Prediksi Intensitas Radiasi Matahari Menggunakan Random Forest Berbasis Data Cuaca BMKG
Abstract
Lama penyinaran matahari merupakan parameter cuaca penting yang berkaitan dengan ketersediaan energi surya dan sektor pertanian. Penelitian ini mengembangkan model prediksi menggunakan metode Random Forest berbasis data BMKG dari dataset Climate Data Daily IDN (Kaggle), yang mencakup observasi harian pada periode 2018 hingga 2022 di lima stasiun cuaca di Pulau Jawa. Fitur masukan yang digunakan meliputi suhu, kelembaban, curah hujan, kecepatan angin, dan informasi waktu, dengan total 4.879 titik data. Model Random Forest menghasilkan R² = 0,358, RMSE = 2,372 jam, dan MAE = 1,889 jam, mengungguli regresi linier berganda (R² = 0,235) dan regresi vektor dukungan (R² = 0,347). Kelembaban relatif, posisi hari dalam tahun, dan selisih suhu harian merupakan prediktor yang paling berpengaruh. Keterbatasan utama penelitian ini adalah tidak tersedianya data tutupan awan, variabel fisik yang paling dominan dalam menentukan lama penyinaran matahari.
References
A. Martin and others, “Tinjauan Potensi dan Kebijakan Energi Surya di Indonesia,” vol. 6, no. 1, pp. 43–52, 2022.
S. Ulina and M. A. Primasyukra, “Potensi Pemanfaatan Pembangkit Listrik Tenaga Surya Terhadap Lama Penyinaran Matahari Di Kabupaten Cilacap Jawa Tengah,” vol. 2, no. 3, pp. 2–6, 2023.
L. P. I. Kharisma et al., Internet of Things: Pengenalan dan Penerapan Teknologi IoT. PT. Sonpedia Publishing Indonesia, 2024.
F. Natsir, A. Abdurahman, and R. A. Sihombing, “Prediction of Alternative Solar Energy Utilization in Internet of Things Based Systems Using Random Forest Algorithm,” Innov. Res. Informatics, vol. 7, no. 1, 2025.
Srinivasan, Vimaladevi, and Chakravarthi, “Solar Energy Monitoring System by IOT,” Int. J. Adv. Netw. Appl., no. November, pp. 46–51, 2019, [Online]. Available: https://www.researchgate.net/publication/345382904
A. Sudiarjo, M. Praseptiawan, N. G. Setyoningrum, H. M. Drajat, and F. Natsir, “Analysis of Image Improvement and Edge Identification Methods in Watermelon Image,” Innov. Innov. Res. Informatics, vol. 6, no. 1, pp. 35–40, 2024, [Online]. Available: https://jurnal.unsil.ac.id/index.php/innovatics/article/view/10699
A. Prakasa and F. D. Utami, “BMKG The Integrated Weather Radar Information System of BMKG,” J. Telecommun. Electron. Control Eng., vol. 1, no. 2, pp. 86–96, 2019.
A. Fahmi and A. Badruzzaman, “Prediksi Curah Hujan Jawa Barat Menggunakan Algoritma Machine Learning : Analisis Komparatif Berbasis Data Badan Meteorologi , Klimatologi , dan Geofisika ( BMKG ) 2024,” vol. 7, no. 2, pp. 438–446, 2026, doi: 10.47065/josh.v7i2.9018.
M. A. Fauzi, “Random Forest Approach fo Sentiment Analysis in Indonesian Language,” Indones. J. Electr. Eng. Comput. Sci., vol. 12, no. 1, pp. 46–50, 2018, doi: 10.11591/ijeecs.v12.i1.pp46-50.
O. Opitasari, F. Natsir, and E. S. Marsiani, “Klasifikasi Diagnosis untuk Penyakit Kanker Serviks Menggunakan Algoritma Extreme Gradient Boosting (XGBoost),” J. Ilm. FIFO, vol. 16, no. 1, p. 55, 2024, doi: 10.22441/fifo.2024.v16i1.006.
R. D. Marzuq, S. A. Wicaksono, and N. Y. Setiawan, “Prediksi Kanker Paru-Paru menggunakan Algoritme Random Forest Decision Tree,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 7, pp. 3448–3456, 2023.
Yoga Religia, Agung Nugroho, and Wahyu Hadikristanto, “Klasifikasi Analisis Perbandingan Algoritma Optimasi pada Random Forest untuk Klasifikasi Data Bank Marketing,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 187–192, Feb. 2021, doi: 10.29207/resti.v5i1.2813.
M. R. Givari, M. R. Sulaeman, and Y. Umaidah, “Perbandingan Algoritma SVM, Random Forest Dan XGBoost Untuk Penentuan Persetujuan Pengajuan Kredit,” Nuansa Inform., vol. 16, no. 1, pp. 141–149, 2022, doi: 10.25134/nuansa.v16i1.5406.
Z. Munawar and N. I. Putri, “Keamanan IoT Dengan Deep Learning dan Teknologi Big Data,” TEMATIK, vol. 7, no. 2, pp. 161–185, Dec. 2020, doi: 10.38204/TEMATIK.V7I2.479.
A. Sulistyohati and F. Natsir, “Model Prediksi Keberhasilan Mahasiswa Pada Mata Kuliah Rekayasa Perangkat Lunak Menggunakan Algoritma C5. 0,” J. Apl. Teknol. Inf. dan Manaj., vol. 6, no. 1, pp. 1–8, 2025.
Copyright (c) 2026 Fauzan Natsir, Redo Abeputra Sihombing, Abdurahman, Triana Dewi Salma, Muhammad Hidayat
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
