PERBANDINGAN MODEL MACHINE LEARNING PADA KLASIFIKASI CURAH HUJAN DI BOGOR
DOI:
https://doi.org/10.33480/inti.v19i2.6296Kata Kunci:
bogor, data mining, rainfall prediction, random forestAbstrak
Accurate rainfall prediction remains a significant challenge due to the involvement of complex physical processes and its substantial impact on various sectors of society. Rainfall prediction can be performed using classification techniques in Data Mining. Each algorithm employed for rainfall prediction may yield different performance outcomes, depending on factors such as the size of the dataset, the number of missing values, and the meteorological parameters utilized in the study. Selecting the appropriate algorithm for rainfall prediction continues to pose a challenge. This study aims to compare the performance of Naïve Bayes, Decision Tree, and Random Forest in order to identify the best model for classifying rainfall in Bogor Regency. The data utilized in this study includes maximum temperature, minimum temperature, average temperature, average humidity, duration of sunlight exposure, maximum wind speed, average wind speed, maximum wind direction, and rainfall. The dataset spans five years comprising a total 1.825 of data obtained from the Class III Citeko Meteorological Station. The results indicate that Random Forest, when trained with a smaller proportion of data compared to the proportion of test data to be predicted, achieves the best performance, with a precision of 59.1%, recall of 64.3%, and f1-score of 65.5%. This performance is attributed to the ensemble principle employed by Random Forest, which combines multiple weak learner trees to produce a robust learner tree.
Unduhan
Referensi
Al Arif, A., Firdaus, M., & Maruhawa, Y. (2022). Perbandingan Metode Data Mining untuk Prediksi Curah Hujan dengan Algoritma C4. 5, Naive Bayes, dan KNN: Comparison of Data Mining Methods for Predition of Rainfall with C4. 5, Naive Bayes, and KNN Algorithm. SENTIMAS: Seminar Nasional Penelitian Dan Pengabdian Masyarakat, 187–197.
Al Fauzi, R. (2022). Analisis tingkat kerawanan banjir Kota Bogor menggunakan metode overlay dan scoring berbasis sistem informasi geografis. Geomedia: Majalah Ilmiah Dan Informasi Kegeografian, 20(2), 96–107. http://dx.doi.org/10.21831/gm.v20i2.48017
Dotse, S., Larbi, L., Limantol, A., & De Silva, L. (2024). A Review of The Application of Hybrid Machine Learning Models to Improve Rainfall Prediction. Modeling Earth Systems and Environment, 10, 19. https://doi.org/10.1007/s40808-023-01835-x
Erlin, E., Desnelita, Y., Nasution, N., Suryati, L., & Zoromi, F. (2022). Dampak SMOTE terhadap Kinerja Random Forest Classifier berdasarkan Data Tidak seimbang. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 21(3). https://doi.org/https://doi.org/10.30812/matrik.v21i3.1726
Fazil, A. W., Hakimi, M., Akbari, R., Quchi, M. M., & Khaliqyar, K. Q. (2023). Comparative Analysis of Machine Learning Models for Data Classification: An In-Depth Exploration. Journal of Computer Science and Technology Studies, 5(4), 160–168. https://doi.org/10.32996/jcsts.2023.5.4.16
Hasanah, M. A., Soim, S., Handayani, A. S., & others. (2021). Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir. Journal of Applied Informatics and Computing, 5(2), 103–108. https://doi.org/10.30871/jaic.v5i2.3200
Herdhyanti, A., Muflikhah, L., & Cholissodin, I. (2022). Prediksi Curah Hujan dengan Empat Parameter menggunakan Backpropagation (Studi Kasus: Stasiun Meteorologi Ahmad Yani). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(12), 5862–5870. Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/12022
Husin, N. (2023). Komparasi Algoritma Random Forest, Naïve Bayes, dan Bert Untuk Multi-Class Classification Pada Artikel Cable News Network (CNN). Jurnal Esensi Infokom : Jurnal Esensi Sistem Informasi Dan Sistem Komputer. Retrieved from https://api.semanticscholar.org/CorpusID:260081418
Indaryono, N. A. P., Saedudin, R. R., & Hamami, F. (2024). Comparison Analysis of Random Forest and Naive Bayes Algorithms for Rainfall Classification Based on Climate in Indonesia. SITEKNIK: Information Systems, Engineering and Applied Technology, 1(2), 102–109.
Jamaludin, H., & Wijaya, E. S. (2023). Analisis Korelasi Curah Hujan dan Tinggi Muka Air Sungai Menggunakan Metode Regresi Linear. Jurnal Media Pratama, 17(2), 141–147.
Khoirunnisa, A. P., Andini, A. P., Keriswali, M. G., Husein, R. K., Setiyoko, R., Kusuma, W. A., & Situmorang, M. T. N. (2024). Kebijakan Pemerintah Kota Bogor Dalam Penanggulangan Gempa Bumi. Iuris Studia: Jurnal Kajian Hukum, 5(3), 789–793.
Mahfudz, M., Riadi, B., & Rifaldi, I. (2022). Pemetaan Area Potensi Banjir Berdasarkan Topographic Wetness Index (TWI) di Kecamatan Cigudeg Kabupaten Bogor. Geomatika, 28(1), 13–20.
Mdegela, L., Municio, E., Bock, Y. D., Luhanga, E., & Leo, J. (2023). Extreme Rainfall Event Classification Using Machine Learning for Kikuletwa River Floods. Water, 15, 1–14. https://doi.org/10.3390/w15061021
Mukti, A. (2023). Penggunaan lahan dan deforestasi di Kabupaten Bogor. Jurnal Bisnis Kehutanan Dan Lingkungan, 1(1). https://doi.org/10.61511/jbkl.v1i1.2023.206
Permana, A. P., Ainiyah, K., & Holle, K. F. H. (2021). Analisis Perbandingan Algoritma Decision Tree, kNN, dan Naive Bayes untuk Prediksi Kesuksesan Start-up. JISKA (Jurnal Informatika Sunan Kalijaga), 6(3), 178–188. https://doi.org/10.14421/jiska.2021.6.3.178-188
Priyatno, A., Firmanda, F., Farhas, R., Amalia, F., Febri, W., & Sudirman, R. (2023). Pelatihan Data Science menggunakan Bahasa Pemrograman Python di PT Ilmu Data Indonesia. Dedikasi: Jurnal Pengabdian Pendidikan Dan Teknologi Masyarakat, 1, 31–36. https://doi.org/10.31004/dedikasi.v1i1.12
Putra, R. F., Zebua, R. S. Y., Budiman, B., Rahayu, P. W., Bangsa, M. T. A., Zulfadhilah, M., … Andiyan, A. (2023). Data Mining: Algoritma dan Penerapannya. PT. Sonpedia Publishing Indonesia.
Rachmawati, S. S. P., Prakusa, K. V., & Rihastuti, S. (2023). Penerapan Data Mining dengan Metode Decision Tree untuk Prediksi Cuaca di Kota Seattle Menggunakan Aplikasi Weka. Prosiding Seminar Nasional Amikom Surakarta, 93–100. Surakarta: STMIK Amikom Surakarta.
Rahayu, P. W., Sudipa, I. G. I., Suryani, S., Surachman, A., Ridwan, A., Darmawiguna, I. G. M., … Maysanjaya, I. M. D. (2024). Buku Ajar Data Mining. PT. Sonpedia Publishing Indonesia.
Rakhmat, G. A., & Mutohar, W. (2023). Prakiraan Hujan Menggunakan Metode Random Forest dan Cross Validation. MIND Journal, 8(2), 173–187. https://doi.org/10.26760/mindjournal.v8i2.173-187
Ramadhani, S. S. (2022). Stategi Bpbd Kabupaten Pacitan Dalam Upaya Penanggulangan Bencana Banjir Dan Tanah Longsor. Universitas Muhammadiyah Ponorogo.
Rizqi, A. A., & Kusumaningsih, D. (2022). Klasifikasi Curah Hujan di Kota Bogor Provinsi Jawa Barat dengan Menggunakan Metode Naive Bayes. Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI). Retrieved from https://senafti.budiluhur.ac.id/index.php/senafti/article/view/410
Sa’adah, U., Rochayani, M. Y., Lestari, D. W., & Lusia, D. A. (2021). Kupas Tuntas Algoritma Data Mining dan Implementasinya Menggunakan R. Universitas Brawijaya Press.
Saputra, I., & Kristiyanti, D. A. (2021). Application of Data Mining for Rainfall Prediction Classification in Australia with Decision Tree Algorithm and C5.0 Algorithm. Seminar Nasional Informatika (SEMNASIF). Retrieved from http://jurnal.upnyk.ac.id/index.php/semnasif/article/view/6060
Setiawan, H., Wibowo, A., & Supriatna, S. (2021). Pembuatan peta curah hujan untuk evaluasi kesesuaian rencana tata ruang kawasan hutan Kabupaten Bogor. Geomedia: Majalah Ilmiah Dan Informasi Kegeografian, 19(2), 113–121. Diambil dari https://journal.uny.ac.id/index.php/geomedia/article/view/43227/16848
Setiawan, Z., Fajar, M., Priyatno, A. M., Putri, A. Y. P., Aryuni, M., Yuliyanti, S., … others. (2023). Buku Ajar Data Mining. PT. Sonpedia Publishing Indonesia.
Sudrajat, W., & Cholid, I. (2023). K-Nearest Neighbor (K-NN) untuk Penanganan Missing Value pada Data UMKM. Jurnal Rekayasa Sistem Informasi Dan Teknologi, 1(2), 54–63. https://doi.org/10.59407/jrsit.v1i2.77
Sukman, Rustan, F. R., Yusman, Tanje, H. W., Sukri, A. S., Amir, M. K., … Rachman, R. M. (2024). Hidrologi. TOHAR MEDIA.
Syamsurizal, Cumel, Zamri, D., & Rahmaddeni. (2022). Perbandingan Metode Data Mining untuk Prediksi Banjir Dengan Algoritma Naive Bayes dan KNN: Comparison of Data Mining Methods for Predition of Floods with Naive Bayes and KNN Algorithm. SENTIMAS: Seminar Nasional Penelitian Dan Pengabdian Masyarakat, 40–48.
Syukur, A. (2021). Buku Pintar Penanggulangan Banjir. DIVA PRESS.
Wijanarko, H. (2021). Validasi Data Curah Hujan Pos Penakar Hujan dengan Data Curah Hujan TRMM. Universitas Lampung.
Yusuf, M., Setyanto, A., & Aryasa, K. (2022). Analisis Prediksi Curah Hujan Bulanan Wilayah Kota Sorong Menggunakan Metode Multiple Regression. Jurnal Sains Komputer Dan Informatika, 6(1), 405–417. http://dx.doi.org/10.30645/j-sakti.v6i1.455
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 I Dewa Gede Loka Maheswara, Ahmad Hanif Al’aziz
Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
Penulis yang menerbitkan jurnal ini menyetujui ketentuan berikut:
1. Penulis memegang hak cipta dan memberikan hak jurnal mengenai publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Creative Commons Attribution 4.0 International License. yang memungkinkan orang lain untuk berbagi karya dengan pengakuan atas karya penulis dan publikasi awal pada jurnal.
2. Penulis dapat memasukkan pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan (misalnya, mengirimkannya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya pada Jurnal.
3. Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, dalam penyimpanan institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena hal itu dapat menghasilkan pertukaran yang produktif, serta kutipan dari karya yang diterbitkan sebelumnya.
