Analisis XGBoost dan Random Forest untuk Prediksi Curah Hujan dalam Mendukung Mitigasi Karhutla

Sangaji, Didi
Sutabri, Tata

Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence
Vol 5 No 1 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)

Penelitian ini mengkaji penerapan algoritma Random Forest, XGBoost dan Model Gabungan untuk memprediksi pola curah hujan guna mendukung upaya mitigasi kebakaran lahan dan (karhutla). Metode Random Forest, XGBoost dan Model gabungan dipilih karena kemampuannya menangani data besar, mengolah variabel non-linier, dan memberikan informasi mengenai pentingnya fitur. Hasil penelitian menunjukkan bahwa XGBoost memberikan prediksi dengan MSE 14.982,45, RMSE 122,40, dan MAPE 12,35%. Random Forest menghasilkan MSE 15.876,21, RMSE 126,00, dan MAPE 13,28% dan Model Gabungan (weighted average XGBoost 0,6 + Random Forest 0,4) menunjukkan performa terbaik dengan MSE 14.125,78, RMSE 118,85, dan MAPE 11,87% yang dapat membantu pengambil kebijakan dan pihak terkait dalam perencanaan mitigasi karhutla.