Implementasi Deep Learning Prediksi Banjir Rob Menggunakan Metode Long-Short Term Memory (LSTM) di DKI Jakarta

Abstract

Bencana merupakan peristiwa yang terjadi akibat alam maupun manusia dengan potensi merugikan
kehidupan manusia. Salah satu bencana yang umum terjadi di Indonesia yaitu banjir. Banjir rob merupakan
fenomena yang umum terjadi di kota pada pesisir pantai seperti di Jakarta. Banjir rob dapat diprediksi
melalui beragam macam parameter program dan pengolahan data. Bencana banjir rob dapat diprediksi
dengan kecerdasan buatan dengan program Deep Learning. Tujuan dari penelitian ini memprediksi bencana
banjir rob berdasarkan data absolute dynamic topography dan data curah hujan dari tahun 2018 – 2022.
Prediksi data banjir rob bersifat data time series relevan dianalisis menggunakan Metode Long-Short Term
Memory (LSTM). LSTM merupakan salah satu metode Deep Learning dengan mempelajari pola
ketergantungan prediksi dan tingkat akurasi program dalam memprediksi data. Hasil dari penelitian ini
menunjukkan data tinggi muka air laut (absolute dynamic topography) dan curah hujan berpengaruh dalam
prediksi banjir rob di DKI Jakarta. Hasil program menunjukkan tingkat akurasi data training dari absolute
dynamic topography sebesar 99% dan data test sebesar 92%. Pada data curah hujan, didapatkan tingkat
akurasi data training sebesar 99% dan data test sebesar 99%. Hasil tingkat akurasi program menunjukkan
bahwa algoritma LSTM mampu untuk memprediksi data-data yang berpengaruh terhadap banjir rob di DKI
Jakarta.