Abstract:
Penelitian ini bertujuan untuk menerapkan metode Bayesian Ridge
regression dalam memprediksi curah hujan jangka pendek berdasarkan data historis
curah hujan dan variabel meteorologi pendukung. Prediksi curah hujan merupakan
salah satu aspek penting dalam bidang klimatologi dan mitigasi bencana karena
memiliki pengaruh terhadap sektor pertanian, pengelolaan sumber daya air, dan
aktivitas masyarakat. Metode Bayesian Ridge regression dipilih karena mampu
mengatasi permasalahan multikolinearitas antar variabel prediktor serta
mengurangi resiko overfitting melalui pendekatan probabilistik Bayesian. Data
penelitian diperoleh dari Kaggle yang terdiri atas 516 data observasi dan
ditingkatkan melalui proses augmentasi hingga mencapai 1000 dataset. Variabel
yang digunakan meliputi curah hujan periode sebelumnya, suhu udara, kelembapan
udara, tekanan udara, dan kecepatan angin. Tahapan penelitian meliputi
preprocessing data, standardisasi menggunakan Standardscaler, pembagian data
training dan testing dengan rasio 80:20, pelatihan model, serta evaluasi
menggunakan Mean Squared Error (MSE), Mean Absolute Error (MAE), dan RSquared (R2
). Hasil penelitian Menunjukkan bahwa model Bayesian Ridge
Regression mampu menghasilkan prediksi curah hujan dengan nilai MAE sebesar
15,70 mm, MSE sebesar 459.09, dan R2
sebesar -0,0127. Meskipun model belum
mampu menangkap seluruh pola non-linear dan lonjakan curah hujan ekstream,
metode ini tetap menunjukkan kestabilan dalam memprediksi tren umum curah
hujan harian. Dengan demikian, Bayesian Ridge regression dapat digunakan
sebagai pendekatan alternatif dalam sistem prediksi curah hujan jangka pendek
berbasis machine learning.
