📚 Eksplorasi & Komparasi Topik Dokumen

PENGARUH PANJANG RENTANG DATA DAN FITUR SIKLUS MATAHARI TERHADAP PERFORMA PREDIKSI BADAI GEOMAGNETIK MENGGUNAKAN METODE LONG SHORT TERM MEMORY (LSTM)

Badai Matahari dapat memicu Badai geomagnetik yang dapat mengganggu teknologi. Prediksi Badai geomagnetik dapat dilakukan dengan cara memprediksi kenaikan ekstrem indeks Kp atau penurunan ekstrem indeks Dst. Prediksi dilakukan menggunakan model Long Short Term Memory (LSTM). Namun, performa model ini dipengaruhi oleh beberapa paramater, beberapa yang dihipotesiskan adalah panjang rentang data, fitur siklus matahari, dan fitur fase siklus matahari. Penelitian ini memiliki tujuan mencari hubungan ketiga parameter tersebut terhadap performa model LSTM untuk prediksi indeks Kp dan indeks Dst dan mencari dampak hubungan tersebut terhadap banyaknya nilai anomali pada plot indeks Kp vs Indeks Dst untuk data tes dan data prediksi masa depan. Dari penelitian yang dilakukan ditemukan hasil berupa adanya hubungan atas panjang rentang data (dengan timestep jam), dari sekitar 50000 hingga 270000 titik data, terhadap performa model LSTM, terutama pada data tes, yaitu kenaikan performa nonlinier hingga 0.234 pada R2, 0.5153 pada MAE, dan 0.8388 pada RMSE untuk model indeks Kp. Sementara untuk indeks Dst, kenaikan terjadi lebih linear dengan peningkatan performa hingga 0.0066 pada R2, 0.5326 pada RMSE, 0.3126 pada MAE. Terdapat pula hubungan fitur siklus terhadap prediksi indeks Kp dan indeks Dst, yaitu hubungan kebalikan, dimana pemasukan fitur siklus menyebabkan penurunan performa baik pada indeks Kp (rata-rata penurunan R2 sebesar 0.0018) dan indeks Dst (rata-rata penurunan R2 sebesar 0.0003). Terdapat pula hubungan fitur fase terhadap indeks Kp, yaitu hubungan kebalikan, dimana pemasukan fitur fase menyebabkan penurunan performa (dengan rata-rata sebesar 0.0013), tetapi pada indeks Dst, hubungan ini tidak cukup signifikan karena perbandingannya acak. Sementara itu, terdapat hasil yang berbeda untuk data prediksi depan, model mengalami model collapse yang cukup cepat sehingga hasil yang dihasilkan pada tiap variasi kasus panjang rentang data, fase matahari, dan siklus matahari memiliki hasil yang berbeda. Hal ini disebabkan oleh faktor amplifikasi galat, pergeseran distribusi, dan galat individu pada tiap variabel kontrol.