PENERAPAN METODE EXTREME GRADIENT BOOSTING (XGBOOST) UNTUK MERAMALKAN INTENSITAS CURAH HUJAN DI KOTA MEDAN

Curah hujan yang tinggi dan tidak menentu di Kota Medan sering menyebabkan bencana banjir, sehingga peramalan curah hujan yang akurat diperlukan untuk mengantisipasi banjir. Penelitian ini bertujuan untuk meramalkan curah hujan harian dengan menerapkan metode Extreme Gradient Boosting (XGBoost) menggunakan data historis BMKG wilayah 1 Medan periode 2013–2022. Proses pemodelan melibatkan tahapan preprocessing data, feature engineering, dan standardisasi data.Penelitian ini menggunakan tiga skenario pembagian data (70:30, 80:20, dan 90:10 untuk pelatihan dan pengujian) untuk menentukan pembagian yang paling optimal. Hasil penelitian menunjukkan bahwa skenario 80:20 menghasilkan kinerja terbaik sebesar Mean Absolute Error (MAE) 0,97 dan Root Mean Square Error (RMSE) 1,80. Penggunaan feature importance menunjukkan bahwa CH_diff7, CH_Diff1, dan Rhrata-rata merupakan prediktor yang paling kuat dalam meramalkan curah hujan.Akurasi model berhasil ditingkatkan dengan melakukan seleksi fitur, di mana penggunaan 9 fitur teratas mampu menurunkan nilai MAE menjadi 0.93 dan RMSE menjadi 1.71. Hasil peramalan menunjukkan bahwa pola curah hujan yang diprediksi oleh model cenderung mengikuti pola data aktual serta dapat meramalkan peningkatan curah hujan pada saat terjadinya hujan ekstrem. Hasil penelitian ini menunjukkan bahwa metode XGBoost yang dikombinasikan dengan proses feature engineering dan features importance mampu memberikan hasil yang efektif dalam peramalan curah hujan harian di Kota Medan.