Penerapan Algoritma Decision Tree Untuk Kategorisasi Curah Hujan Di Kecamatan Gurah

Authors

  • Mayo Alvarosy Chrisnatae Universitas Nusantara PGRI Kediri Indonesia
  • Umi Mahdiyah Universitas Nusantara PGRI Kediri Indonesia
  • Resty Wulanningrum Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/ae6e9j51

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. 

 

Keywords:

Klasifikasi Curah Hujan, Pohon Keputusan, Data Mining, Prediksi Cuaca

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

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.

Downloads

Published

2025-07-10

Issue

Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Section

Articles

License

Copyright (c) 2025 Mayo Alvarosy Chrisnatae, Umi Mahdiyah, Resty Wulanningrum

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Penerapan Algoritma Decision Tree Untuk Kategorisasi Curah Hujan Di Kecamatan Gurah. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(1), 745-753. https://doi.org/10.29407/ae6e9j51