ANALISIS PERFORMA MODEL LIGHTGBM DALAM PREDIKSI INTENSITAS HUJAN WILAYAH STASIUN METEOROLOGI KELAS 1 KUALANAMU

Abstract

Intensitas hujan ataupun curah hujan yang terjadi dipengaruhi oleh berbagai parameter cuaca dan hal tersebut sangatlah berperan besar untuk masyarakat. Oleh karena itu informasi terkait intensitas hujan sangatlah penting, perlu adanya ketersediaan informasi terkait hal tersebut. Kajian ini bertujuan untuk menganalisis performa Machine Learning dengan menggunakan model Light Gradient Boosting Machine dalam memprediksi intensitas curah hujan wilayah Stasiun Meteorologi Kualanamu selama rentang waktu 2018-2022. Pengumpulan data historis dilakukan melalui pengambilan data sinoptik yang sudah dikeluarkan oleh Stasiun Meteorologi kelas 1 Kualanamu. Digunakan beberapa evaluasi matriks yang berupa Accuracy, AUC (Area Under the Curve), Recall, Precision, dan F1 Score. Evaluasi matriks tersebut mampu menghasilkan perhitungan evaluasi yang detail dan mampu mengukur seberapa baik model bekerja. Kemudian didapatkan nilai rata-rata dari evaluasi matriks sebesar 0.7251 untuk akurasi, 0.8122 untuk AUC, 0.7251 untuk Recall, 0.7236 untuk Precision dan sebesar 0.7231 untuk F1 Score. Berdasaekan hasil yang telah didapat, bahwa model Light Gradient Boosting Machine mampu memberikan hasil prediksi intensitas hujan yang baik namun perlu adanya analisis lebih lanjut dalam tahap pengembangan model, dengan fokus pada pengurangan tingkat kesalahan dan peningkatan akurasi prediksi sehingga memberikan kontribusi yang signifikan dalam proses perencanaan dan pengambilan keputusan terkait kondisi cuaca.