PREDIKSI HARIAN VARIASI MEDAN GEOMAGNETIK MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)

Abstract

Aktivitas geomagnet merupakan parameter penting yang mencerminkan tingkat efisiensi interaksi antara angin matahari dan medan geomagnet, serta dampaknya terhadap sistem antariksa Bumi. Mengingat perannya yang signifikan, kemampuan untuk memprediksi aktivitas geomagnet menjadi kebutuhan yang mendesak, khususnya dalam mendukung mitigasi gangguan pada sistem teknologi berbasis antariksa dan kelistrikan. Secara umum, aktivitas geomagnet diperoleh dari data observasi medan geomagnet yang telah dikoreksi terhadap nilai baseline. Oleh karena itu, ketepatan dalam memprediksi variasi harian medan geomagnet menjadi komponen krusial dalam meningkatkan akurasi prediksi aktivitas geomagnet secara keseluruhan. Penelitian ini berfokus pada pengembangan model prediksi variasi harian medan geomagnet menggunakan pendekatan Long Short-Term Memory (LSTM). Model diterapkan pada data observasi medan geomagnet beresolusi 10 menit dengan rentang waktu lebih dari 10 tahun yang dikumpulkan di wilayah Indonesia. Training dilakukan dengan menggunakan input data 144 titik data dengan output 144 titik data variasi harian dan 1 data baseline tengah malam. Hasil evaluasi menunjukkan bahwa keluaran model memiliki tingkat korelasi yang sangat baik terhadap data observasi, sehingga pendekatan ini berpotensi mendukung peningkatan kemampuan prediksi aktivitas geomagnet.