Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- 33c39f61-bba1-4617-a3b0-17d045b9d28d
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan studi mengenai prediksi curah hujan dengan menggunakan model deep learning hibrida yang mengintegrasikan Discrete Wavelet Transform (DWT), struktur Nonlinear Autoregressive with Exogenous Input (NARX), dan Long Short-Term Memory (LSTM). Giyarto, Muljono, dan Santoso, Heru Agus, berpartisipasi sebagai peneliti dalam kegiatan ini. Studi tersebut berfokus pada prediksi curah hujan karena curah hujan merupakan salah satu variabel penting dalam menentukan musim dan mengelola sumber daya air. Sumber juga menyatakan bahwa prediksi unsur cuaca, termasuk curah hujan, suhu, kecepatan angin, dan radiasi matahari, bermanfaat bagi kehidupan manusia.
Studi ini membahas pentingnya akurasi prediksi curah hujan untuk mitigasi bencana hidrometeorologi serta pengambilan keputusan pada sektor pertanian dan infrastruktur. Model hibrida tersebut diperkaya melalui seleksi fitur korelatif dan rekayasa fitur. Teknik rekayasa fitur yang dilaporkan meliputi lag, rolling mean, dan rolling standard deviation, yang digunakan untuk menangkap pola dinamis dalam deret waktu. Evaluasi model dilakukan menggunakan RMSE, MAE, dan koefisien korelasi Pearson.
Hasil evaluasi yang dilaporkan adalah nilai RMSE sebesar 3.4913, MAE sebesar 2.5809, dan korelasi sebesar 0.9443. Studi tersebut menyatakan bahwa hasil ini menunjukkan model berhasil menyediakan prediksi curah hujan dengan akurasi tinggi. Sumber menggambarkan studi ini sebagai kontribusi terhadap pengembangan sistem prediksi curah hujan yang adaptif dan presisi. Kegiatan penelitian institusional ini menyajikan komponen pemodelan, teknik fitur, metrik evaluasi, dan temuan yang dilaporkan dalam sumber. Informasi lebih lanjut diperlukan mengenai lokasi studi, sumber data curah hujan, periode studi, dan rincian implementasi.