Prediksi Kabut Menggunakan Recurrent Neural Network dengan Attention Mechanism di Bandara Ruteng
Fenomena kabut menjadi tantangan signifikan dalam operasional penerbangan, terutama di wilayah dengan topografi kompleks seperti Bandara Ruteng. Penelitian ini bertujuan untuk mengembangkan model prediksi kabut menggunakan Recurrent Neural Network (RNN) dengan integrasi Attention Mechanism (AM) unt...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Program Studi Sistem Komputer
2025-05-01
|
| Series: | Komputika |
| Online Access: | https://ojs.unikom.ac.id/index.php/komputika/article/view/15380 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Fenomena kabut menjadi tantangan signifikan dalam operasional penerbangan, terutama di wilayah dengan topografi kompleks seperti Bandara Ruteng. Penelitian ini bertujuan untuk mengembangkan model prediksi kabut menggunakan Recurrent Neural Network (RNN) dengan integrasi Attention Mechanism (AM) untuk menangkap pola temporal dalam data cuaca yang kompleks. Data penelitian mencakup 61.187 dengan parameter cuaca yang direkam setiap jam selama sepuluh tahun terakhir. Model dilatih selama 50 epoch, ukuran batch 32 dan optimizer Adam . Hasil pengujian menunjukkan bahwa model RNN+AM memiliki performa lebih baik dibandingkan model RNN, dengan nilai MAE sebesar 0,27% dan RMSE sebesar 5,19%, lebih rendah dibandingkan RNN dengan MAE sebesar 0,44% dan RMSE sebesar 6,64%. Evaluasi confusion matrix menunjukkan bahwa RNN+AM memiliki tingkat kesalahan False Positive dan False Negative yang lebih kecil, dengan akurasi yang lebih tinggi dalam prediksi kabut. Integrasi AM terbukti meningkatkan kemampuan model dalam memprioritaskan fitur relevan yang mendukung akurasi prediksi.
|
|---|---|
| ISSN: | 2252-9039 2655-3198 |