(0721) 8030188    [email protected]   

EVALUASI HYPERPARAMETER TUNING GRID SEARCH, RANDOM SEARCH, DAN TREE PARZEN ESTIMATOR DENGAN XGBOOST UNTUK PREDIKSI CUACA BANDARA RADIN INTEN II


Cuaca memiliki pengaruh besar terhadap berbagai aktivitas manusia, seperti pertanian, transportasi, dan konstruksi. Ketidakpastian cuaca dapat menimbulkan risiko, seperti penurunan produktivitas padi, penundaan penerbangan, dan keterlambatan proyek konstruksi. Oleh karena itu, prediksi cuaca yang akurat sangat dibutuhkan untuk mengurangi risiko tersebut. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi cuaca dengan menggunakan algoritma Extreme Gradient Boosting (XGBoost) yang dioptimalkan melalui metode hyperparameter tuning, yaitu Grid Search, Random Search, dan Tree Parzen Estimator (TPE). Dataset yang digunakan adalah data cuaca dari Bandar Udara Radin Inten II. Model dievaluasi berdasarkan metrik accuracy, precision, recall, dan f1-score. Model XGBoost tanpa hyperparameter tuning menghasilkan accuracy sebesar 88,10%. Setelah optimasi, Random Search menunjukkan performa terbaik dengan accuracy 89,43%, precision 85,10%, recall 88,21%, dan f1-score 86,50%. Grid Search unggul dalam recall 88,35%, sedangkan TPE menghasilkan performa yang kompetitif. Kesimpulan dari penelitian ini adalah metode Random Search menjadi pilihan terbaik untuk meningkatkan kinerja model XGBoost dalam prediksi cuaca. Hasil penelitian ini diharapkan dapat mendukung pengambilan keputusan yang lebih akurat dalam sektor-sektor yang terdampak oleh cuaca. Kata Kunci : Prediksi Cuaca, XGBoost, Grid Search, Random Search, Tree Parzen Estimator

URI
https://repo.itera.ac.id/depan/submission/SB2503100009

Keyword
Prediksi Cuaca, XGBoost, Grid Search, Random Searc