<![CDATA[Kondisi cuaca yang dinamis dan tidak dapat diprediksi sering memengaruhi pengambilan keputusan strategis di berbagai sektor, termasuk transportasi, pertanian, dan penanggulangan bencana. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pengambilan keputusan yang memberikan rekomendasi yang dapat ditindaklanjuti berdasarkan analisis kondisi cuaca. Sistem ini mengintegrasikan teknologi pembelajaran mesin, pemrosesan data cuaca waktu nyata, dan algoritma pengambilan keputusan untuk memberikan rekomendasi yang tepat di berbagai skenario cuaca, baik normal maupun ekstrem. Metodologi penelitian terdiri dari pengumpulan data cuaca dari API cuaca global Open di openweathermap.org, serta menerapkan algoritma machine learning dan metode Analytic Hierarchy Process (AHP) untuk mengklasifikasikan kondisi cuaca dan menghasilkan rekomendasi seperti membawa payung, menunda aktivitas, atau tetap melanjutkan kegiatan. Sistem ini dirancang untuk mengidentifikasi potensi risiko cuaca, seperti hujan lebat, angin kencang, atau suhu ekstrem, dan untuk memberikan saran tindakan khusus, seperti menyiapkan payung, menjadwalkan ulang kegiatan, memulai evakuasi, atau menerapkan tindakan pencegahan. Pengujian pada penelitian ini menggunakan blackbox testing sebagai pengujian secara functional dan di evaluasi berdasarkan pengalaman pengguna menggunakan Net Promote Score(NPS). Hasil pengujian menunjukkan 100\% fungsi berjalan. Dan metode NPS yang menghasilkan promoter sebesar 60\%. Pada penelitian ini yang menghasilkan aplikasi berbasis mobil untuk merekomendasikan tindakan terhadap kondisi cuaca termasuk dalam kategori sangat puas, sehingga mereka berpotensi menjadi pendukung aktif (loyal user) yang akan mempromosikan aplikasi secara sukarela, misalnya melalui rekomendasi ke teman, ulasan positif, atau penggunaan berkelanjutan.]]>
