, SARIMA, ETS, VAR, dan MLR. Model pembelajaran mesin meliputi RF, SVR, dan XGBoost. Model pembelajaran mendalam meliputi MLP, FNN, LSTM, GRU, dan TCN. Kinerja dinilai menggunakan RMSE, MAE, dan R2.
Hasil evaluasi menunjukkan bahwa model pembelajaran mendalam mengungguli pendekatan statistik dan pembelajaran mesin. LSTM mencapai R2 tertinggi pada P6 dan menunjukkan kekuatan dalam menangkap ketergantungan jangka panjang. GRU dan TCN juga menunjukkan kinerja yang baik. SVR mencapai MAE terendah sehingga sesuai untuk prediksi jangka pendek. Model statistik menunjukkan kinerja yang rendah, dengan RMSE tinggi dan nilai R2 negatif, yang menunjukkan keterbatasan kemampuan prediktif dalam kerangka evaluasi.
Meskipun nilai R2 relatif rendah, kerangka komparatif tersebut memberikan wawasan mengenai perilaku dan kinerja model serta menjadi referensi bagi studi prediksi curah hujan berikutnya, khususnya di wilayah tropis dengan karakteristik hidrometeorologi serupa. Temuan tersebut mengidentifikasi LSTM dan GRU sebagai model optimal untuk prediksi curah hujan waktu nyata, sedangkan model hibrida dapat meningkatkan akurasi lebih lanjut. UDINUS menempatkan kegiatan ini dalam kaitannya dengan sistem peringatan dini berbasis AI dan strategi peningkatan ketahanan iklim.