Abstrak

Perubahan iklim dapat di prediksi dengan menganalisis pergerakan cuaca pada
waktu tertentu, salah satunya dengan memprediksi curah hujan yang atributnya
terdiri dari Temperatur, Kelembapan, Lamanya penyinaran matahari, Kecepatan
angin sebagai acuan untuk digunakan memprediksi curah hujan di lokasi tertentu.
Prediksi curah hujan dapat dicapai dengan menggunakan metode klasifikasi pada
Data mining. Teknik yang berbeda menghasilkan kinerja yang berbeda pula
tergantung pada representasi data curah hujan termasuk representasi untuk pola
jangka panjang (bulan) dan pola jangka pendek (harian). Memilih teknik yang tepat
untuk durasi curah hujan tertentu merupakan tugas yang menantang. Studi ini
menganalisis menggunakan Neural Network setelah membandingakan dengan
metode K-NN, Naive Bayes, Decision Tree, Random Forest, Gradient Boost untuk
memprediksi curah hujan menggunakan data dari BMKG (Badan Meteorologi
Klimatologi dan Geofisika). Dataset yang telah dikumpulkan bersumber dari
Stasiun Geofisika Bandung, Indonesia. Dengan hasil sebelum di optimasi adalah
71.79% dan setelah metode Neural Network di optimasi dengan Algoritma
Genetika Evolutionary hasilnya meningkat menjadi 89,74%.