PREDIKSI CURAH HUJAN MENGGUNAKAN MODEL TIME SERIES UNTUK MENDUKUNG MITIGASI BANJIR DI KOTA MEDAN

Curah hujan yang tinggi dapat meningkatkan risiko terjadinya banjir di Kota Medan. Penelitian ini bertujuan untuk membandingkan kinerja model Prophet dan Long Short-Term Memory (LSTM) dalam memprediksi curah hujan harian Kota Medan serta menginterpretasikan hasil prediksi ke dalam kategori intensitas hujan berdasarkan klasifikasi Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Penelitian ini menggunakan data curah hujan Climate Hazards Group InfraRed Precipitation with Station Data (CHIRPS) periode 1 Januari 1981 hingga 30 juni 2026, menggunakan metode OSEMN (Obtain, Scrub, Explore, Model, dan Interpret). Data tahun 1981 hingga 2024 digunakan untuk pemodelan, dan data tahun 2025 dan 2026 digunakan untuk validasi hasil prediksi. Kinerja model dievaluasi menggunakan Mean Absolute Error (MAE), Mean Squared Error (MSE), dan Root Mean Squared Error (RMSE), kemudian divalidasi dan diuji menggunakan Diebold-Mariano Test. Hasil pengujian menunjukkan bahwa model LSTM memperoleh performa lebih baik pada tahap pemodelan. Namun pada proses validasi, Prophet memperoleh performa lebih baik dibandingkan LSTM. Hasil Diebold–Mariano Test menunjukkan bahwa perbedaan performa kedua model signifikan. Hasil prediksi kedua model berada pada kategori hujan rendah (<20 mm/hari), sehingga diinterpretasikan sebagai tingkat risiko banjir rendah yang dapat dimanfaatkan sebagai informasi pendukung dalam mitigasi banjir melalui indikator (proxy) berbasis intensitas curah hujan