Prediksi Curah Hujan Dari Data Satelit Himawari-8 Menggunakan Metode Random Forest
Abstract
Abstrak— Cuaca merupakan keadaan darurat udara saat tertentu dan wilayah tertentu relatif sempit dan jangka waktu yang singkat. Perkiraan cuaca pada daerah indonesia tidak menentu, biasanya akan terjadi perubahan setiap sepekan. Untuk mengestimasi dan memprediksi cuaca dan ketinggian awan pada wilayah Indonesia dengan akurat diperlukan teknologi cuaca dan algoritma pemrograman. Maka digunakanlah Machine Learning (ML) dengan menggunakan metode random forest (RF) agar didapatkan hasil akurasi yang baik serta akurat, untuk ketinggian awan yang mempengaruhi cuaca dan curah hujan. Pada penelitian Tugas Akhir ini dibahas prediksi ketinggian awan dan hujan menggunakan data pada satelit Himawari-8 dengan menerapkan metode RF, setelah hasil prediksi yang diperoleh maka dilakukan perbandingan untuk mengetahui kesesuaian yang ada untuk mengetahui dan mendapatkan hasil yang optimal. Prediksi curah hujan menggunakan data netCDF untuk memprediksi ketinggian awan dan hujan menggunakan metode Random Forest (RF) dengan titik acuan, yaitu kilometer (km). Pada pengujian data sebanyak 120 data yang dilakukan didapatkan akurasi tertinggi ialah 100%. Kata kunci— Kata kunci sedapat mungkin menjelaskan isi tulisan, dan ditulis dengan huruf kecil, kecuali akronim.Kata kunci — tidak lebih dari 6 kata
References
V. Masson-Delmotte, P. Zhai, A. Pirani, S. L. Connors, C. Pean, Y. Chen, L. Goldfarb, M. I. Gomis, J. Matthews, S. Berger, M. Huang, O. Yelekci, R. Yu, B. Zhou, E. Lonnoy Dan T. K. Maycock, Climate Change 2021 The Physical Science Basis, Switzerland: IPCC, 2021.
R. ROSCHER, B. BOHN, M. F. DUARTE Dan J. GARCKE, “Explainable Machine Learning For Scientific,” IEEE Access, No. IEEE, P. 42200, 2020.
L. BREIMAN, “Random Forests,” Machine Learning, No. Kluwer Academic Publishers. Manufactured In The Netherlands, P. 6, 2001.
K. BESSHO, K. DATE, M. HAYASHI, A. IKEDA, T. IMAI, H. INOUE, Y. KUMAGAI, T. MIYAKAWA, H. MURATA, T. OHNO, A. OKUYAMA, R. OYAMA, Y. SASAKI, Y. SHIMAZU, K. SHIMOJI, Y. SUMIDA Dan M. SUZUKI, “An Introduction To Himawari-8/9— Japan’s New-Generation Geostationary Meteorological Satellites,” Journal Of The Meteorological Society Of Japan Ser II, No. Artikel, P. 1, 2016.
N. Ayasha, “A COMPARISON OF RAINFALL ESTIMATION USING HIMAWARI-8 SATELLITE DATA IN DIFFERENT INDONESIAN TOPOGRAPHIES,” International Journal Of Remote Sensing, No. International Journal, P. 1, 2020.
J. A. Coakley, “REFLECTANCE AND ALBEDO, SURFACE,” Encyclopedia Of The Atmosphere., No. Copyright 2003 Elsevier Science Ltd. All Rights Reserved., P. 1914, 2003.
X. Yan, Z. Li, N. Luo, W. Shi, W. Zhao, X. Yang Dan J. Jin, “A Minimum Albedo Aerosol Retrieval Method For The New-Generation Geostationary,” No. Elsevier, P. 5, 2018.
V. Villani, “ATLASSIAN,” ATLASSIAN CONFLUENCE, Rabu Desember 2021. [Online]. Available: Https://Opus.Nci.Org.Au/Display/NDP/Himawari-AHI%2C+Full+Disk%2C+Brightness+Temperature. [Diakses 29 Juli 2022].
G. Louppe, Understanding Random Forest, Belgium: University Of Liege, 2015.
M. R. T. R.-M. &. K. C. Damien Rolon-M´Erette, “Introduction To Anaconda And Python: Installation And Setup,” Python For Reasearch In Psychology, No. Crossmark, P. 55, 2020.
GRADS, “GRADS,” Center For Ocean-Land-Atmosphere Studies, Institute Of Global Environment And Society, George Mason University, Virginia, 2021.
NASA, “Panoply Netcdf, HDF And GRIB Data Viewer,” NASA, Rabu Juli 2022. [Online]. Available: Https://Www.Giss.Nasa.Gov/Tools/Panoply/. [Diakses Rabu Juli 2022].
UNIDATA, “Network Common Data Form (Netcdf),” University Corporation For Atmospheric Research Community Programs, Sabtu Juli 2022. [Online]. Available: Https://Www.Unidata.Ucar.Edu/Software/Netcdf/. [Diakses 31 Juli 2022].
