<![CDATA[Perubahan iklim yang terjadi secara global menuntut adanya analisis data cuaca yang lebih sistematis dan terstruktur, khususnya untuk wilayah Indonesia yang memiliki keragaman iklim tinggi akibat pengaruh geografis kepulauan. Penelitian ini menerapkan algoritma K-Means Clustering untuk mengidentifikasi pola iklim stasiun cuaca di Indonesia menggunakan dataset NOAA Global Surface Summary of the Day (GSOD) yang diakses secara langsung melalui Application Programming Interface (API) resmi NOAA NCEI. Sebanyak 87 stasiun cuaca aktif di seluruh Indonesia digunakan sebagai objek penelitian dengan periode pengamatan tahun 2023, menghasilkan 50.232 records data mentah. Variabel yang digunakan mencakup suhu maksimum, suhu minimum, suhu rata-rata harian, dan curah hujan. Normalisasi data dilakukan menggunakan metode StandardScaler sebelum proses clustering. Penentuan jumlah cluster optimal menggunakan Elbow Method menghasilkan nilai K=4, ditandai dengan penurunan inertia (WCSS) yang signifikan dari 72.33 (K=4) dibanding 132.02 (K=3). Hasil clustering mengelompokkan 87 stasiun ke dalam empat cluster: Cluster 0-Tropis Basah Sedang (38 stasiun, 43.7%), Cluster 1-Dataran Tinggi Sejuk (4 stasiun, 4.6%), Cluster 2-Tropis Panas Basah (43 stasiun, 49.4%), dan Cluster 3-Tropis Curah Hujan Ekstrem (2 stasiun, 2.3%). Hasil penelitian divisualisasikan dalam peta interaktif berbasis Folium yang menampilkan distribusi spasial cluster secara geografis. Pendekatan berbasis API ini membuktikan efisiensi akses big data skala petabyte tanpa proses unduhan massal.]]>
Copyrights © 2026
