Prediksi Curah Hujan di Surabaya Berbasis Data BMKG Menggunakan Metode K-Nearest Neighbor (K-NN)
Keywords:
Curah Hujan, K-Nearest Neighbor, Machine Learning, BMKG, Prediksi Cuaca, PCAAbstract
Curah hujan merupakan salah satu unsur cuaca yang berpengaruh terhadap berbagai aktivitas masyarakat, terutama di wilayah perkotaan seperti Surabaya. Perubahan intensitas hujan yang tidak menentu dapat menyebabkan genangan, banjir, serta gangguan aktivitas transportasi dan ekonomi. Oleh karena itu, diperlukan metode prediksi curah hujan yang mampu memberikan hasil cukup akurat berdasarkan data historis cuaca. Penelitian ini menerapkan algoritma K-Nearest Neighbor (K-NN) untuk memprediksi curah hujan harian menggunakan data BMKG periode 2021–2025 yang berasal dari Stasiun Meteorologi Perak I dan Stasiun Meteorologi Maritim Tanjung Perak. Variabel yang digunakan meliputi suhu, kelembapan udara, curah hujan, lama penyinaran matahari, dan kecepatan angin. Tahapan penelitian mencakup preprocessing data, normalisasi menggunakan MinMaxScaler, feature engineering, serta reduksi dimensi menggunakan Principal Component Analysis (PCA). Pengujian dilakukan menggunakan beberapa skenario pembagian data, variasi nilai K, dan fungsi jarak pada algoritma K-NN. Evaluasi model dilakukan menggunakan MAE, RMSE, Accuracy, Precision, Recall, dan F1-Score. Hasil penelitian menunjukkan bahwa kombinasi feature engineering dan PCA mampu meningkatkan performa model dalam memprediksi curah hujan harian berbasis data BMKG.
References
I. D. G. L. Maheswara dan A. H. Al’aziz, “Perbandingan Model Machine Learning pada Klasifikasi Curah Hujan di Bogor,” Jurnal INTI, 2025.
M. A. Ramadhan, F. T. Anggraeny dan C. A. Putra, “Klasifikasi Curah Hujan Harian Menggunakan Metode K-Nearest Neighbor (KNN),” JATI( Jurnal Mahasiswa Teknik Informatika, 2024.
I. Ismail, M. A. Wardana dan L. Sarwana, “Implementasi Metode K-Nearest Neighbors Untuk Prediksi Cuaca Dengan Konsep Data Mining,” Jurnal RISTER, pp. 59-66, 2024.
M. A. Aprihartha, T. N. Alam dan M. Husniyadi, “Perbandingan Metrik Euclidean dan Metrik Manhattan untuk K-Nearest Neighbors dalam Klasifikasi Kismis,” Jurnal Ilmu Komputer dan Informatika (JIKI), 2024.
D. M. Nanda, T. H. Pudjiantoro dan P. N. Sabrina, “Metode K-Nearest Neighbor (KNN) Dalam Memprediksi Curah Hujan di Kota Bandung,” Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK), 2022.
A. S. Agung, A. Fauzi, A. A. N. Risal dan F. Adiba, “Implementasi Teknik Data Mining terhadap Klasifikasi Data Prediksi Curah Hujan BMKG di Sulawesi Selatan.,” Jurnal Tekno Insentif, 2023.
BMKG, “Layanan Data dan Informasi Meteorologi,” BMKG (Portal Data Resmi), 2024.
G. A. RAKHMAT dan W. MUTOHAR, “Prakiraan Hujan menggunakan Metode Random Forest dan Cross Validation,” MIND JOURNAL (Multimedia artificial Intelligience Networking Database, 2023.
A. Setiawan, “Perbandingan Penggunaan Jarak Manhattan, Jarak Euclid, dan Jarak Minkowski dalam Klasifikasi Menggunakan Metode KNN pada Data Iris,” Jurnal Sains dan Edukasi Sains, 2022.
T. O. Hodson, “Root-mean-square error (RMSE) or mean absolute error (MAE): when to use them or not,” Geoscientific Model Development, 2022.
