Evaluasi Performa Random Forest Dalam Prediksi Thunderstorm Berbasis Indeks Labilitas Atmosfer Di Cilacap

Abstract

Thunderstorm (TS) merupakan salah satu fenomena cuaca signifikan yang berpotensi menimbulkan dampak hidrometeorologi, sehingga diperlukan pendekatan prediktif berbasis parameter udara atas untuk meningkatkan upaya mitigasi. Penelitian ini bertujuan membangun model prediksi kejadian TS di wilayah Cilacap menggunakan indeks labilitas atmosfer yang dihitung dari data radiosonde serta observasi cuaca permukaan. Dataset mencakup periode 2020–2024 dan terdiri dari lima indeks labilitas atmosfer, yaitu Showalter Index (SI), Lifted Index (LI), K-Index (KI), Totals Totals Index (TT), dan Convective Available Potential Energy (CAPE), yang dipadukan dengan data present weather untuk menentukan label kejadian TS. Model Random Forest Classifier digunakan dengan pembagian data latih dan uji sebesar 7:3, serta pengaturan class_weight = 'balanced' untuk menangani ketidakseimbangan kelas. Hasil evaluasi menunjukkan akurasi sebesar 79% dan nilai Area Under Curve (AUC) sebesar 0.74 yang mengindikasikan kemampuan diskriminasi model berada pada kategori cukup baik. Analisis feature importance menunjukkan bahwa KI merupakan prediktor paling dominan, diikuti TT, SI, dan LI, sedangkan CAPE memberikan kontribusi terendah. Temuan ini menunjukkan bahwa pemodelan kejadian thunderstorm berbasis indeks labilitas atmosfer menggunakan algoritma Random Forest memiliki potensi diterapkan sebagai pendekatan prediktif pada wilayah Cilacap.