Font Size: 

Deteksi kekeringan merupakan proses penting untuk manajemen risiko kekeringan dan keberlanjutan disuatu daerah. Menemukan metode yang tepat untuk memprediksi kejadian kekeringan selalu menjadi tantangan tersendiri. Penelitian saat ini mengusulkan analisis deret waktu fungsional untuk membangun prediksi yang dapat diandalkan untuk memprediksi kekeringan. Indeks kekeringan didapat dari Standardized Precipitation Index (SPI) yang dihitung berdasarkan curah hujan. Penelitian ini membandingkan tiga metode peramalan yaitu Autoregressive Integrated Moving Average ARIMA (ARIMA), Long Short-term Memory (SLTM), dan Functional Principal Component Analysis (FPCA). Penelitian dilakukan di daerah Nusa Tenggara Timur, Indonesia. Data curah hujan diambil dari tahun 2021 sampai April 2023, dengan frekuensi harian di tiga stasiun. Metode dievaluasi dengan nilai Root Mean Square Error (RMSE). Hasil yang diperoleh adalah metode FPCA mempunyai performasi lebih baik dibandingkan dengan ARIMA dan LSTM dengan nilai RMSE sebesar 0,96. Berdasarkan Indeks SPI provinsi NTT mengalami kenaikan dari beberapa bulan terakhir.

Autoregressive Integrated Moving Average, Long Short-term Memory, Functional Principal Component Analysis, Standardized Precipitation Index (SPI), Kekeringan.