Hyper-local Campus Weather Forecasting System
Cuaca di daerah tropis seperti Manado sering berubah secara cepat dan bersifat lokal (micro-climate). Informasi prakiraan cuaca umum seringkali kurang spesifik untuk kebutuhan harian mahasiswa. Proyek ini bertujuan membangun sistem End-to-End yang tidak hanya memprediksi angka cuaca, tetapi memberikan Rekomendasi Aksi (Actionable Insights) secara real-time yang spesifik untuk area Kampus UNSRAT Bahu.
Sistem ini terdiri dari tiga komponen utama yang saling terintegrasi:
- Automated Data Pipeline (n8n): Mengambil data cuaca aktual dari API BMKG setiap jam dan menyimpannya ke Cloud Database (Google Sheets).
- Machine Learning Engine (XGBoost): Memproses data historis dan input real-time untuk memprediksi kondisi masa depan.
- Interactive Dashboard (Streamlit): Antarmuka pengguna untuk menampilkan prediksi dan rekomendasi cerdas.
<h3>1. Direct Multi-step Forecasting</h3>
<p>Alih-alih menggunakan metode <i>Recursive</i> yang rentan error, kami melatih <b>model terpisah</b> untuk setiap horizon waktu (T+1, T+3, T+6 jam).</p>
<h3>2. Hybrid Strategy (Suhu vs Hujan)</h3>
<ul>
<li><b>Suhu:</b> Dimodelkan menggunakan <b>Regresi</b> (<code>XGBRegressor</code>).</li>
<li><b>Hujan:</b> Dimodelkan menggunakan <b>Klasifikasi</b> (<code>XGBClassifier</code>) dengan penyesuaian <i>threshold</i> (>5mm) untuk mengatasi data <i>imbalanced</i>.</li>
</ul>
Model dievaluasi menggunakan data hold-out (Januari 2025 - Sekarang).
| Horizon Waktu | MAE Suhu (°C) | Akurasi Hujan | Status |
|---|---|---|---|
| 1 Jam (T+1) | 0.36 | 83% | ✅ Sangat Presisi |
| 3 Jam (T+3) | 0.59 | 74% | ✅ Andal |
| 6 Jam (T+6) | 0.71 | 72% | 👌 Cukup |
- Hybrid Input: Menerima input otomatis dari n8n atau input manual untuk simulasi.
- Smart Recommendation: Menerjemahkan angka prediksi menjadi saran bahasa manusia. Contoh: "☔ Sedia Payung/Jas Hujan: Akan turun hujan ringan. Lantai koridor mungkin licin."
- Mode Malam: Dukungan tema gelap untuk kenyamanan visual.
Sumber Data Latih: Model dilatih menggunakan data historis Stasiun Klimatologi Manado (Mapanget) sebagai regional proxy.
Validitas Lokasi: Meskipun dilatih dengan data regional, sistem dirancang untuk menerima input kondisi aktual Lokal (Kampus Bahu) saat inference, sehingga prediksi tetap relevan dengan mikroklimat kampus.
Dikembangkan oleh Kelompok 1 | Teknik Informatika - Universitas Sam Ratulangi | 2025