Penerapan Algoritma Neural Network Untuk Prediksi Hujan Harian Di Kota Tegal Berbasis Data Klimatologi Nasa Power

Abstract

Kota Tegal sebagai wilayah pesisir utara rentan terhadap risiko bencana hidrometeorologi, sehingga informasi prakiraan cuaca yang akurat sangat krusial. Namun, keterbatasan dan ketidakkontinuan data observasi permukaan seringkali menghambat pemodelan prediksi yang handal. Penelitian ini bertujuan untuk memprediksi curah hujan harian menggunakan pendekatan Machine Learning berbasis data satelit jangka panjang. Data klimatologi harian bersumber dari NASA POWER periode tahun 2000 hingga 2025 dengan total 9.466 data digunakan sebagai input. Metode yang digunakan adalah Artificial Neural Network (ANN) dengan algoritma Backpropagation yang diproses menggunakan perangkat lunak RapidMiner. Mengingat karakteristik data berupa deret waktu (time-series), validasi model dilakukan menggunakan teknik Split Validation secara sekuensial. Hasil pengujian menunjukkan model memiliki performa klasifikasi yang baik dengan nilai AUC 0.828. Meskipun akurasi keseluruhan tercatat sebesar 77,71%, model menunjukkan sensitivitas yang sangat tinggi dalam mendeteksi kejadian hujan dengan nilai Recall mencapai 88,82%. Kesimpulannya, model ANN efektif digunakan sebagai instrumen deteksi dini, di mana kemampuan meminimalkan kegagalan deteksi hujan (False Negative) lebih diutamakan dibandingkan presisi semata dalam konteks mitigasi bencana.