INTEGRASI DATA PENGAMATAN UDARA ATAS DAN BAWAH DENGAN MACHINE LEARNING UNTUK PREDIKSI CUACA EKSTREM

Zahra, Hauzan Hanifah and Puryani, Annabel Gracia and Rhaina, Adinda Putri (2026) INTEGRASI DATA PENGAMATAN UDARA ATAS DAN BAWAH DENGAN MACHINE LEARNING UNTUK PREDIKSI CUACA EKSTREM. Project Report (Praktek Kerja Lapang dan Magang). Faculty of Computer Science: Departemen of Data Science. (Unpublished)

	Text (Cover) Cover PKL_Lembar_merged.pdf Download (1MB)
	Text (Bab1) Bab 1 .pdf Download (74kB)
	Text (Bab2) Bab 2.pdf Download (343kB)
	Text (Bab 3) Bab 3.pdf Restricted to Repository staff only until 6 March 2029. Download (685kB)
	Text (Bab 4) Bab 4.pdf Restricted to Repository staff only until March 2029. Download (61kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Download (78kB)
	Text (Lampiran) Lampiran.pdf Restricted to Repository staff only Download (1MB)

Abstract

Pengamatan yang dilakukan oleh Badan Meteorologi Klimatologi dan Geofisika (BMKG) Stasiun Meteorologi Kelas 1 Juanda meliputi pengamatan udara bawah dan udara atas yang dapat digunakan untuk mendukung analisis kondisi cuaca dan mitigasi risiko bencana. Penelitian ini bertujuan untuk mengintegrasikan data pengamatan udara atas dan bawah dalam klasifikasi curah hujan harian menggunakan algoritma machine learning, berdasarkan data tahun 2019–2023. Data pengamatan udara bawah yaitu berupa intensitas curah hujan, sedangkan data pengamatan udara atas mencakup parameter seperti kelembapan, Lifted Index (LI), CAPE, SWEAT, dan indeks labilitas atmosfer lainnya yang dihasilkan dari pengamatan radiosonde dan pilot balon. Proses analisis meliputi pengumpulan data, preprocessing melalui interpolasi dan normalisasi, penerapan algoritma machine learning seperti Support Vector Machine (SVM), Random Forest, K – Nearest Neighbour, Decision Tree, dan Gradient Boost, serta evaluasi model menggunakan metrik accuracy, precision, recall, dan F1 Score. Model terbaik dipilih dan di optimasi menggunakan teknik resampling seperti SMOTE (Synthetic Minority Oversampling Technique) dan downsampling serta hyperparameter tuning. Hasil penelitian menunjukkan bahwa integrasi data pengamatan udara atas dan bawah memberikan hasil klasifikasi curah hujan yang akurat, yang dapat mendukung pemahaman pola cuaca ekstrem, dan berkontribusi pada prediksi risiko bencana terkait intensitas curah hujan.

Item Type:

Monograph (Project Report (Praktek Kerja Lapang dan Magang))

Contributors: