Analisis Prediksi Kualitas Udara dengan Metode Random Forest Berdasarkan Data Cuaca
Article Sidebar
Main Article Content
Abstract
Penelitian ini bertujuan untuk memprediksi suhu rata-rata harian (TAVG) di Kota Jakarta menggunakan algoritma Machine Learning Random Forest. Data yang digunakan berasal dari Stasiun Meteorologi Kemayoran dengan periode pengamatan 1 Januari 2024 hingga 30 Mei 2025 dan mencakup tujuh atribut cuaca seperti suhu, kelembapan, curah hujan, dan kecepatan angin. Proses penelitian melibatkan tahapan pengumpulan data, persiapan, pemodelan, dan evaluasi menggunakan metrik regresi seperti Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²). Hasil evaluasi menunjukkan performa model yang cukup baik, dengan nilai MSE sebesar 0.398, RMSE 0.631, MAE 0.488, MAPE 1.7%, dan R² sebesar 0.653. Visualisasi distribusi data menunjukkan kecocokan antara prediksi dan data aktual, yang menandakan model mampu menangkap pola cuaca secara akurat. Dengan demikian, model Random Forest dinilai efektif dan andal untuk digunakan dalam prediksi cuaca serta memiliki potensi untuk dikembangkan lebih lanjut dalam mendukung pengambilan keputusan di berbagai sektor.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
G. Zittis et al., “Climate Change and Weather Extremes in the Eastern Mediterranean and Middle East,” Rev. Geophys., vol. 60, no. 3, 2022, doi: 10.1029/2021RG000762.
Wijoyo A, Saputra A, Ristanti S, Sya’ban S, Amalia M, and Febriansyah R, “Pembelajaran Machine Learning,” OKTAL (Jurnal Ilmu Komput. dan Sci., vol. 3, no. 2, pp. 375–380, 2024, [Online]. Available: https://journal.mediapublikasi.id/index.php/oktal/article/view/2305
I. Nurmaulida, A. S. Sunge, and A. T. Zy, “Penggunaan Naïve Bayes dalam Implementasi Prediksi Tingkat Curah Hujan,” J. Ilm. Mhs. Pendidik. Sej., vol. 8, no. 3, pp. 3149–3157, 2023, [Online]. Available: https://jim.usk.ac.id/sejarah
U. Indahyanti, N. L. Azizah, and H. Setiawan, “Pendekatan Ensemble Learning Untuk Meningkatkan Akurasi Prediksi Kinerja Akademik Mahasiswa,” J. Sains dan Inform., vol. 8, no. 2, pp. 160–169, 2022, doi: 10.34128/jsi.v8i2.459.
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.
R. Prasetya, “Penerapan Teknik Data Mining Dengan Algoritma Classification Tree untuk Prediksi Hujan,” J. Widya Climago, vol. 2, no. 2, pp. 13–23, 2020.
A. Yudhistira and R. Andika, “Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering,” J. Artif. Intell. Technol. Inf., vol. 1, no. 1, pp. 20–28, 2023, doi: 10.58602/jaiti.v1i1.22.
A. S. Agung, A. A. Fauzi, A. A. Nur Risal, and F. Adiba, “Implementasi Teknik Data Mining terhadap Klasifikasi Data Prediksi Curah Hujan BMKG Di Sulawesi Selatan,” J. Tekno Insentif, vol. 17, no. 1, pp. 22–23, 2023, doi: 10.36787/jti.v17i1.955.
R. Supriyadi, W. Gata, N. Maulidah, and A. Fauzi, “Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merah,” E-Bisnis J. Ilm. Ekon. dan Bisnis, vol. 13, no. 2, pp. 67–75, 2020, doi: 10.51903/e-bisnis.v13i2.247.
L. Sari, A. Romadloni, and R. Listyaningrum, “Penerapan Data Mining dalam Analisis Prediksi Kanker Paru Menggunakan Algoritma Random Forest,” Infotekmesin, vol. 14, no. 1, pp. 155–162, 2023, doi: 10.35970/infotekmesin.v14i1.1751.