EKSPLORASI MATEMATIS MODEL SEASONAL AUTO-REGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) DAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK PREDIKSI DATA SUHU HARIAN KOTA MAKASSAR = MATHEMATICAL EXPLORATION OF SEASONAL AUTO-REGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) AND ARTIFICIAL NEURAL NETWORK (ANN) MODELS FOR PREDICTION OF DAILY TEMPERATURE DATA IN MAKASSAR CITY

Penelitian ini bertujuan mengeksplorasi performa model Seasonal Auto- Regressive Integrated Moving Average (SARIMA) dan Artificial Neural Network (ANN) berbasis Long Short-Term Memory (LSTM) dalam memprediksi suhu harian Kota Makassar. Data suhu harian periode 2019–2024 diperoleh dari BMKG Stasiun Meteorologi Maritim Paotere Makassar. Data dikonversi ke skala mingguan untuk pemodelan SARIMA dan tetap dalam skala harian untuk ANN- LSTM. Pemodelan SARIMA menggunakan parameter SARIMA (1,0,2)(1,0,2)52 , sementara ANN-LSTM dirancang dengan dua lapisan LSTM dan lapisan dense. Evaluasi menggunakan metrik MAE, MSE, RMSE, dan MAPE. Hasil menunjukkan bahwa model ANN-LSTM lebih unggul dengan MAE 0,8221, RMSE 0,9061, dan MAPE 2,46%, dibandingkan SARIMA yang memiliki MAE 0,8625, RMSE 1,1649, dan MAPE 3,20%. Temuan ini mengindikasikan bahwa ANN-LSTM lebih efektif dalam menangkap pola nonlinier dan ketergantungan jangka panjang pada data suhu. Penelitian ini memberikan kontribusi dalam pemilihan metode prediksi suhu yang akurat untuk wilayah tropis seperti Makassar, dengan rekomendasi penggunaan ANN-LSTM untuk peramalan berbasis data kompleks.

Keyword : Peramalan, SARIMA, ANN, LSTM, Suhu.