Analisis Model Prediksi Cuaca Menggunakan Support Vector Machine, Gradient Boosting, Random Forest, Dan Decision Tree

Abstract

Machine learning dapat diaplikasikan untuk melakukan prediksi terhadap suatu data. Salah satu data yang berkaitan dengan fenomena alam yang terdokumentasi dengan baik dan dapat diakses dengan mudah adalah data kondisi cuaca. Dalam penelitian ini digunakan data kondisi cuaca untuk melakukan pengembangan model machine learning dan prediksi keadaan cuaca. Data yang digunakan terdiri dari pengukuran suhu udara, kelembaban udara, dan kecepatan angin menggunakan data BMKG Provinsi Jawa yang bersifat open source dengan selang waktu 3 jam tahun 2020 dari bulan Januari -Desember. Tujuan penelitian ini adalah untuk mendapatkan nilai akurasi, presisi, F1 score, dan recall serta membandingkan fitur yang memberikan pengaruh paling besar terhadap hasil prediksi cuaca. Model yang digunakan dalam penelitian ini adalah support vector machine, gradient boosting, random forest, dan decision tree. Perbandingan antara data training dan data test adalah 70:30. Hasil penelitian menunjukan bahwa hasil akurasi model support vector machine, gradient boosting, random forest, decision tree masing-masing sebesar 0.1697; 0.6696; 0.7918; 0.8416; 0.8280. Pada hasil terlihat bahwa random forest memiliki pengaruh paling besar terhadap hasil prediksi cuaca dengan dengan hasil akurasi 0.8416.