Extreme Gradient Boosting pada Peramalan Pola Curah Hujan Bulanan Kabupaten Banyuwangi

Abstract

Data meteorologi jangka panjang sangat berguna untuk mengidentifikasi tanda-tanda fenomena perubahan iklim. Fenomena tersebut mengacu pada perubahan jangka panjang kondisi fisik atmosfer bumi seperti suhu dan pola cuaca. Hal tersebut berdampat sangat besar, terutama di Banyuwangi yang merupakan salah satu wilayah produksi beras terbesar di Jawa Timur. Memprediksi tren curah hujan bulanan penting untuk mengantisipasi kegagalan panen akibat cuaca ekstrem dan bencana alam seperti banjir dan tanah longsor. Penelitian ini menggunakan parameter cuaca pada skala global seperti suhu, hujan, penguapan, kelembaban permukaan dan tekanan permukaan laut, sedangkan untuk informasi skala lokal menggunakan data curah hujan bulanan di wilayah Banyuwangi pada tahun 2011 hingga 2023. Metode Extreme Gradient Boosting (XGBoost) akan digunakan untuk memprediksi curah hujan bulanan dalam model ensemble learning berbasis pendekatan boosting. Secara khusus, studi ini menekankan kemampuannya untuk membangun model prediktif pada data deret waktu yang terbatas dan dampak pemisahan data terhadap performa model. Hasil terbaik ditunjukkan oleh model dengan rasio pemisahan data 1:12 atau mencakup 80% data sebagai data pelatihan. Akurasi model mencapai MAE sebesar 72.579 mm pada pelatihan dan 80.777 mm pada pengujian. Selain itu RMSE sebesar 95.940 mm pada pelatihan dan 95.775 mm pada pengujian. Hasil penelitian ini diharapkan dapat menjadi acuan untuk membangun model peramalan cuaca jangka panjang yang lebih optimal.