Perpustakaan Digital ITB

Saat ini, bencana kekeringan menjadi suatu masalah yang sangat serius bagi dunia. Hal ini dikarenakan pemanasan global yang semakin parah setiap tahunnya. Terdapat beberapa metode, seperti metode statistik dan metode dinamis yang dapat membantu memprediksi kekeringan. Namun, masih terdapat beberapa kekurangan pada prosedur dan hasilnya. Oleh karena itu, perlu ada suatu metode lain yang dapat membantu memprediksi tingkat keparahan dan durasi kekeringan yang mungkin terjadi, sehingga suatu wilayah atau negara dapat mengambil tindakan untuk mengantisipasi suatu kekeringan parah yang mungkin terjadi di masa depan. Dalam Tugas Akhir ini, dicoba menggunakan metode Pembelajaran Mendalam atau Deep Learning, suatu metode yang dapat meniru kemampuan otak manusia dalam menganalisis, mencari pola suatu data, dan memprediksi berdasarkan pola data atau informasi yang telah diperoleh sebelumnya. Terdapat tiga tipe model Pembelajaran Mendalam yang digunakan, yaitu Multilayer Perceptron (MLP), Long-Short Term Memory Network (LSTM), dan Convolutional Neural-Network – Long-Short Term Memory Network (CNN-LSTM). Kemudian, dipilih sembilan daerah di Amerika Serikat yang mewakili setiap daerah iklim yang ada di Amerika Serikat. Model LSTM memberikan hasil yang terbaik dalam memprediksi semua kelas kekeringan untuk sembilan daerah yang dipilih sebelumnya, dengan nilai recall berkisar dari 0.88 sampai dengan 1.00.