SISTEM PREDIKSI CUACA BERBASIS MULTINODE MENGGUNAKAN ALGORITMA XGBOOST

Perubahan iklim global memicu dinamika cuaca mikro-lokal yang fluktuatif, sementara penggunaan stasiun pemantau tunggal (single-node) konvensional menyisakan masalah titik buta (blind spot) spasial. Penelitian ini bertujuan untuk merancang dan membangun sistem prediksi cuaca berbasis multinode menggunakan algoritma eXtreme Gradient Boosting (XGBoost) guna memprediksi suhu dan kondisi hujan berskala mikro secara real-time. Sistem dibangun mengintegrasikan tiga unit node sensor berbasis mikrokontroler Wemos D1 Mini (ESP8266), sensor DHT11, BMP280, LDR, sensor hujan, RTC DS3231, dan MicroSD Card. Data ditransmisikan secara nirkabel ke Firebase Realtime Database, diproses melalui backend server berbasis FastAPI Framework, dan dimodelkan dengan algoritma XGBoost melalui evaluasi 5-Fold Cross Validation terhadap 27.436 baris data, lalu ditayangkan pada web dashboard. Hasil pengujian Quality of Service (QoS) jaringan menunjukkan Delivery Rate sebesar 92,26%, Packet Loss 7,74%, dan rata-rata latency 235 ms. Evaluasi pemodelan XGBoost menghasilkan performa regresi suhu dengan Root Mean Square Error (RMSE) sebesar 0,89°C dan R² score sebesar 90,25%, serta klasifikasi cuaca dengan Akurasi Total 96% dan Recall hujan 98%. Pengujian black-box antarmuka dashboard menunjukkan tingkat keberhasilan 100%. Sistem terbukti presisi dan andal dalam mengeliminasi blind spot spasial serta menyajikan informasi peringatan dini cuaca mikro-lokal secara real-time.