<![CDATA[Regional differences in rainfall characteristics, driven by varying meteorological and geographical conditions, necessitate clustering methods capable of identifying rainfall patterns more representatively. This study aims to cluster rainfall patterns in selected regions of Central Java using the Gaussian Mixture Model (GMM), based on average temperature (TAVG), average relative humidity (RH_AVG), sunshine duration (SS), and average wind speed (FF_AVG). Daily meteorological data for 2025 were obtained from the BMKG, covering Banjarnegara Regency, Cilacap Regency, Tegal Regency, and Semarang City. The research process involved data preprocessing, normalization via MinMax Scaling, GMM modeling, determining the optimal number of clusters using the Bayesian Information Criterion (BIC), and evaluating cluster quality using the Silhouette Score and Davies–Bouldin Index (DBI). The results indicate that the optimal number of clusters is eight, with a minimum BIC value of −29305.52589. Evaluations using the Silhouette Score and Davies–Bouldin Index show that Cluster 7 (Cool-Humid Pattern) exhibits consistent clustering quality across both metrics, while Cluster 5 (Cool-Very Humid Pattern) also demonstrates good cluster quality; meanwhile, characteristic analysis identified meteorological pattern differences between coastal areas—which tend to be warm and sunny—and mountainous areas, which are cooler and more humid. This study contributes by applying the Gaussian Mixture Model as a probabilistic clustering approach to identify rainfall patterns based on meteorological characteristics, while providing information that could support water resource management, the agricultural sector, and hydrometeorological disaster mitigation. ABSTRAK (Bahasa Indonesia) Karakteristik curah hujan yang berbeda antarwilayah akibat variasi kondisi meteorologi dan geografis memerlukan metode klasterisasi yang mampu mengidentifikasi pola curah hujan secara lebih representatif. Penelitian ini bertujuan melakukan klasterisasi pola curah hujan di wilayah terpilih di Jawa Tengah menggunakan Gaussian Mixture Model (GMM) berdasarkan suhu rata-rata (TAVG), kelembapan relatif (RH_AVG), lama penyinaran matahari (SS), dan kecepatan angin rata-rata (FF_AVG). Data meteorologi harian tahun 2025 diperoleh dari BMKG yang mencakup Kabupaten Banjarnegara, Kabupaten Cilacap, Kabupaten Tegal, dan Kota Semarang. Tahapan penelitian meliputi preprocessing, normalisasi menggunakan MinMax Scaling, pemodelan GMM, penentuan jumlah cluster optimal menggunakan Bayesian Information Criterion (BIC), serta evaluasi kualitas cluster menggunakan Silhouette Score dan Davies–Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa jumlah cluster optimal yang diperoleh adalah delapan cluster dengan nilai BIC terendah sebesar −29305,52589. Evaluasi menggunakan Silhouette Score dan Davies–Bouldin Index menunjukkan bahwa Cluster 7 (Pola Sejuk Lembap) memiliki kualitas pengelompokan yang konsisten pada kedua metode evaluasi, sedangkan Cluster 5 (Pola Sejuk Sangat Lembap) juga menunjukkan kualitas cluster yang baik., sedangkan analisis karakteristik mengidentifikasi perbedaan pola meteorologi antara wilayah pesisir yang cenderung hangat dan cerah dengan wilayah pegunungan yang lebih sejuk dan lembap. Penelitian ini memberikan kontribusi melalui penerapan Gaussian Mixture Model sebagai pendekatan klasterisasi berbasis probabilistik untuk mengidentifikasi pola curah hujan berdasarkan karakteristik meteorologi serta menyediakan informasi yang berpotensi mendukung pengelolaan sumber daya air, sektor pertanian, dan mitigasi bencana hidrometeorologi.]]>
Copyrights © 2026
