Prediksi curah hujan menggunakan metode Gradient Boosting berdasarkan data cuaca harian BMKG

ABSTRAK

Prediksi curah hujan harian merupakan aspek krusial dalam mitigasi bencana hidrometeorologi dan keseharian masyarakat, namun memiliki tingkat kesulitan tinggi akibat karakteristik data yang bersifat stokastik dan fluktuatif. Penelitian ini bertujuan untuk mengembangkan model prediksi curah hujan harian yang akurat menggunakan algoritma Gradient Boosting dengan optimasi hyperparameter melalui RandomizedSearchCV. Data yang digunakan bersumber dari data meteorologi harian di wilayah Malang, meliputi variabel temperatur rata-rata (TAVG), kelembapan rata-rata (RH_AVG), dan durasi penyinaran matahari (SS). Tahapan prapemrosesan data mencakup konversi format, penanganan missing value dengan algoritma KNNImputer k=5, dan normalisasi fitur menggunakan StandardScaler. Untuk menguji performa model, dilakukan eksperimen pada empat skenario pembagian data (data splitting) yaitu 50:50, 70:30, 80:20, dan 90:10, serta dilakukan studi ablasi untuk menguji kontribusi setiap variabel input. Hasil penelitian menunjukkan bahwa penggunaan seluruh fitur memberikan konfigurasi terbaik dengan nilai RMSE 9,65, MAE 6,11, dan R2 0,33 pada skenario 80:20. Studi ablasi mengonfirmasi bahwa setiap fitur memberikan kontribusi unik terhadap akurasi model, di mana durasi penyinaran matahari (SS) menjadi prediktor paling dominan. Dibandingkan dengan penelitian terdahulu pada konteks data BMKG di Indonesia, model Gradient Boosting yang dioptimasi dalam penelitian ini menunjukkan performa yang lebih unggul dan stabil. Penelitian ini menyimpulkan bahwa optimasi parameter yang tepat merupakan langkah krusial dalam meningkatkan kemampuan generalisasi model terhadap dinamika cuaca yang kompleks, sehingga model ini berpotensi sebagai pendukung sistem peringatan dini berbasis data di tingkat regional.

ABSTRACT

Daily rainfall prediction is a crucial aspect in mitigating hydrometeorological disasters and in people's daily lives, but it has a high level of difficulty due to the stochastic and fluctuating characteristics of the data. This study aims to develop an accurate daily rainfall prediction model using the Gradient Boosting algorithm with hyperparameter optimization through RandomizedSearchCV. The data used are sourced from daily meteorological data in the Malang area, including the variables of average temperature (TAVG), average humidity (RH_AVG), and sunshine duration (SS). Data preprocessing stages include format conversion, handling missing values with the KNNImputer k=5 algorithm, and feature normalization using StandardScaler. To test the model performance, experiments were conducted on four data splitting scenarios: 50:50, 70:30, 80:20, and 90:10, and an ablation study was conducted to test the contribution of each input variable. The results showed that the use of all features provided the best configuration with an RMSE of 9.65, MAE of 6.11, and R2 of 0.33 in the 80:20 scenario. Ablation studies confirmed that each feature provides a unique contribution to model accuracy, with sunshine duration (SS) being the most dominant predictor. Compared with previous studies in the context of BMKG data in Indonesia, the Gradient Boosting model optimized in this study showed superior and stable performance. This study concluded that proper parameter optimization is a crucial step in improving the model's generalization capability to complex weather dynamics, thus making this model potentially a supporter of data-based early warning systems at the regional level.

ARABIC

يُعدّ التنبؤ اليومي بهطول الأمطار جانبًا بالغ الأهمية في التخفيف من آثار الكوارث الهيدروميتورولوجية وفي حياة الناس اليومية، إلا أنه ينطوي على صعوبة كبيرة نظرًا لطبيعة البيانات العشوائية والمتقلبة. تهدف هذه الدراسة إلى تطوير نموذج دقيق للتنبؤ اليومي بهطول الأمطار باستخدام خوارزمية تعزيز التدرج مع تحسين المعلمات الفائقة من خلال البحث العشوائي المتقاطع. تُستقى البيانات المستخدمة من بيانات الأرصاد الجوية اليومية في منطقة مالانج، وتشمل متغيرات متوسط درجة الحرارة، ومتوسط الرطوبة، ومدة سطوع الشمس. تتضمن مراحل المعالجة المسبقة للبيانات تحويل التنسيق، ومعالجة القيم المفقودة باستخدام خوارزمية KNN Imputer k=5، وتطبيع الميزات باستخدام. لاختبار أداء النموذج، أُجريت تجارب على أربعة سيناريوهات لتقسيم البيانات: ٥٠:٥٠، ٧٠:٣٠، ٨٠:٢٠، و٩٠:١٠، كما أُجريت دراسة تحليلية لاختبار مساهمة كل متغير من متغيرات الإدخال. أظهرت النتائج أن استخدام جميع الخصائص وفّر أفضل تكوين، حيث بلغ متوسط الجذر التربيعي للخطأ ٩.٦٥، ومتوسط الخطأ المطلق ٦.١١، ومعامل التحديد ٠.٣٣ في سيناريو ٨٠:٢٠. وأكدت دراسات الاستبعاد أن لكل خاصية مساهمة فريدة في دقة النموذج، مع كون مدة سطوع الشمس هي المتنبئ الأكثر تأثيرًا. وبالمقارنة مع الدراسات السابقة التي استخدمت بيانات وكالة الأرصاد الجوية وعلم المناخ والجيوفيزياء في إندونيسيا، أظهر نموذج تعزيز التدرج المُحسَّن في هذه الدراسة أداءً متفوقًا ومستقرًا. وخلصت هذه الدراسة إلى أن التحسين الأمثل للمعلمات يُعد خطوة حاسمة في تحسين قدرة النموذج على التعميم على ديناميكيات الطقس المعقدة، مما يجعل هذا النموذج داعمًا محتملاً لأنظمة الإنذار المبكر القائمة على البيانات على المستوى الإقليمي.