PEMODELAN REGRESI LINEAR UNTUK PERAMALAN SUHU RATA-RATA: STUDI KASUS KOTA SEMARANG
Keywords:
Peramalan suhu, Regresi linier, Analisa iklimAbstract
Peramalan suhu rata-rata memiliki peranan yang sangat penting dalam mendukung perencanaan yang efektif dan mitigasi dampak perubahan iklim. Kota Semarang, sebagai salah satu daerah dengan variasi suhu yang signifikan, memerlukan model prediksi yang akurat. Penelitian ini bertujuan untuk menganalisis kinerja metode regresi linier dalam meramalkan suhu rata-rata di Kota Semarang berdasarkan data meteorologi historis. Data yang digunakan dalam penelitian ini diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dengan rentang waktu antara tahun 2017 hingga 2023. Model regresi linier yang dikembangkan memanfaatkan 80% dari data sebagai data latih dan 20% sisanya sebagai data uji. Evaluasi terhadap model dilakukan dengan menggunakan metrik Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan R-squared (R²) untuk menilai tingkat akurasi prediksi yang dihasilkan. Hasil dari model yang dikembangkan menunjukkan nilai MSE sebesar 0.6078, RMSE sebesar 0.7949, dan R² sebesar 0.6023. Nilai MSE dan RMSE yang relatif rendah menunjukkan bahwa model ini memiliki tingkat kesalahan prediksi yang kecil. Selain itu, nilai R² mencerminkan bahwa model tersebut mampu menjelaskan 60,23% variasi suhu rata-rata, sementara sisanya dipengaruhi oleh faktor eksternal yang tidak dimasukkan ke dalam model. Hasil penelitian ini menunjukkan bahwa regresi linier terbukti cukup efektif dalam memprediksi suhu rata-rata di Kota Semarang. Namun, untuk meningkatkan akurasi prediksi yang dihasilkan, disarankan agar faktor tambahan seperti tekanan udara dan durasi penyinaran matahari dipertimbangkan, serta penerapan metode machine learning yang lebih kompleks untuk meningkatkan performa model
References
Rusmayadi, G., Salawati, U., Hilda, S., Adriani, D. E., & Saidy, A. R. (2023). Impact of global warming due to climate change on equatorial rain-patterned regions.
Supari, Tangang, F., Juneng, L., & Aldrian, E. (2017). Observed changes in extreme temperature and precipitation over Indonesia. International Journal of Climatology, 37(4), 1979-1997.
Akbar, R., Santoso, R., & Warsito, B. (2023). Prediksi Tingkat Temperatur Kota Semarang Menggunakan Metode Long Short-Term Memory (Lstm). Jurnal Gaussian, 11(4), 572-579.
Mulyani, D. (2015). Prediction of new student numbers using least square method. Int. J. Adv. Res. Artif. Intell, 4(11), 2011-2016.
Abijono, H., Santoso, P., & Anggreini, N. L. (2021). Algoritma supervised learning dan unsupervised learning dalam pengolahan data. G-Tech: Jurnal Teknologi Terapan, 4(2), 315-318.
Chang, Z., Lei, L., Zhou, Z., Mao, S., & Ristaniemi, T. (2018). Learn to cache: Machine learning for network edge caching in the big data era. IEEE Wireless Communications, 25(3), 28-35.
Naibaho, A. F. A., & Zahra, A. (2023). Prediksi Kelulusan Siswa Sekolah Menengah Pertama Menggunakan Machine Learning. Jurnal Informatika Dan Teknik Elektro Terapan, 11(3).
Sanny, L., Sarjono, H., Trend, W., & Moving, W. (2013). Peramalan Jumlah Siswa/I Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting. In Forum Ilmiah (Vol. 10, No. 2, pp. 198-208).
VanRossum, G., & Drake, F. L. (2010). The python language reference (Vol. 561). Amsterdam, The Netherlands: Python Software Foundation.
Lembang, F. K., Nara, E. A., Rumlawang, F. Y., & Talakua, M. W. (2019). Pemodelan pengaruh iklim terhadap angka kejadian demam berdarah di Kota Ambon menggunakan metode regresi generalized Poisson. Indonesian Journal of Statistics and Its Applications, 3(3), 341-351.
Abijono, H., Santoso, P., & Anggreini, N. L. (2021). Algoritma supervised learning dan unsupervised learning dalam pengolahan data. G-Tech: Jurnal Teknologi Terapan, 4(2), 315-318.
Pribadi, F. S. (2025). Penerapan Algoritma Linear Regression dan Support Vector Regression dalam Prediksi Temperatur Udara di Malang. Techno. com, 24(1).
Hamdanah, F. H., & Fitrianah, D. (2021). Analisis Performansi Algoritma Linear Regression dengan Generalized Linear Model untuk Prediksi Penjualan pada Usaha Mikra, Kecil, dan Menengah. Jurnal Nasional Pendidikan Teknik Informatika: JANAPATI, 10(1), 23-32.
Astari, N. M. A. J., & Ardiyasa, I. W. (2024). Prediksi Suhu AC Berdasarkan Riwayat Data Suhu dan Kelembapan Udara Menggunakan Regresi Linier Berganda. Jurnal Sistem dan Informatika (JSI), 18(2),159-166.
Setiawan, K. E., Shiddiqi, H. A., & Wicaksono, P. (2024). Multi-output machine learning regression for climate prediction: a comparative study of precipitation and temperature forecasting in Jakarta and East Kalimantan, Indonesia. Commun. Math. Biol. Neurosci., 2024, Article-ID.
BMKG. (2025). https://dataonline.bmkg.go.id/dataonline-home. Diakses pada tanggal 5 Juli 2025.
