PENERAPAN FEATURE SELECTION DALAM MEMPREDIKSI TINGGI GELOMBANG LAUT SIGNIFIKAN

Willdan Aprizal Arifin, Luthfi Anzani, Ma'ruf Ma'ruf, Anton Daud, Lukman Handyanto, Raisa Maulidia, Ramzan Pradana Maulsyid

Abstract


Tinggi gelombang signifikan (Hs) merupakan indikator utama dalam memantau kondisi laut dan keselamatan aktivitas kelautan. Penelitian ini bertujuan mengembangkan model prediksi Hs menggunakan algoritma Long Short-Term Memory (LSTM) dengan pendekatan seleksi fitur berbasis korelasi Spearman. Analisis ini tidak hanya digunakan untuk melihat hubungan antarvariabel, tetapi juga secara eksplisit berfungsi sebagai langkah seleksi fitur untuk menentukan prediktor paling relevan bagi model LSTM. Data diperoleh dari Automatic Weather Station (AWS) milik BMKG untuk periode 2022–2025 yang mencakup berbagai parameter meteorologi dan oseanografi. Seleksi fitur dilakukan untuk mengidentifikasi variabel paling berpengaruh terhadap Hs. Hasil analisis menunjukkan kecepatan angin memiliki korelasi tertinggi (0,98), diikuti oleh suhu air laut, tinggi muka air, kelembaban relatif, dan arah angin. Variabel terpilih digunakan sebagai input pada model LSTM multivariat. Evaluasi model menggunakan Mean Squared Error (MSE), Mean Absolute Error (MAE), dan koefisien determinasi (R²). Hasil menunjukkan MSE sebesar 0,00076, MAE sebesar 0,0179, dan R² sebesar 0,9666. Nilai ini menunjukkan bahwa model memiliki akurasi tinggi dan mampu merepresentasikan pola fluktuasi Hs secara baik. Temuan ini menunjukkan bahwa integrasi seleksi fitur Spearman dan LSTM efektif untuk prediksi tinggi gelombang, serta berpotensi diterapkan dalam sistem pemantauan gelombang di wilayah pesisir Indonesia.

Keywords


AWS; Gelombang signifikan; LSTM; Prediksi; Spearman

References


Akma, A. O. (2023). Penerapan Data Mining untuk Prediksi Harga Jual Komoditas di Dinas Pertanian Kabupaten Garut (Doctoral dissertation, Universitas Komputer Indonesia).

Amiruddin, A., & Ishak, R. (2022). Implementasi Seleksi Fitur Klasifikasi Waktu Kelulusan Mahasiswa Menggunakan Correlation Matrix with Heatmap. Jambura Journal of Electrical and Electronics Engineering, 4(2), 169-174.

Anandari, A. A. (2022). Analisis Korelasi Sektor Pertanian Terhadap Persentase Tingkat Kemiskinan dan Ketimpangan Kabupaten Jepara. Jurnal Litbang Provinsi Jawa Tengah, 20(1), 53-64. https://doi.org/10.36762/jurnaljateng.v20i1.937

Arafat, A. F. (2021). Analisis Kinerja Pelayanan Kapal di Terminal Multipurpose Dermaga 5 Pelabuhan Ciwandan. (Tugas Akhir, Universitas Islam Indonesia). https://dspace.uii.ac.id/handle/123456789/34443

Arifin, W. A., Daud, A., Maulsyid, R. P., Maulidia, R., Handyanto, L., & Sutrisno, R. A. (2025). Application Of Inverse Distance Weighted (Idw) Interpolation In Determining Wave Height In The Waters Of The Sunda Strait. Jurnal Teknologi Perikanan dan Kelautan, 16(3), 268-281. https://doi.org/10.24319/jtpk.16.268-281

Hidayatullah, M. (2024). Alat Pengukur Ketinggian Gelombang Air Laut Ultrasonik Dengan Sistem Internet of Things (IoT) (Skripsi, Fakultas Teknik Universitas Sultan Ageng Tirtayasa).

Husen, Z., Ismail, N., Surbakti, M. S., Omar, F., Yusibani, E., Kesuma, F., Nurhanif, N., Hasibuan, A. A., & Fauzi, F. (2025). Marine Automatic Weather System (MAWS) instrumentation system for climate change monitoring based on The Internet of Things (IoT). In BIO Web of Conferences (Vol. 156, p. 02002). EDP Sciences. https://doi.org/10.1051/bioconf/202515602002

Inayah, M. E. N., Sirait, K. B., & Casie, N. (2022). Pengelompokan Produksi Telur di Provinsi Jawa Barat dengan Menggunakan Algoritma K-Means: Grouping of Egg Production in West Java Province Using the K-Means Algorithm. SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat, 1(1), 207-214.

James, J. P., & Panchang, V. (2022). Investigation of wave height distributions and characteristic wave periods in coastal environments. Journal of Geophysical Research: Oceans, 127(5), e2021JC018144. https://doi.org/10.1029/2021JC018144

Millianda, M. E., Niagara, R. G., Kemal, R., & Tsania, T. D. (2025). RANCANGAN AUTOMATIC WEATHER STATION (AWS) MENGGUNAKAN ARDUINO MEGA PADA BANDARA UNIT YANG TIDAK TERSEDIA AWS. Jurnal TNI Angkatan Udara, 4(3). https://doi.org/10.62828/jpb.v4i3.159

Milniadi, A. D., & Adiwijaya, N. O. (2023). Analisis perbandingan model arima dan lstm dalam peramalan harga penutupan saham (studi kasus: 6 kriteria kategori saham menurut peter lynch). SIBATIK JOURNAL: Jurnal Ilmiah Bidang Sosial, Ekonomi, Budaya, Teknologi, dan Pendidikan, 2(6), 1683-1692. https://doi.org/10.54443/sibatik.v2i6.798

Mudho, H. T., & Pranowo, W. S. (2023). Perumusan Karakteristik Gelombang Perairan Halmahera Utara dan Morotai: Characteristic Formulation of Waves in The North Halmahera and Morotai Coastal Waters. Jurnal Hidropilar, 9(2), 103-116. https://doi.org/10.37875/hidropilar.v9i2.294

Mustofani, D., & Hariyani, H. (2023). Penerapan Uji Korelasi Rank Spearman Untuk Mengetahui Hubungan Tingkat Pengetahuan Ibu Terhadap Tindakan Swamedikasi Dalam Penanganan Demam Pada Anak. UJMC (Unisda Journal of Mathematics and Computer Science), 9(1), 9-13.

Nurhalijah, S. D., Nina, C., Romadhona, A., Maulani, N., & Rahayu, M. S. (2024). Analisis Korelasi Spearman Untuk Mengetahui Hubungan Antara Penggunaan Media Sosial Dan Tingkat Produktivitas Akademis Mahasiswa Agribisnis (Studi Kasus: Universitas Sultan Ageng Tirtayasa). Jurnal Ilmiah Wahana Pendidikan, 10(16), 800-809.

Ouyang, Z., Gao, Y., Zhang, X., Wu, X., & Zhang, D. (2024). Significant Wave Height Forecasting Based on EMD-TimesNet Networks. Journal of Marine Science and Engineering, 12(4), 536. https://doi.org/10.3390/jmse12040536

Pamungkasih, P. (2023). Penerapan uji korelasi rank Spearman untuk mengetahui hubungan pengeluaran rumah tangga untuk makanan dan tingkat kemiskinan di Nusa Tenggara Timur selama pandemi Covid-19. Jurnal Statistika Terapan (ISSN 2807-6214), 3(02), 1-12.

Putra, A. F. R., Hertika, A. M. S., & Maimunah, Y. (2025). Hubungan Kelimpahan Mikroplastik dengan Kerusakan Histopatologis Pada Insang dan Usus Udang Vaname (Litopenaeus Vannamei) yang Dibudidayakan di Tambak di Probolinggo, Jawa Timur, Indonesia. Jurnal Riset Akuakultur, 20(1), 63-77.

Putra, F., Tahiyat, H. F., Ihsan, R. M., Rahmaddeni, R., & Efrizoni, L. (2024). Penerapan Algoritma K-Nearest neighbor Menggunakan wrapper Sebagai preprocessing Untuk Penentuan Keterangan Berat Badan Manusia: application of K-Nearest neighbor algorithm using wrapper as preprocessing for determination of human weight information. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(1), 273-281.

Qasem, H., Joergensen, N. E., Rahman, A., Samman, H. A., Al Malki, S., & Al Ansari, A. S. (2024). Vine Copula-Based Multivariate Distribution of Rainfall Intensity, Wind Speed, and Wind Direction for Optimizing Qatari Meteorological Stations. Water, 16(9), 1257. https://doi.org/10.3390/w16091257

Saharti, S. Lilipory, I., & Pattiselanno, S. R. (2024). Penentuan Parameter Gelombang Laut Berdasarkan Data Angin yang Mengacu Pada ECMWF (European Centre For Medium-Range Weather Forecast) di Perairan Dusun Waeyoho, Desa Kawa, Kab. Sbb. Journal Agregate, 3(2), 96-101.

Sarmila, S. (2025). Analisis Peramalan Tinggi Gelombang Laut Menggunakan Metode Shore Protection Manual (SPM) dan Darbyshire di Pantai Pangali-Ali, Kabupaten Majene Sulawesi Barat (Doctoral dissertation, Universitas Sulawesi Barat).

Suandewi, N. M. A., Muliantara, A., & Raharja, M. A. (2023). Pengembangan Sistem Database Lokasi Automatic Rain Gauge (ARG) dan Automatic Weather Stations (AWS) Berbasis Website di Balai Besar MKG Wilayah III Denpasar. Jurnal Pengabdian Informatika, 1(4), 1153-1160.

Serpa-Usta, Y., Flores, D. L., López-Ramos, A., Fuentes, C., Muñoz-Muñoz, F., González Tejada, N. M., & López-Lambraño, A. A. (2025). Hybrid Deep Learning Models for Predicting Meteorological Variables Associated with Santa Ana Wind Conditions in the Guadalupe Basin. Atmosphere, 16(11), 1292. https://doi.org/10.3390/atmos16111292


Refbacks

  • There are currently no refbacks.


Jurnal Pendidikan Perikanan Kelautan (Journal of Fisheries and Maritime Studies) is published by UPI.