PENERAPAN BAYESIAN RIDGE REGRESSION UNTUK PREDIKSI CURAH HUJAN JANGKA PENDEK

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.