Prediksi Multivariate Time Series Parameter Cuaca Menggunakan Long Short - Term Memory (LSTM)

Abstract

Cuaca yang tidak stabil dapat mempengaruhi produksi tanaman, salah satunya adalah produksi tanaman pisang yang menjadi komoditas utama di Provinsi Lampung. Penyakit daun pada tanaman pisang akibat cuaca mengurangi produksi dan kualitas buah, sehingga prediksi cuaca penting untuk menjaga produktivitas. Penelitian ini menggunakan data dari stasiun di PT. Great Giant Pineapple yang merupakan salah satu perusahaan besar produksi pisang di Indonesia. Berdasarkan data tersebut akan dibangun model Long Short Term Memory (LSTM) untuk memprediksi parameter cuaca seperti Curah Hujan, Kelembapan Tanah, Suhu Tanah, Konduktivitas Elektrik Tanah, Suhu Tunas Daun, Kecepatan Angin, Tekanan Udara, Suhu Udara, Kelembaban Udara, dan Penyinaran Sinar Matahari secara bersama - sama. Variasi teknik pengisian data kosong (nilai tengah, rata – rata, tetap "0") dan tuning hyperparameter (jumlah neuron, fungsi aktivasi, jumlah epoch, learning rate) dilakukan untuk mendapatkan model terbaik. Model optimal menggunakan 100 neuron, fungsi aktivasi tangen hiperbolik, 100 epoch, learning rate 0,005, dan pengisian data kosong dengan nilai rata – rata menghasilkan RMSE 0,0224. Model LSTM menunjukkan kemampuan baik dalam memprediksi faktor-faktor iklim, namun kurang baik untuk nilai ekstrim. Tanaman pisang menghadapi tantangan utama untuk pertumbuhan optimal. Penerapan sistem irigasi tetes, pengelolaan nutrisi tanah, dan langkah adaptasi lainnya penting untuk memastikan tanaman pisang tetap sehat dan produktif.