Prediksi Curah Hujan di Wilayah DKI Jakarta dengan Model NeuralProphet

Abstract

Model NeuralProphet merupakan model hybrid yang melibatkan data historis panjang dengan biaya komputasi rendah.  Model ini digunakan untuk memprediksi nilai curah hujan bulanan dan harian tahun 2021 mencakup 6 periode bulanan dan 7 periode harian bulan Januari di DKI Jakarta. Data yang digunakan merupakan data satelit PERSIAN-CCS dalam bentuk raster dengan rentang waktu Januari 2005 - Juni 2021. Pengujian konfigurasi hyperparameter  dilakukan pada model prediksi bulanan dan harian dengan  metode trial and error untuk menghasilkan performa akurasi prediksi model yang lebih baik. Nilai hyperparameter yang diuji adalah n_forecast, n_lags, num_hidden_layers, dan ar_sparsity. Hasil penelitian menunjukkan secara spasial model NeuralProphet dapat mengklasifikasikan persebaran curah hujan di wilayah DKI Jakarta. Hal ini dibuktikan dengan pola grafik training dan validation lebih stabil. Namun, tingkat intensitas curah hujan bulanan dan harian yang diprediksi memiliki perbedaan nilainya cukup tinggi terhadap data model dan data observasi. Kemudian pada hasil prediksi bulanan menghasilkan akurasi terbaik dengan korelasi 0.8, RMSE 58.45 mm dan MAE 23.37 mm. Sedangkan pada prediksi harian menghasilkan korelasi 0.55, RMSE 10.73 dan MAE 9.32 mm.