PENGEMBANGAN SISTEM ANALISIS DATA CURAH HUJAN DENGAN METODE SUPERVISED LEARNING UNTUK STASIUN METEOROLOGI BMKG KOTA TARAKAN
Curah hujan merupakan parameter meteorologi yang berperan penting dalam sektor pertanian, pengelolaan sumber daya air, dan mitigasi bencana hidrometeorologi. Di Stasiun Meteorologi BMKG Kota Tarakan, analisis curah hujan masih dilakukan secara manual sehingga kurang efisien dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan mengembangkan sistem analisis data curah hujan berbasis supervised learning menggunakan algoritma Random Forest. Sistem mengintegrasikan parameter atmosfer hasil pengamatan Radiosonde, yaitu suhu, kelembapan, tekanan udara, serta indeks stabilitas atmosfer dengan data curah hujan Automatic Rain Gauge. Sistem dikembangkan menggunakan bahasa pemrograman Python dan framework Streamlit dalam bentuk aplikasi berbasis web. Hasil pengujian menunjukkan bahwa model Random Forest mampu mengklasifikasikan curah hujan dengan kinerja yang baik, Hasil classification report menunjukkan bahwa kategori “Berawan – hujan ringan” memiliki nilai precision, recall, dan F1-score yang cukup tinggi, masing-masing sebesar 0,84, 0,94, dan 0,89. Nilai-nilai ini menunjukkan bahwa model mampu mengidentifikasi kondisi hujan ringan dengan baik. Sebaliknya, kategori “Hujan sedang – lebat” menunjukkan performa yang masih terbatas, dengan precision, recall,dan F1-Score sebesar 0,45, 0,20,dan 0,28, Evaluasi usability menggunakan System Usability Scale (SUS) dengan rata-rata skor SUS sebesar 83, dapat disimpulkan bahwa sistem ini memiliki tingkat usabilitas yang sangat baik dan dapat diterima dengan baik oleh pengguna. Secara keseluruhan, sistem yang dikembangkan mampu meningkatkan akurasi analisis curah hujan khususya untuk kategori “Berawan - Hujan ringan” dan mendukung pengambilan keputusan prakiraan cuaca di BMKG Kota Tarakan, dikarenakan kurangya data pendukung untuk curah hujan yang dikategorikan “Hujan Sedang - lebat” menjadi pengaruh saat proses preprosessing. Meskipun menggunakan metode SMOTE tidak sepenuhnya menghilangkan tantangan prediksi pada kelas hujan lebat.