Studi Kasus - Evaluasi Model Prediksi Curah Hujan Berbasis Machine Learning di Kota Bandung

Aug 3, 2026

Penelitian ini membangun dan mengevaluasi model prediksi curah hujan harian berbasis machine learning untuk Kota Bandung. Model yang dibandingkan meliputi Logistic Regression, Random Forest, dan Extreme Gradient Boosting. Penilaian kinerja dilakukan menggunakan metrik accuracy, precision, recall, F1 score, serta AUC. Hasil menunjukkan ketiga model mampu memprediksi kejadian hujan secara efektif, dengan Random Forest memberikan performa terbaik secara umum dan akurasi mencapai 85%. Temuan ini mendukung keputusan dan perencanaan aktivitas di Kota Bandung.

BahasaIndonesian

KategoriPenelitian & Laporan

FormatPDF

Halaman8

Waktu Membaca12 mnt

AksesGratis untuk diunduh

Daftar Isi

PENDAHULUAN

Latar belakang dan urgensi prediksi curah hujan

METODE

Data Penelitian

Contoh Data dan Variabel

Terbit online pada laman : [http://teknosi.fti.unand.ac.id/](http://teknosi.fti.unand.ac.id/) Jurnal Nasional Teknologi dan Sistem Informasi | ISSN (Print) 2460-3465 | ISSN (Online) 2476-8812 | | Studi Kasus
Evaluasi Model Prediksi Curah Hujan Berbasis Machine Learning di Kota Bandung Indri Hapsari a, *, Shifa Pandya Wisesa b
aBalai Besar Meteorologi Klimatologi dan Geofisika Wilayah II, Jalan H. Abdul Ghani No. 05, Kota Tangerang Selatan, 15412, Indonesia b Universitas Amikom Yogyakarta, Jl. Ring Road Utara, Kab. Sleman, Daerah Istimewa Yogyakarta 55281, Indonesia | | | --- | --- | |
INFORMASI ARTIKEL | A B S T R A C T | Sejarah Artikel: Diterima Redaksi: 15 Juli 2025 Revisi Akhir: 02 September 2025 Diterbitkan Online: 07 September 2025 | KATA KUNCI | | --- | | Model prediksi
Logistic Regression
Random Forest
Extreme Gradient Boosting | | KORESPONDENSI | | E-mail: [indri.hapsari@bmkg.go.id](indri.hapsari@bmkg.go.id)* | Model prediksi curah hujan berbasis machine learning bertujuan untuk memberikan prediksi curah hujan harianyang 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 performaterbaik 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. 1. PENDAHULUAN Algoritma machine learning berperan penting dalam analisis prediktif dengan menggunakan data historis dan pola data saat ini untuk memprediksi kejadian di masa depan [1] . Dalam konteksprediksi cuaca, metode machine learning dapat digunakan untuk mempelajari pola dan hubungan kompleks antara variabel cuaca yang beragam, seperti suhu, kelembaban, waktu, dan wilayah [2] . Istilah "prediksi curah hujan" mengacu pada proses penggunaan berbagai metode untuk memprediksi jumlah, waktu, dan lokasi presipitasi (hujan, salju, hujan es, dll.) di area tertentu selama periode waktu tertentu [3]. Untuk meningkatkan akurasi prediksi curah hujan, penting untuk mengintegrasikan berbagai sumber data dan memanfaatkan teknik pemodelan tingkat lanjut [4] . Pada penelitian ini, model prediksi yang dibangun berbasis algoritma machine learning, di antaranya Logistic Regression (LR), Random Forest (RF), dan Extreme Gradient Boosting (XGB) . Berbagai penelitian terdahulu telah menggunakan ketiga algoritma ini dalam melakukan prediksi cuaca dan terbuktikeandalan masing-masing model prediksi untuk wilayah yang berbeda. Model prediksi berbasis RF telah digunakan [1] dalam melakukan prediksi cuaca di Jakarta dan digunakan [8] dalam memperkirakan kemungkinan hujan di Kecamatan Purwodadidengan hasil prediksi masing-masing adalah sangat baik dan cukup akurat. Sementara, curah hujan bulanan di Kabupaten Banyuwangi diprediksi cukup baik menggunakan model prediksi XGB [9] . Metode LR dan RF yang digunakan [10] untuk melakukan prediksi kejadian hujan di India menunjukkan hasilakurasi LR sedikit lebih tinggi dibandingkan RF. Perbandingan kinerja model LR, RF, XGB dan beberapa model prediksilainnya pada prediksi curah hujan harian di Australia menunjukkan bahwa model RF memiliki performa terbaikdengan tingkat akurasi sebesar 87% [11] . XGB justru menunjukkan kinerja terbaik dibandingkan RF ketika memprediksi curah hujan harian di Kota Bahir Dar, Ethiopia [12] . [https://doi.org/10.25077/TEKNOSI.v11i2.2025.136-143](https://doi.org/10.25077/TEKNOSI.v11i2.2025.136-143) Attribution-ShareAlike 4.0 International Some rights reserved Penelitian ini melakukan prediksi k

Pertanyaan Umum

Penelitian ini bertujuan untuk apa?

Penelitian ini bertujuan memberikan prediksi curah hujan harian yang akurat melalui model machine learning untuk Kota Bandung.

Algoritma apa saja yang dibandingkan dalam membangun model?

Algoritma yang dibandingkan adalah Logistic Regression, Random Forest, dan Extreme Gradient Boosting (XGB).

Bagaimana kinerja model dievaluasi dan model mana yang terbaik?

Evaluasi menggunakan accuracy, precision, recall, F1 score, dan AUC. Model Random Forest menunjukkan performa terbaik dengan akurasi sekitar 85%.

Aug 3, 2026

Unggah oleh Evangeline