Tentang Proyek
Informasi lengkap mengenai dataset, metodologi penelitian, dan stack teknologi yang digunakan.
Stasiun BMKG
Nama Stasiun
Stasiun Klimatologi Jawa Barat
ID WMO
96753
Lintang
6.50° LS
Bujur
107.61° BT
Elevasi
207 meter dpl
Rentang Data
1 Jan 2021 – 12 Mei 2026
Total Data
1,958 hari observasi (BMKG + ERA5)
Target Variable
FF_AVG — Kecepatan angin rata-rata (m/s)
Lisensi
Open Data BMKG
Tech Stack
Python 3.10+
Bahasa pemrograman utama
Flask 3.0
Web framework backend
TensorFlow 2.16
Training ANN dan LSTM
scikit-learn 1.4
Linear Regression & K-Means
NumPy
Backpropagation manual
Pandas
Preprocessing & manipulasi data
Open-Meteo API
Data cuaca historis & prakiraan
Chart.js 4
Visualisasi interaktif
Bootstrap 5.3
Frontend UI/UX responsif
Ringkasan Metrik Model
Linear Regression
R²=-0.1851
ANN
R²=0.1292
RNN/LSTM
R²=-0.2717
Backpropagation
R²=0.0207
K-Means
Sil=0.3941
Dilatih: 2026-05-17 21:47:26
Deskripsi Fitur Dataset
| Kolom | Nama Lengkap | Satuan | Tipe | Keterangan |
|---|---|---|---|---|
| TANGGAL | Tanggal Observasi | — | Temporal | Tanggal pengamatan harian dari stasiun BMKG |
| TN | Suhu Minimum | °C | Fitur | Suhu udara minimum harian yang tercatat |
| TX | Suhu Maksimum | °C | Fitur | Suhu udara maksimum harian yang tercatat |
| TAVG | Suhu Rata-rata | °C | Fitur | Rata-rata suhu udara sepanjang hari |
| RH_AVG | Kelembaban Relatif Rata-rata | % | Fitur | Rata-rata kelembaban udara harian |
| RR | Curah Hujan | mm | Fitur | Jumlah curah hujan harian, 0 jika tidak hujan |
| SS | Lama Penyinaran Matahari | jam | Fitur | Durasi efektif sinar matahari per hari |
| FF_X | Kecepatan Angin Maksimum | m/s | Fitur | Kecepatan angin tertinggi yang tercatat |
| DDD_X | Arah Angin saat Maks | derajat | Fitur | Arah angin saat kecepatan maksimum terjadi |
| FF_AVG | Kecepatan Angin Rata-rata | m/s | TARGET | Variabel target yang diprediksi oleh semua model |
| DDD_CAR | Arah Angin Kartu | — | Kategorik | Notasi arah angin kartu (N/S/E/W/C dll) |
| day_of_year | Hari ke-N dalam Tahun | 1–366 | Engineered | Representasi posisi musiman dalam setahun |
| month | Bulan | 1–12 | Engineered | Bulan observasi, diturunkan dari TANGGAL |
| FF_AVG_lag1 | Lag FF_AVG 1 Hari | m/s | Engineered | Nilai FF_AVG dari hari sebelumnya (t-1) |
| FF_AVG_lag7 | Lag FF_AVG 7 Hari | m/s | Engineered | Nilai FF_AVG dari 7 hari sebelumnya (t-7) |
| FF_AVG_roll7 | Rolling Mean 7 Hari | m/s | Engineered | Rata-rata bergerak FF_AVG selama 7 hari terakhir |
Alur Metodologi Penelitian
1
Pengumpulan Data
Download data observasi harian dari BMKG DataOnline (Mei 2024–Mei 2026) dan data ERA5 Reanalysis via Open-Meteo API (Jan 2021–Mei 2024). Total 1.958 baris.
2
Preprocessing
Penggabungan 25 file Excel, interpolasi missing values, normalisasi fitur, dan feature engineering (lag, rolling mean, temporal).
3
EDA
Analisis distribusi, korelasi antar fitur, identifikasi outlier, dan visualisasi tren temporal data kecepatan angin.
4
Training Model
Pelatihan 5 algoritma: Linear Regression, ANN, LSTM, K-Means, Backpropagation dengan split 70:15:15 berbasis waktu.
5
Evaluasi
Perbandingan metrik MAE, RMSE, R², MAPE, dan Silhouette Score untuk menentukan model terbaik.
6
Deployment
Pengembangan web app Flask dengan integrasi Open-Meteo API, lalu deploy ke hosting publik dengan domain .my.id.
Sumber Data & Referensi API
Sumber Dataset
dataonline.bmkg.go.id
BMKG DataOnline — Dataset historis harian stasiun iklim seluruh Indonesia
bmkg.go.id
Badan Meteorologi, Klimatologi, dan Geofisika — Portal resmi BMKG
API Cuaca (Prediksi Real-time)
open-meteo.com
Open-Meteo — API cuaca gratis, tanpa API key, data historis sejak 1940 & prakiraan 16 hari ke depan
archive-api.open-meteo.com
Endpoint arsip historis Open-Meteo — digunakan untuk tanggal di luar rentang dataset BMKG