Penerapan Model Hybrid SARIMAX-LSTM Dalam Peramalan Kelembaban Tanah

Abstract

Kelembapan tanah merupakan indikator penting dalam pertanian, hidrologi, dan pengelolaan lingkungan karena berperan krusial dalam menentukan ketersediaan air bagi tanaman serta kondisi tanah. Namun, karakteristik deret waktu (time series) dari data kelembapan tanah—yang menunjukkan pola linear, musiman, dan non-linear yang kompleks—menjadi tantangan tersendiri bagi model peramalan tunggal. Model SARIMAX digunakan untuk menangkap komponen linear dan musiman dari data deret waktu, sedangkan model LSTM dimanfaatkan untuk memodelkan komponen residual non-linear yang tidak dapat dijelaskan secara memadai oleh model SARIMAX. Oleh karena itu, penelitian ini bertujuan untuk menerapkan model hibrida SARIMAX-LSTM guna meningkatkan akurasi peramalan kelembapan tanah. Penelitian ini menggunakan data harian kelembapan tanah sebagai variabel target dan data meteorologi sebagai variabel eksogen yang diperoleh dari NASA POWER untuk periode tahun 2010–2025. Kinerja model dievaluasi menggunakan *Root Mean Square Error* (RMSE). Hasil penelitian menunjukkan bahwa model SARIMAX, LSTM, dan hibrida SARIMAX-LSTM masing-masing mencapai nilai RMSE sebesar 0,303, 0,067, dan 0,055. Model hibrida SARIMAX-LSTM menghasilkan kesalahan prediksi terendah, yang membuktikan bahwa integrasi SARIMAX dan LSTM meningkatkan akurasi peramalan kelembapan tanah dibandingkan dengan model-model individual, karena mampu menangkap karakteristik data yang bersifat linear maupun non-linear secara lebih efektif.