Penerapan Algoritma LightGBM Untuk Klasifikasi Hujan Harian (Studi Kasus : DKI Jakarta)

Abstract

Cuaca dipengaruhi oleh beberapa faktor yaitu Suhu, Kelembaban Udara, Curah Hujan. Prediksi cuaca sangat diperlukan oleh masyarakat, untuk menjadi bahan pertimbangan perencanaan kegiatan yang akan dilakukan oleh masyarakat, khususnya bagi masyarakat yang tinggal di daerah kota Metropolitan seperti DKI Jakarta. Penelitian ini bertujuan untuk mengembangkan sistem prediksi cuaca multi-variabel 72 jam kedepan menggunakan algoritma LightGBM dengan menggunakan strategi rekuren. Data yang digunakan di penelitian ini adalah data cuaca historis per jam selama satu tahun total data yang digunakan di penelitian ini berjumlah 8.760 baris dari 5 titik grid di daerah Jabodetabek. Dan ada empat model LightGBM yang dilatih untuk memprediksi Suhu, Kelembaban, Curah Hujan, dan Status Hujan. Validasi model dilakukan menggunakan Time Series Cross-Validation (TSCV) 5-split. Hasil penelitian menunjukan kinerja model yang sangat presisi pada horizon jangka pendek. Model klasifikasi status hujan mencapai F1-Score rata rata 0.930 dan AUC 0.954 pada prediksi 12 jam kedepan, yang mengindikasikan kemampuan deteksi hujan yang akurat. Dan model mengalami penuruan performa pada prediksi 72 jam kedepan akibat sifat strategi rekuren, meskipun mengalami penurunan performa, model tetap mempertahankan F1-Score yang solid sebesar 0.776.
Penelitian ini menyimpulkan bahwa LightGBM dengan strategi rekuren sangat efektif sebagai sistem peringatan dini jangka pendek dengan akurasi tinggi.