The phenomenon of global warming has precipitated anomalous climate change. Since the onset of the industrial era, the Earth's temperature has exhibited an annual increase of approximately 1°C. This issue is further compounded by the limitations of conventional prediction systems in processing voluminous datasets. Consequently, the integration of technological solutions into weather forecasting is imperative to mitigate the risks posed by erratic weather patterns and support the process of disaster mitigation. In this particular instance, deep learning of the LSTM type is employed for the processing of voluminous datasets. The system's capacity to process data through the utilization of system layers, including the forget gate and the memory cell, enables the storage of crucial information and the elimination of erroneous data. The present study employed two predictive steps: firstly, data processing with LSTM, and secondly, prediction of results using classification on the most influential parameters on weather. The prediction results indicate a system accuracy rate of 73.1%, suggesting that the system is capable of performing processing operations with a satisfactory degree of precision. The enhancement of potential development can be achieved through the incorporation of layers into LSTM, the augmentation of epochs, or the integration of other systems to ensure enhanced accuracy.
Pemanasan global berdampak pada perubahan iklim yang tidak menentu. Semenjak era industri, kenaikan suhu bumi mencapai 1°C setiap tahunnya. Hal ini, diperparah oleh sistem prediksi tradisional yang kurang mumpuni untuk mengolah dataset besar. Sehingga, prediksi cuaca dengan mengintegrasikan teknologi perlu dilakukan guna mengurangi resiko dan mendukung proses mitigasi bencana akibat perubahan cuaca yang tidak menentu. Deep learning jenis LSTM dalam hal ini digunakan untuk melakukan pemrosesan terhadap dataset besar. Kemampuannya dalam mengolah data dengan memanfaatkan layer sistem berupa forget gate dan memory cell memungkinkan untuk menyimpan data penting dan menghapus data tidak akurat. Pada penelitian ini, digunakan dua langkah prediksi berupa: pengolahan data dengan LSTM dan prediksi hasil menggunakan klasifikasi pada parameter paling berpengaruh terhadap cuaca. Hasil prediksi menunjukkan tingkat akurasi sistem sebesar 73.1% sehingga dapat disimpulkan bahwa sistem dapat melakukan pemrosesan dengan baik. Potensi pengembangan dapat dilakukan dengan penambahan layer pada LSTM, menaikkan epoch, maupun mengintegrasikan sistem lain sehingga akurasi dapat ditingkatkan.
You may also start an advanced similarity search for this article.