Penerapan Pembelajaran Mesin dalam Deteksi Cuaca: Sebuah Tinjauan Pustaka Sistematis

Abstract

Penelitian ini merupakan tinjauan sistematis literatur (Systematic Literature Review) yang membahas penerapan machine learning dalam deteksi cuaca. Studi ini mengidentifikasi tren, tantangan, serta efektivitas berbagai model machine learning dalam memprediksi kondisi cuaca, termasuk fenomena cuaca ekstrem. Berdasarkan analisis terhadap sepuluh penelitian terbaru dua tahun terakhir (2024–2025), ditemukan bahwa faktor utama yang mempengaruhi akurasi prediksi cuaca meliputi variabel cuaca yang digunakan, kualitas dataset, serta pemilihan algoritma machine learning. Model XGBoost dan teknik deep learning seperti Multi-Layer Perceptron (MLP) dan BiLSTM terbukti memberikan akurasi tertinggi dalam mendeteksi cuaca ekstrem. Selain itu, penggunaan data real-time dari sensor IoT dan teknik balancing data meningkatkan keakuratan prediksi. Hasil penelitian ini menunjukkan bahwa machine learning memiliki potensi besar dalam meningkatkan kualitas prediksi cuaca, namun masih menghadapi tantangan seperti ketidakpastian cuaca dan keterbatasan data berkualitas tinggi.