Keywords
Pohon Keputusan
Data Mining
Prediksi Cuaca
How to Cite
Abstract
Prediksi curah hujan memainkan peran penting dalam perencanaan pertanian, terutama di
wilayah yang memiliki pola iklim yang tidak menentu. Penelitian ini bertujuan untuk mengelompokkan
intensitas curah hujan di Kecamatan Gurah menggunakan algoritma klasifikasi pohon keputusan. Dataset
yang digunakan berasal dari tahun 2015 hingga 2024, yang mencakup fitur-fitur seperti suhu rata-rata,
kelembapan, dan data curah hujan bulanan. Langkah praproses mencakup penanganan data yang hilang
serta transformasi data waktu kategorikal menjadi format numerik. Model Decision Tree dilatih
menggunakan data tahun 2015 hingga 2023, dan diuji dengan data tahun 2024. Model klasifikasi ini
mencapai akurasi sebesar 73,3%, presisi 75,1%, recall 73,3%, dan skor F1 sebesar 73,4%. Hasil ini
menunjukkan bahwa klasifikasi menggunakan Decision Tree merupakan metode yang layak untuk
mengelompokkan tingkat curah hujan ke dalam tiga kategori: rendah, sedang, dan tinggi. Temuan ini
memberikan dasar untuk penerapan lebih lanjut dalam alat bantu pengambilan keputusan pertanian guna
mengurangi risiko yang disebabkan oleh variabilitas cuaca.
References
1] M. I. Pradipta, “Klasifikasi Curah Hujan Menggunakan Metode Ensemble
Subset K-Nearest Neighbor,” p. 67, 2020.
[2] P. B. N. Setio, D. R. S. Saputro, and Bowo Winarno, “Klasifikasi Dengan Pohon
Keputusan Berbasis Algoritme C4.5,” Prism. Pros. Semin. Nas. Mat., vol. 3, pp.
64–71, 2020.
[3] N. Nur, F. Wajidi, S. Sulfayanti, and W. Wildayani, “Implementasi Algoritma
Random Forest Regression untuk Memprediksi Hasil Panen Padi di Desa
Minanga,” J. Komput. Terap., vol. 9, no. 1, pp. 58–64, 2023, doi:
10.35143/jkt.v9i1.5917.
[4] Gelinas, Ulric, Oram, Alan, Wiggins, and William, “Accounting Information
System,” pp. 17–30, 1990.
[5] S. Shalsabilla, P. Rachmawati, K. Vidya Prakusa, and S. Rihastuti, “Penerapan
Data Mining dengan Metode Decision Tree untuk Prediksi Cuaca di Kota Seattle
menggunakan Aplikasi Weka,” Semin. Nas. Amikom Surakarta, no. November,
pp. 93–100, 2023.
[6] S. R. Aisy, M. K. Ramadhan, and A. S. Salsabila, “Perbandingan Algoritma
Klasifikasi Data Mining dalam Memprediksi Curah Hujan di Jawa Barat,” vol.
2024, no. Senada, pp. 180–192, 2024.
[7] M. SILAT and E. DITA, “Penerapan Algoritma Decision Tree C4. 5 Untuk,”
Simki.Unpkediri.Ac.Id, pp. 45–52, 2025, [Online]. Available:
http://simki.unpkediri.ac.id/mahasiswa/file_artikel/2018/12.1.03.02.0331.pdf
[8] A. Khoirunnisa, N. Y. Putri, K. Marsell, and V. Raiqhan, “Penerapan Machine
Learning dalam Klasifikasi Kejadian Hujan di Kabupaten Tuban Tahun 2019
2024,” vol. 2024, no. April, pp. 101–113, 2024.
[9] F. Rahmasari, M. Rifany, T. Priharyanto, and R. Kurniawan, “Perbandingan
Algoritma Machine Learning dalam Klasifikasi Status Banjir di Sumatera Utara,”
vol. 2024, no. Senada, pp. 307–318, 2024.
[10] A. Nugroho, “Analisa Splitting Criteria Pada Decision Tree dan Random Forest
untuk Klasifikasi Evaluasi Kendaraan,” JSITIK J. Sist. Inf. dan Teknol. Inf.
Komput., vol. 1, no. 1, pp. 41–49, 2022, doi: 10.53624/jsitik.v1i1.154.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Mayo Alvarosy Chrisnatae, Umi Mahdiyah, Resty Wulanningrum