Analisis Probabilistik Untuk Perediksi Cuaca Di Kota Medan Dan Kabupaten Deli Serdang (Menggunakan Metode Rantai Markov)
Abstract
Cuaca merupakan fenomena alam yang sulit diprediksi karena dipengaruhi oleh berbagai variabel yang saling berkaitan. Peramalan cuaca memiliki peranan penting dalam pengambilan keputusan dan perencanaan aktivitas masyarakat sehari hari. Data meteorologi dari BMKG dapat dimanfaatkan untuk menganalisis dan memprediksi kondisi cuaca di masa mendatang. Salah satu metode yang dapat digunakan dalam peramalan cuaca adalah analisis Rantai Markov. Rantai Markov merupakan proses stokastik yang memodelkan sistem dinamis, di mana keadaan di masa depan hanya bergantung pada kondisi saat ini dan dapat dinyatakan dengan persamaan P{Xn+1 = j|X0 = i0 … …, Xn-1 = in-1,Xn = i} = P{Xn+1 = j| Xn == i} . Metode ini menggunakan matriks peluang transisi untuk memperkirakan perubahan keadaan secara metematis. Penelitian ini bertujuan menerapkan model Rantai markov untuk memprediksi cuaca harian di Kabupaten Deli Serdang dan kota medan berdasarkan data BMKG periode 1-30 September 2025. Variabel yang digunakan meliputi kondisi cerah, berawan, hujan ringan, dan hujan. Hasil menunjukkan bahwa di Deli Serdang, peluang hujan ringan mencapai 73% jika sebelumnya cerah, 65,6% jika berawan, dan 99,9% jika sebelumnya hujan ringan. Di Kota Medan, peluang berawan mencapai 77,7% jika sebelumnya cerah dan 99,9% jika sebelumnya berawan. Hasil ini menunjukkan bahwa model Rantai Markov efektif dalam merepresentasikan pola perubahan cuaca secara probabilistik dan akurat untuk peramalan jangka pendek.
Kata Kunci: 1; Rantai Markov, 2; Peramalan Cuaca, 3; Probabilitas Transisi, 4; BMKG, 5; Deli Serdang, Kota Medan
References
Andry, J. F. (2015). Implementasi Penerapan Markov Chain Pada Database Marketing Studi Kasus Pelanggan E-Commerce. Jurnal Syarikah, *5*(1), 94–108.
Az-zahra, K., Wiranatha, A. A. P. A. S., & Wrasiati, L. P. (2019). Analisis Pangsa Pasar Beberapa Merek Produk Minuman Susu Fermentasi dalam Kemasan dengan Metode Rantai Markov di Lingkungan Kampus Universitas Udayana. Jurnal Rekayasa Dan Manajemen Agroindustri, *7*(4), 561–571. https://doi.org/10.24843/jrma.2019.v07.i04.p08
Dewi, C., Kartikasari, D. P., & Mursityo, Y. T. (2014). Prediksi Cuaca Pada Data Time Series Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS). Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), *1*(1), 18–24.
Fauzy, M., Saleh, W., & Asror, I. (2016). Penerapan Metode Association Rule Menggunakan Algoritma Apriori untuk Prediksi Cuaca. Jurnal Ilmiah Teknologi Informasi Terapan, *2*(2), 221–227.
Ihsan, H., Sanusi, W., & Hasriani, H. (2020). Peramalan Pola Curah Hujan di Kota Makassar Menggunakan Model Rantai Markov. Journal of Mathematics, Computations, and Statistics, *2*(1), 19–28. https://doi.org/10.35580/jmathcos.v2i1.12448
Laksono, B. C., & Projo, N. W. K. (2021). Pemodelan Analisis Rantai Markov untuk Mengestimasi Potensi Kasus Narkoba di Indonesia. Seminar Nasional Official Statistics, *2021*(1), 715–722. https://doi.org/10.34123/semnasoffstat.v2021i1.1016
Langi, Y. A. R. (2011). Penentuan Klasifikasi State Pada Rantai Markov Dengan Menggunakan Nilai Eigen Dari Matriks Peluang Transisi. Jurnal Ilmiah Sains, *11*(1), 124–130. https://doi.org/10.35799/jis.11.1.2011.54
Masuku, F. N., Langi, Y. A., & Mongi, C. (2018). Analisis Rantai Markov Untuk Memprediksi Perpindahan Konsumen Maskapai Penerbangan Rute Manado-Jakarta. Jurnal Ilmiah Sains, *18*(2), 75–82. https://doi.org/10.35799/jis.18.2.2018.20495
Nurhamiddin, F., & Sulisa, F. M. (2019). Peramalan Cuaca Menggunakan Metode Rantai Markov. Jurnal Biosainstek, *2*(1), 16–22. https://doi.org/10.52046/biosainstek.v2i01.312
Nuryam, S., Arman, A., Jufra, J., & La Gubu, L. G. (2022). Aplikasi Analisis Rantai Markov Untuk Memprediksi Status Pasien Rumah Sakit Umum Daerah (RSUD) Kabupaten Buton. Jurnal Matematika Komputasi Dan Statistika, *2*(2), 85–91. https://doi.org/10.33772/jmks.v2i2.12
Phasa, A. S., & Astuti, Y. P. (2021). Analisis Perilaku Brand Switching Dengan Metode Rantai Markov. MATHunesa: Jurnal Ilmiah Matematika, *9*(1), 212–219. https://doi.org/10.26740/mathunesa.v9n1.p212-219
Rizanti, I. N., & Soehardjoepri, S. (2017). Prediksi Produksi Kayu Bundar Kabupaten Malang Dengan Menggunakan Metode Markov Chains. Jurnal Sains Dan Seni ITS, *6*(2), 89–94. https://doi.org/10.12962/j23373520.v6i2.27846
Rofiroh, D., Firdaus, F. N., & Salim, S. (2020). Aplikasi Rantai Markov Pada Prediksi Hari Bersalju di Beberapa Kota Amerika Serikat. Matematika FMIPA Unpam, *2*(2), 131–141.
Sasake, S., Lesnussa, Y. A., & Wattimena, A. Z. (2021). Peramalan Cuaca Menggunakan Metode Rantai Markov (Studi Kasus: Cuaca Harian di Kota Ambon). Jurnal Matematika, *11*(1), 1–10. https://doi.org/10.24843/jmat.2021.v11.i01.p131
Siboro, A. H., Simanjuntak, C. N., Manullang, M. A. I., Simanjuntak, N. A., Sitanggang, S. F., Simbolon, T. P., Simanunullang, S., & Nasution, A. S. (2025). Penerapan Rantai Markov Dalam Peramalan Cuaca (Studi Kasus: Cuaca Harian di Kota Padang). INNOVATIVE: Journal Of Social Science Research, *5*(3), 7262–7276.
Siregar, A. M., Tukino, T., Faisal, S., Fauzi, A., & Kadori, I. (2020). Klasifikasi Untuk Prediksi Cuaca Menggunakan Ensemble Learning. PETIR: Jurnal Pengkajian Dan Penerapan Teknik Informatika, *13*(2), 138–147. https://doi.org/10.33322/petir.v13i2.998
Subagyo, A. M., Jayadi, O., & Dewi, A. C. (2018). Analisis Strategi Bersaing Perusahaan Bus Menggunakan Teknik Rantai Markov, Game Theory, dan Short Route Models. JIEMS (Journal of Industrial Engineering and Management Systems), *11*(2), 48–59. https://doi.org/10.30813/jiems.v11i2.1180
Tjoe, T. F., & Sarjono, H. (2007). Model Rantai Markov Pangsa Pasar Operator Selular di Universitas Bina Nusantara, Jakarta Barat. The Winners, *8*(2), 139–148. https://doi.org/10.21512/tw.v8i2.736
Wele, I. H., Rumlaklak, N. D., & Boru, M. (2020). Sistem Peramalan Cuaca dengan Fuzzy Mamdani (Studi Kasus: BMKG Lasiana). Jurnal Komputer Dan Informatika, *8*(2), 163–169. https://doi.org/10.35508/jicon.v8i2.2883
