Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Proceeding International Conference on Information Technology and Business Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer International Journal of Artificial Intelligence Research Jifosi Nusantara Science and Technology Proceedings Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Intan Yuniar Purbasari
Department Of Informatics System, Faculty Of Computer Science, Universitas Pembangunan Nasional “Veteran” Surabaya, East Java
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Physics

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Prediksi cuaca Multi-Horizon 1-6 jam pada Wilayah Menggunakan Algoritma LightGBM Neo Ramadhani; Intan Yuniar Purbasari; Fetty Tri Anggraeny
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perubahan cepat dalam kondisi cuaca memiliki dampak signifikan terhadap berbagai sektor dan aktivitas di suatu daerah, sehingga sangat penting untuk memiliki prakiraan cuaca jangka pendek yang tepat dan cepat di tingkat lokal. Penelitian ini menggunakan algoritma LightGBM untuk memprediksi empat parameter cuaca, yaitu suhu, kelembapan, curah hujan, dan kecepatan angin, pada beberapa batas waktu, yaitu 1, 3, dan 6 jam ke depan, di beberapa lokasi dengan karakteristik iklim yang beragam. Data cuaca yang diperoleh setiap menit diubah menjadi format per jam, kemudian dibersihkan dan diproses menjadi fitur terkait waktu, lokasi, serta kondisi cuaca saat ini, serta rolling statistics untuk menangkap dinamika sementara, guna melatih model multi output. Sebagai pembanding, kinerja model LightGBM diuji dengan dua baseline, yaitu yagn pertama adalah Random Forest serta persistence forecast. Kinerja model dievaluasi dengan menggunakan metrik MAE, RMSE, galat ternormalisasi (nRMSE), dan koefisien determinasi (R²) baik secara individual untuk setiap variabel maupun per batas waktu. Hasil pengujian menunjukkan bahwa model mampu menjelaskan sekitar 65% variasi dari keempat parameter (R² makro 0,65; nRMSE 0,49), di mana suhu (R² 0,98) dan kelembapan (R² 0,89) adalah parameter yang paling akurat, kecepatan angin tergolong sedang karena menyentuh R² 0,66, sedangkan curah hujan menjadi yang paling sulit diprediksi (R² 0,08). LightGBM mengungguli kedua baseline pada seluruh parameter termasuk pada curah hujan, yang dimana Random Forest dan persistence forecast justru menghasilkan R² negatif sehingga keunggulan tidak dipengaruhi oleh data Akurasi model mengalami penurunan seiring dengan bertambahnya batas waktu, dari R² 0,75 pada horizon 1 jam, menjadi 0,54 pada 6 jam, sehingga fokus model adalah pada prakiraan jangka pendek 1–6 jam. Dengan demikian, pendekatan gradient boosting berbasis LightGBM dinilai sangat efisien untuk prakiraan cuaca multi-horizon jangka pendek.
Co-Authors Achmad Junaidic Al-Rawahi, Iman Mohamed Axvian Bagas Syah Putra Cai, Hongyun Endy Gigih Pratama Evi Suryaningsih Fetty Tri Anggraeny Fetty Tri Anggraeny Fitria Eka Wulandari Henni Endah Wahanani I Gede Susrama Mas Diyasa Lao, Angeli Diane Moch. Hatta Neo Ramadhani Nugroho, Budi Radical Rakhman Wahyu Syaifullah JS