Pemanfaatan Algoritma Decision Tree C4.5 dalam Memprakirakan Hujan di Stasiun Meteorologi Kelas I Sultan Hasanuddin

Abstrak

Hujan dapat memberikan berbagai dampak dalam kehidupan manusia, salah satunya adalah dampak terhadap dunia penerbangan. Untuk meminimalisir dampak yang ditimbulkan oleh hujan dalam dunia penerbangan, diperlukan prakiraan hujan untuk melancarkan kegiatan operasional suatu bandara tak terkecuali di Bandara Internasional Sultan Hasanuddin yang merupakan salah satu bandara tersibuk di Indonesia. Dalam memprakirakan hujan, umumnya data yang digunakan adalah data yang mempengaruhi pembentukan hujan seperti data yang berhubungan dengan jumlah uap air (precipitable water) serta angin (relative vorticity dan divergence). Meskipun data yang digunakan dalam memprakirakan hujan berkorelasi terhadap pembentukan hujan, terdapat potensi akurasi prakiraan yang buruk akibat data – data pendukung yang tidak kontinu terhadap kejadian hujan yang diprakirakan karena kondisi atmosfer yang sangat kompleks serta dapat berubah dengan cepat. Untuk meminimalisir prakiraan hujan dengan akurasi yang buruk diperlukan salah satu metode yang dapat mengolah data yang tidak kontinu terhadap kejadian hujan yang akan datang dengan baik, salah satunya adalah dengan menggunakan algoritma Decision Tree C4.5. Decision Tree C4.5 adalah algoritma pembelajaran mesin yang melibatkan pemilihan fitur terbaik pada setiap langkah sehingga berpotensi menghasilkan prakiraan yang baik. Pada penelitian ini, hasil prakiraan selama setahun didominasi oleh tidak hujan sebanyak 2590 kejadian, sedangkan jumlah prakiraan hujan didapatkan sebanyak 330 kejadian. Akurasi prakiraan perbulan didapatkan berkisar antara 64,92% hingga 100% dimana jika jumlah prakiraan yang benar dan salah dari masing – masing bulan digabungkan, maka didapatkan akurasi prakiraan selama setahun sebesar 84% dimana akurasi tersebut dapat dikatakan sangat baik.