<![CDATA[Cuaca ekstrem yang sulit diprediksi menjadi ancaman serius, terutama banjir di wilayah rawan seperti Dayeuhkolot, Kabupaten Bandung, yang berada di pertemuan Sungai Citarum dan Cikapundung. Sistem peringatan dini yang masih manual dari BBWS menghadapi kendala dalam kecepatan dan integrasi data. Untuk mengatasi hal ini, dirancang sistem prediksi cuaca dan peringatan banjir berbasis Wireless Sensor Network (WSN) dan Internet of Things (IoT), yang dilengkapi algoritma pembelajaran mesin untuk meningkatkan akurasi prediksi lokal. Sistem ini menggunakan sensor cuaca yang terhubung melalui jaringan IoT untuk mengumpulkan data secara real-time, lalu dianalisis dengan model XGBoost. Dua lokasi penerapan adalah Teras Cikapundung dan Polder Cipalasari. Untuk meningkatkan akurasi pembacaan sensor, dilakukan kalibrasi menggunakan regresi linear. Sistem ini juga terintegrasi dengan aplikasi seluler dan website We-Weather sebagai media pemantauan. Hasil pengujian menunjukkan model memiliki akurasi 96,37%, presisi 97,74%, recall 96,37%, dan F1-score 96,79%, menandakan performa klasifikasi yang tinggi. Pengujian usability melalui System Usability Scale (SUS) juga menunjukkan skor sangat baik, membuktikan kemudahan penggunaan aplikasi dan website. Sistem ini diharapkan mampu memperkuat mitigasi bencana hidrometeorologi dan mendukung pengambilan keputusan oleh masyarakat dan pemangku kepentingan seperti petugas BBWS.Kata kunci— Cuaca ekstrem, Early Warning System, banjir, Machine Learning, Wireless Sensor Network, XGBoost.]]>
Copyrights © 2025
