Weather Prediction System Based on Wireless Sensor Network and IoT Technology with Machine Learning
Abstract
Prediksi cuaca yang akurat dan tepat waktu kian penting seiring dengan meningkatnya insiden cuaca ekstrem yang membawa dampak signifikan terhadap kehidupan dan ekonomi. Penelitian ini mengembangkan sebuah sistem prediksi cuaca berbasis Wireless Sensor Network dan Teknologi Internet of Things (IoT) dengan penerapan machine learning untuk meningkatkan akurasi prediksi cuaca di daerah tertentu. Sistem ini memanfaatkan sensor-sensor cuaca yang terintegrasi melalui IoT untuk mengumpulkan data cuaca secara real-time, yang kemudian dianalisis menggunakan model machine learning, khususnya XGBoost, untuk memprediksi kondisi cuaca mendatang. Proses kalibrasi sensor dilakukan dengan metode regresi linear untuk menyesuaikan pembacaan sensor dengan nilai referensi yang akurat. Model XGBoost dilatih dengan data yang telah dikalibrasi dan diproses untuk menghasilkan prediksi yang lebih akurat. Evaluasi model menunjukkan hasil yang menggembirakan dengan nilai metrik yang tinggi dalam akurasi sebesar 98,62%, presisi sebesar 96,57%, recall sebesar 99,42%, dan F1-score sebesar 97,97%, menandakan keberhasilan model dalam mengidentifikasi pola cuaca yang kompleks. Sistem ini diharapkan dapat memberikan kontribusi signifikan dalam peringatan dini dan mitigasi risiko bencana hidrometeorologi, memungkinkan masyarakat dan pelaku ekonomi mengambil keputusan yang lebih tepat dalam menghadapi perubahan cuaca. Kata kunci: Prediksi Cuaca, IoT, Machine learning, XGBoost, Sensor Network, Wireless Sensor Network.
References
R. Meenal, K. Kailash, P. A. Michael, J. J. Joseph, F. T. Josh, and E. Rajasekaran, "Machine learning based smart weather prediction," Indonesian Journal of Electrical Engineering and Computer Science, vol. 28, no. 1, pp. 508–515, Oct. 2022, doi: 10.11591/ijeecs.v28.i1.pp508-515.
D. S. Rani, G. N. Jayalakshmi, and V. P. Baligar, "Low Cost IoT based Flood Monitoring System Using Machine Learning and Neural Networks: Flood Alerting and Rainfall Prediction," in 2020 2nd International Conference on Innovative Mechanisms for Industry Applications (ICIMIA), IEEE, Mar. 2020, pp. 261–267. doi: 10.1109/ICIMIA48430.2020.9074928.
M. Biswas, T. Dhoom, and S. Barua, "Weather Forecast Prediction: An Integrated Approach for Analyzing and Measuring Weather Data," Int J Comput Appl, vol. 182, no. 34, pp. 20–24, Dec. 2018, doi: 10.5120/ijca2018918265.
S. Ifrianti, W. Anggraini, M. R. Syarilisjiwan, D. S. I. Aflaha, R. N. Wakidah, and Y. Sastika, "The measurement of temperature, humidity, and air pressure to determine weather forecasts based on microcontroller," 2024, p. 030006. doi: 10.1063/5.0206026.
P. Rohith, S. Datta, and J. M. Kumar, "IoT-based Weather Forecasting System." [Online]. Available: https://www.researchgate.net/publication/37027348 5
M. Caporin and J. Preś, "Modelling and forecasting wind speed intensity for weather risk management," Comput Stat Data Anal, vol. 56, no. 11, pp. 3459– 3476, Nov. 2012, doi: 10.1016/j.csda.2010.06.019.
N. Kumari, Sakshi, S. Gosavi, and S. S. Nagre, "Real-Time Cloud based Weather Monitoring System," in 2020 2nd International Conference on Innovative Mechanisms for Industry Applications (ICIMIA), IEEE, Mar. 2020, pp. 25–29. doi: 10.1109/ICIMIA48430.2020.9074848.
Q. Zhao, Y. Liu, X. Ma, W. Yao, Y. Yao, and X. Li, "An Improved Rainfall Forecasting Model Based on GNSS Observations," IEEE Transactions on Geoscience and Remote Sensing, vol. 58, no. 7, pp. 4891–4900, Jul. 2020, doi: 10.1109/TGRS.2020.2968124.
L. Donadio, J. Fang, and F. Porté-Agel, "Numerical Weather Prediction and Artificial Neural Network Coupling for Wind Energy Forecast," Energies (Basel), vol. 14, no. 2, p. 338, Jan. 2021, doi: 10.3390/en14020338.
A. Khuriati, "SISTEM PEMANTAU INTENSITAS CAHAYA AMBIEN DENGAN SENSOR BH1750 BERBASIS MIKROKONTROLER ARDUINO NANO," 2022.
M. Fernando, L. Jasa, and R. S. Hartati, "Monitoring System Kecepatan dan Arah Angin Berbasis Internet of Things (IoT) Menggunakan Raspberry Pi 3," Majalah Ilmiah Teknologi Elektro, vol. 21, no. 1, p. 135, Jul. 2022, doi: 10.24843/mite.2022.v21i01.p18.
D. Daffa Wiwaha, I. Wahno Putro, D. Adha Gafyunedi, B. Aji Pramudita, Z. Muhammad Mahdi, and D. Putra Setiawan, "Enhancing Rainfall Prediction Accuracy through XGBoost Model with Optimized Data Balancing Techniques."
Z. Muhammad Mahdi, G. Mahesa Aditya, I. Wahno Putro, B. Aji Pramudita, and D. Putra Setiawan, "Internet of Things-based Rain Detection Device using Machine Learning Classification for Rain Prediction at Telkom University."
H. Mehmet Tanrikulu and H. Pabuccu, "The E ect of Data Types’ on the Performance of Machine Learning Algorithms for Financial Prediction," 2024. [15] C. Bentéjac, A. Csörgő, and G. Martínez-Muñoz,
