Optimasi LSTM menggunakan modifikasi algoritma genetika dalam peramalan cuaca di Kota Surabaya

Perubahan cuaca yang sering terjadi dapat memberikan dampak signifikan terhadap berbagai aspek kehidupan manusia, termasuk di Kota Surabaya. Untuk mengurangi dampak negatif tersebut, diperlukan sistem prediksi cuaca yang akurat. Metode Genetic Algorithm-Long Short-Term Memory (GA-LSTM) diusulkan untuk meningkatkan akurasi prediksi cuaca. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi GA-LSTM dalam meningkatkan akurasi prediksi dibandingkan dengan metode optimasi lainnya. Model prediksi dibangun menggunakan data dari 10 parameter cuaca, dengan Long Short-Term Memory (LSTM) sebagai model prediksi utama dan Genetic Algorithm (GA) sebagai teknik optimasi hyperparameter. Hasil penelitian ini menunjukkan bahwa GA-LSTM mampu menghasilkan prediksi cuaca yang lebih akurat, dengan nilai Mean Squared Error (MSE) 4.04% lebih rendah dan Root Mean Squared Error (RMSE) 2.05% lebih rendah dibandingkan Bayesian Optimization-Long Short-Term Memory (BO-LSTM). Penerapan metode GA-LSTM menunjukkan potensi signifikan dalam meningkatkan akurasi prediksi cuaca, yang dapat membantu mitigasi dampak perubahan cuaca di Kota Surabaya.