Evaluasi Model Prediksi Curah Hujan Berbasis Machine Learning di Kota Bandung

Penulis

  • Indri Hapsari Balai Besar Meteorologi Klimatologi dan Geofisika Wilayah II
  • Shifa Pandya Wisesa Universitas Amikom Yogyakarta

DOI:

https://doi.org/10.25077/TEKNOSI.v11i2.2025.136-143

Kata Kunci:

Model Prediksi, Random Forest, Logistic Regression, Extreme Gradient Boosting

Abstrak

Model prediksi curah hujan berbasis machine learning bertujuan untuk memberikan prediksi curah hujan harian yang akurat. Penelitian ini membandingkan kinerja beberapa algoritma machine learning yang digunakan untuk membangun model prediksi kejadian hujan di Kota Bandung, yaitu Logistic Regression, Random Forest, dan Extreme Gradient Boosting. Evaluasi model prediksi dilakukan dengan menganalisis nilai accuracy, precision, recall, F1 score, dan AUC. Hasilnya menunjukkan bahwa ketiga model tersebut dapat memprediksi kejadian hujan harian di Kota Bandung secara efektif. Namun, model Random Forest secara umum menunjukkan performa terbaik dengan akurasi prediksi mencapai 85% sehingga model ini direkomendasikan untuk digunakan dalam memprediksi kejadian hujan guna mendukung pengambilan keputusan dan perencanaan kegiatan di Kota Bandung.

Referensi

Z. A. Dwiyanti and C. Prianto, “Prediksi Cuaca Kota Jakarta Menggunakan Metode Random Forest,” J. Tekno Insentif, vol. 17, no. 2, pp. 127–137, 2023, doi: 10.36787/jti.v17i2.1136.

A. Sharma and V. Vijayakumar, “on Cloud Systems EAI Endorsed Transactions Predictive Analytics in Weather Forecasting using Machine Learning Algorithms,” pp. 1–4, 2019, doi: 10.4108/eai.7-12-2018.159405.

S. D. Latif et al., “Assessing Rainfall Prediction Models: Exploring the Advantages of Machine Learning and Remote Sensing Approaches,” Alexandria Eng. J., vol. 82, no. May, pp. 16–25, 2023, doi: 10.1016/j.aej.2023.09.060.

O. A. Wani et al., “Predicting Rainfall Using Machine Learning, Deep Learning, and Time Series Models Across an Altitudinal Gradient an The North-Western Himalayas,” Sci. Rep., vol. 14, no. 1, 2024, doi: 10.1038/s41598-024-77687-x.

R. Farikhul Firdaus and I. V. Paputungan, “Prediksi Curah Hujan di Kota Bandung Menggunakan Metode Long Short Term Memory,” J. Penelit. Inov., vol. 2, no. 3, pp. 453–460, 2022, doi: 10.54082/jupin.99.

A. N. Sallamah, A. Sunandar, A. M. Rizka, and C. Rozikin, “Prakiraan Cuaca Kota Bandung di Tahun Berikutnya dengan Menggunakan Metode Naïve Bayes,” DoubleClick: Journal of Computer and Information Technology, vol. 8, no. 1, pp. 27–32, 2024.

http://e-journal.unipma.ac.id/index.php/doubleclick

D. M. Nanda, T. H. Pudjiantoro, and P. N. Sabrina, “Metode K-Nearest Neighbor (KNN) dalam Memprediksi Curah Hujan di Kota Bandung,” Semin. Nas. Tek. Elektro, Sist. Informasi, dan Tek. Inform., pp. 387–393, 2022, doi: 10.31284/p.snestik.2022.2750

R. Torhino and P. N. Andono, “Penerapan Algoritma Random Forest dalam Prediksi Curah Hujan untuk Mendukung Analisis Cuaca,” Building of Informatics Technology and Science (BITS), vol. 6, no. 3, PP. 1688-1699, 2024, doi: 10.47065/bits.v6i3.6404.

A. Fauziah, H. Hermanto, and M. A. Sukmarini, “Extreme Gradient Boosting pada Peramalan Pola Curah Hujan Bulanan Kabupaten Banyuwangi,” J. Kridatama Sains Dan Teknol., vol. 6, no. 02, pp. 430–440, 2024, doi: 10.53863/kst.v6i02.1154.

S. M. Gowtham, Y. S. Ganesh, and M. M. Ali, “Efficient Rainfall Prediction and Analysis using Machine Learning Techniques,” Turkish J. Comput. Math. Educ. vol. 12, no. 6, pp. 3467–3474, 2021.

S. R. Vinta and R. Peeriga, “Rainfall Prediction using XGB Model with the Australian Dataset,” EAI Endorsed Trans. Energy Web, vol. 11, no. April, pp. 1–4, 2024, doi: 10.4108/ew.5386.

C. M. Liyew and H. A. Melese, “Machine Learning Techniques to Predict Daily Rainfall Amount,” J. Big Data, vol. 8, no. 1, 2021, doi: 10.1186/s40537-021-00545-4.

H. N. Irmanda, Ermatita, M. K. Awang, and M. Adrezo, “Enhancing Weather Prediction Models through the Application of Random Forest Method and Chi-Square Feature Selection,” Int. J. Informatics Vis., vol. 8, no. 3–2, pp. 1506–1514, 2024, doi: 10.62527/joiv.8.3.2356.

R. Ridwan, E. H. Hermaliani, and M. Ernawati, “Penerapan: Penerapan Metode SMOTE untuk Mengatasi Imbalanced Data pada Klasifikasi Ujaran Kebencian,” Comput. Sci., vol. 4, no. 1, pp. 80–88, 2024, doi: 10.31294/coscience.v4i1.

N. P. Y. T. Wijayanti, E. N. Kencana, and I. W. Sumarjaya, “Smote: Potensi dan Kekurangannya pada Survei,” E-Jurnal Mat., vol. 10, no. 4, p. 235, 2021, doi: 10.24843/mtk.2021.v10.i04.p348.

R. Praveena, T. R. G. Babu, M. Birunda, G. Sudha, P. Sukumar, and J. Gnanasoundharam, “Prediction of Rainfall Analysis Using Logistic Regression and Support Vector Machine,” J. Phys. Conf. Ser., vol. 2466, no. 1, 2023, doi: 10.1088/1742-6596/2466/1/012032.

M. Y. Khan, A. Qayoom, M. S. Nizami, M. S. Siddiqui, S. Wasi, and S. M. K. Raazi, “Automated Prediction of Good Dictionary EXamples (GDEX): A Comprehensive Experiment with Distant Supervision, Machine Learning, and Word Embedding-Based Deep Learning Techniques,” vol. 2021, 2021, doi: 10.1155/2021/2553199.

Z. Faska, L. Khrissi, K. Haddouch, and N. El Akkad, “A Robust and Consistent Stack Generalized Ensemble Learning Framework for Image Segmentation,” J. Eng. Appl. Sci., vol. July, 2023, doi: 10.1186/s44147-023-00226-4.

D. T. Wilujeng, M. Fatekurohman, and I. M. Tirta, “Analisis Risiko Kredit Perbankan Menggunakan Algoritma K-Nearest Neighbor dan Nearest Weighted K-Nearest Neighbor,” Indones. J. Appl. Stat., vol. 5, no. 2, p. 142, 2023, doi: 10.13057/ijas.v5i2.58426.

N. A. P. Indaryono, R. Saedudin, and F. Hamami, “Analisa Perbandingan Algoritma Random Forest dan Naïve Bayes untuk Klasifikasi Curah Hujan Berdasarkan Iklim di Indonesia”, JIPI Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 9, no. 1, pp. 158–167, 2024, doi: 10.29100/jipi.v9i1.4421.

Unduhan

Telah diserahkan

15-07-2025

Diterima

02-09-2025

Diterbitkan

06-09-2025

Cara Mengutip

[1]
I. Hapsari dan S. Pandya Wisesa, “Evaluasi Model Prediksi Curah Hujan Berbasis Machine Learning di Kota Bandung”, TEKNOSI, vol. 11, no. 2, hlm. 136–143, Sep 2025.

Terbitan

Bagian

Articles

Artikel Serupa

1 2 3 4 5 6 7 8 9 10 > >> 

Anda juga bisa Mulai pencarian similarity tingkat lanjut untuk artikel ini.