Analisis performansi prakiraan cuaca menggunakan algoritma machine learning

Prakiraan cuaca menjadi sangat urgen dalam berbagai bidang kehidupan manusia, termasuk di kota kota besar. Kebutuhan akan akurasi prakiraan cuaca akan efektif dan efisien dalam mengelola kualitas peradaban secara fleksibel. Pada banyak kasus didapati bahwa hasil prakiraan cuaca dalam kota yang sama berbeda bergantung pada radiusnya. Hal ini tentu saja membutuhkan algoritma yang presisi dan akurat untuk menentukannya. Algoritma yang digunakan berbasiskan machine learning jenis jaringan saraf tiruan yang mengkomparasikan antara backpropagation dan bayessian regularization. Hasil yang diperoleh menunjukkan bahwa bayessian regularization mengungguli back propagation dengan MSE terkecil dan akurasi tertinggi serta waktu komputasi tersingkat untuk menentukan prakiraan cuaca cerah, berawan, hujan ringan dan hujan berat.Distribusi data yang tidak seimbang berakibat pada fluktuasi naik-turun pada perhitungan MSE dan akurasi.Penambahan data latih akan meningkatkan kinerja sistem yang ditunjukkan dengan peningkatan akurasi yang signifikan. Demikian juga, penurunan MSE dapat meningkatkan akurasi sistem untuk mencapai titik stabilitas konvergensi. Hal ini menjadi indikator bahwa performansi bayessian regularization menjadi algoritma yang direkomendasikan untuk perkiraan cuaca di dalam kota dan sekitarnya, bahkan antar provinsi atau antar negara.