Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Computer Science and Information Technology (CoSciTech)
Aldo Fahrurrozi, M. Eddo
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
MODEL PREDIKSI CURAH HUJAN MENGGUNAKAN ALGORTIMA MACHINE LEARNING YANG DITINGKATKAN Aldo Fahrurrozi, M. Eddo; Harmaini, Harmaini; Kusuma, Chandra
Computer Science and Information Technology Vol 5 No 2 (2024): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v5i2.7629

Abstract

Curah hujan merupakan parameter meteorologi yang memiliki dampak signifikan terhadap berbagai aspek kehidupan, seperti kerusakan infrastruktur, gangguan transportasi, dan implikasi sosial-ekonomi. Prakiraan curah hujan tradisional sering kali tidak dapat mengatasi kompleksitas pola non-linear, variabilitas spasial, dan temporal curah hujan. Perkembangan teknologi seperti Internet of Things (IoT) dan penginderaan jauh membuka peluang baru dalam memperoleh data meteorologi yang kaya, namun analisis data ini memerlukan pendekatan yang lebih canggih. Penelitian ini bertujuan untuk mengembangkan model prediksi curah hujan di Kota Pekanbaru, Riau, menggunakan algoritma Random Forest. Dataset yang digunakan merupakan data deret waktu (time series) dari Januari 2010 hingga Desember 2023. Data tambahan berasal dari citra penginderaan jauh satelit MODIS (variabel Land Surface Temperature) serta data meteorologi dari BMKG. Model ini dioptimalkan melalui hyperparameter tuning untuk meningkatkan akurasi prediksi. Evaluasi kinerja dilakukan dengan parameter statistik seperti R-squared (R²), Mean Absolute Error (MAE), dan Mean Squared Error (MSE). Hasil penelitian menunjukkan bahwa model Random Forest memberikan kinerja prediksi yang baik dengan R-squared sebesar 0.8266, MAE sebesar 1.3948, dan MSE sebesar 4.2100. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam peningkatan akurasi prakiraan curah hujan, yang berguna untuk mitigasi risiko, peringatan dini, dan perencanaan pengelolaan risiko bencana di wilayah urban.
Co-Authors Harmaini Harmaini Kusuma, Chandra