Analisis Prediksi Kualitas Udara dengan Metode Random Forest Berdasarkan Data Cuaca

Aprilyanto, Ryan Dwi
Gustian, Riansyah
Hernawan, Muhammad Hendra
Budiman, Ade Surya
Sumanto

Jurnal Sains Informatika Terapan (JSIT)
Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)

Penelitian ini bertujuan untuk memprediksi suhu rata-rata harian (TAVG) di Kota Jakarta menggunakan algoritma Machine Learning Random Forest. Data yang digunakan berasal dari Stasiun Meteorologi Kemayoran dengan periode pengamatan 1 Januari 2024 hingga 30 Mei 2025 dan mencakup tujuh atribut cuaca seperti suhu, kelembapan, curah hujan, dan kecepatan angin. Proses penelitian melibatkan tahapan pengumpulan data, persiapan, pemodelan, dan evaluasi menggunakan metrik regresi seperti Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²). Hasil evaluasi menunjukkan performa model yang cukup baik, dengan nilai MSE sebesar 0.398, RMSE 0.631, MAE 0.488, MAPE 1.7%, dan R² sebesar 0.653. Visualisasi distribusi data menunjukkan kecocokan antara prediksi dan data aktual, yang menandakan model mampu menangkap pola cuaca secara akurat. Dengan demikian, model Random Forest dinilai efektif dan andal untuk digunakan dalam prediksi cuaca serta memiliki potensi untuk dikembangkan lebih lanjut dalam mendukung pengambilan keputusan di berbagai sektor.