DEEP LEARNING DALAM MEMPREDIKSI CURAH HUJAN BERBASIS SATELIT NOAA DI DAS SAMPEAN BARU JAWA TIMUR

Abstract

Pencatatan data curah hujan di DAS Sampean Baru Kabupaten Bondowoso sering menghadapi kendala operasional di lapangan, seperti data curah hujan yang tidak lengkap akibat pemeliharaan alat ukur yang kurang baik. Kondisi ini menjadi tantangan utama penyediaan data curah hujan yang lengkap sebagai dasar perencanaan dan pengelolaan alokasi air.  Penelitian ini bertujuan untuk mengembangkan metode prediksi curah hujan berbasis data satelit National Oceanic and Atmospheric Administration (NOAA).  Metode Deep Learning dengan Long Short-Term Memory (LSTM) digunakan sebagai pendekatan kecerdasan buatan atau Machine Learning. Data hujan dari satelit NOAA digunakan sebagai input model LSTM, sedangkan data hujan observasi digunakan sebagai data target dalam membangun model. Hasil penemodelan menunjukkan bahwa curah hujan luaran model memiliki keandalan model yang cukup memadai jika dibandingkan dengan data curah hujan observasi. Penelitian ini menunjukkan bahwa pendekatan deep learning LSTM dengan data satelit NOAA dapat dijadikan alternatif dalam memprediksi curah hujan pada suatu DAS dengan data terbatas, sehingga pengelolaan alokasi air dapat dilakukan lebih optimal.