PENENTUAN ALGORITMA UNTUK PREDIKSI CURAH HUJAN DENGAN METODE SEASONAL DECOMPOSITION

Curah hujan yang tidak menentu dapat menyebabkan bencana alam seperti banjir dan kekeringan. Oleh karena itu, diperlukan sistem prediksi curah hujan yang akurat agar dapat membantu mitigasi bencana dan perencanaan sumber daya air. Penelitian ini bertujuan untuk menentukan algoritma yang optimal dalam memprediksi curah hujan menggunakan metode Seasonal Decomposition. Metode ini membagi data curah hujan menjadi tiga komponen utama, yaitu trend, seasonal, dan residual, sehingga dapat digunakan untuk memilih algoritma yang paling sesuai dengan karakteristik data. Algoritma SARIMAX digunakan untuk menangani komponen trend dan seasonal, sedangkan algoritma XGBoost digunakan untuk menangani komponen residual. Dataset yang digunakan dalam penelitian ini berasal dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) Stasiun Meteorologi Tunggul Wulung Cilacap, dengan rentang waktu dari Januari 2020 hingga Desember 2024. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE), Mean Squared Error (MSE), dan R-squared (R²). Hasil evaluasi menunjukkan bahwa model hybrid SARIMAX-XGBoost menghasilkan nilai MAE sebesar 0,36, R² sebesar 0,79, dan MSE sebesar 0,39, yang menunjukkan bahwa model ini memiliki performa yang baik dalam memprediksi curah hujan. Dengan demikian, penelitian ini dapat menjadi referensi bagi pengembangan model prediksi curah hujan yang lebih akurat dan efektif. Kata Kunci: Seasonal Decomposition, SARIMAX, XGBoost, prediksi curah hujan. Curah hujan yang tidak menentu dapat menyebabkan bencana alam seperti banjir dan kekeringan. Oleh karena itu, diperlukan sistem prediksi curah hujan yang akurat agar dapat membantu mitigasi bencana dan perencanaan sumber daya air. Penelitian ini bertujuan untuk menentukan algoritma yang optimal dalam memprediksi curah hujan menggunakan metode Seasonal Decomposition. Metode ini membagi data curah hujan menjadi tiga komponen utama, yaitu trend, seasonal, dan residual, sehingga dapat digunakan untuk memilih algoritma yang paling sesuai dengan karakteristik data. Algoritma SARIMAX digunakan untuk menangani komponen trend dan seasonal, sedangkan algoritma XGBoost digunakan untuk menangani komponen residual. Dataset yang digunakan dalam penelitian ini berasal dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) Stasiun Meteorologi Tunggul Wulung Cilacap, dengan rentang waktu dari Januari 2020 hingga Desember 2024. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE), Mean Squared Error (MSE), dan R-squared (R²). Hasil evaluasi menunjukkan bahwa model hybrid SARIMAX-XGBoost menghasilkan nilai MAE sebesar 0,36, R² sebesar 0,79, dan MSE sebesar 0,39, yang menunjukkan bahwa model ini memiliki performa yang baik dalam memprediksi curah hujan. Dengan demikian, penelitian ini dapat menjadi referensi bagi pengembangan model prediksi curah hujan yang lebih akurat dan efektif.