<![CDATA[Penelitian ini bertujuan untuk menguji efektivitas algoritma metaheuristik dan machine learning dalam melakukan imputasi data hujan harian yang hilang, dengan fokus pada wilayah Jakarta. Kesenjangan data pada pencatatan curah hujan harian merupakan tantangan dalam analisis hidrologi dan prakiraan cuaca. Metode penelitian mencakup pengumpulan data curah hujan harian dari tiga stasiun BMKG di Jakarta (Halim Perdanakusuma, Soekarno Hatta, dan Kemayoran) untuk periode 1995-2021. Identifikasi menunjukkan adanya missing data yang signifikan: 459 data di Soekarno-Hatta, 262 di Kemayoran, dan 5694 di Halim Perdanakusuma. Algoritma Random Forest dengan optimasi Particle Swarm Optimization (PSO) dikembangkan untuk memperbaiki data hujan di Stasiun Halim Perdanakusuma, menggunakan data dari Soekarno-Hatta dan Kemayoran sebagai input. Kinerja algoritma ini dibandingkan dengan metode konvensional, yaitu metode aritmatika dan resiprok. Hasil penelitian menunjukkan bahwa metode PSO-Random Forest memiliki kemampuan yang lebih baik dalam mengimputasi data yang hilang dibandingkan dengan metode konvensional, dilihat dari nilai error yang lebih rendah dan korelasi yang lebih tinggi dengan data observasi. Penelitian ini memberikan kontribusi signifikan dalam peningkatan kualitas data curah hujan, yang sangat penting untuk keperluan analisis hidrologi, mitigasi bencana, dan perencanaan sumber daya air di wilayah Jakarta.]]>
Copyrights © 2025
