---

Analisis Data Cuaca Indonesia

Eksplorasi Mendalam · Rekayasa Fitur · Deteksi Outlier · Visualisasi Interaktif

Data Science Weather Analytics Feature Engineering R Markdown Indonesia

---

INSTITUT TEKNOLOGI SAINS BANDUNG

Refantanur Husnul Haqib

NIM: 52250052

INSTITUT TEKNOLOGI SAINS BANDUNG

Andre

NIM: 52250065

INSTITUT TEKNOLOGI SAINS BANDUNG

Naifah Edria Arta

NIM: 52250056

INSTITUT TEKNOLOGI SAINS BANDUNG

Cahaya Medina Semidang

NIM: 52250053

INSTITUT TEKNOLOGI SAINS BANDUNG

Cloise Shafira

NIM: 52250044

INSTITUT TEKNOLOGI SAINS BANDUNG

N.MD Aurora Sekarningrum

NIM: 52250072

INSTITUT TEKNOLOGI SAINS BANDUNG

Januaria Terensnha

NIM: 52250076

INSTITUT TEKNOLOGI SAINS BANDUNG

Chricyesia W. f. Uvas

NIM: 52250075

INSTITUT TEKNOLOGI SAINS BANDUNG

M.Nabil Khairil Anam

NIM: 52250066

INSTITUT TEKNOLOGI SAINS BANDUNG

Veronica M L F Xavier

NIM: 52250021

Mengimpor dan Memeriksa Data

Apa yang kita lakukan di sini?

Langkah pertama dalam setiap analisis data adalah memahami data yang kita miliki. Dataset ini berisi observasi cuaca dari 5 kota besar Indonesia — Jakarta, Bandung, Surabaya, Makassar, dan Medan — mencakup suhu, kelembaban, curah hujan, dan kecepatan angin. Sebelum menganalisis, kita harus tahu: apa yang ada di dalamnya? Apakah ada yang hilang? Apakah formatnya benar?

Import Data

# ============================================================
# 6.9.1.1 — IMPORT DATA DARI GITHUB
# ============================================================
url <- "https://raw.githubusercontent.com/cahayasemidang-max/data-transformation/refs/heads/main/6%20Data-Transformation%20%E2%80%93%20Data%20Science%20Programming.csv"

data <- read_csv(url, show_col_types = FALSE) |>
  rename(
    ID_Observasi      = Observation_ID,
    Tanggal           = Date,
    Lokasi            = Location,
    Musim             = Season,
    Suhu              = Temperature,
    Kelembaban        = Humidity,
    `Curah hujan`     = Rainfall,
    `Kecepatan Angin` = Wind_Speed
  )

cat("✅ Data berhasil dimuat!\n")

## ✅ Data berhasil dimuat!

cat(sprintf("Total observasi : %d baris x %d kolom\n", nrow(data), ncol(data)))

## Total observasi : 500 baris x 9 kolom

cat(sprintf("Kota           : %s\n", paste(unique(data$Lokasi), collapse = ", ")))

## Kota           : Jakarta, Bandung, Makassar, Surabaya, Medan

cat(sprintf("Rentang tanggal : %s s/d %s\n",
            min(data$Tanggal, na.rm = TRUE),
            max(data$Tanggal, na.rm = TRUE)))

## Rentang tanggal : 2020-01-02 s/d 2024-12-29

Inspeksi Struktur

# Lihat struktur data
glimpse(data)

## Rows: 500
## Columns: 9
## $ ...1              <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 1…
## $ ID_Observasi      <chr> "JpeDLWuzIJdl", "EF8r6hXBCqfr", "cov0TYDwyQoF", "aRB…
## $ Tanggal           <date> 2021-07-14, 2020-11-16, 2023-03-22, 2023-01-02, 202…
## $ Lokasi            <chr> "Jakarta", "Bandung", "Makassar", "Surabaya", "Medan…
## $ Musim             <chr> "Dry Season", "Rainy Season", "Transitional Season",…
## $ Suhu              <dbl> 30.7, 26.2, 27.5, 26.8, 24.9, 31.1, 23.7, 26.3, 26.0…
## $ Kelembaban        <dbl> 89.5, 70.1, 80.7, 90.4, 85.4, 68.2, 99.7, 60.0, 68.3…
## $ `Curah hujan`     <dbl> 7.9, 4.6, 11.0, 8.7, 7.5, 3.2, 3.8, 21.1, 5.2, 3.4, …
## $ `Kecepatan Angin` <dbl> 9.5, 5.6, 13.1, 4.4, 5.2, 4.5, 11.0, 1.1, 7.0, 7.2, …

Tabel Preview Interaktif

datatable(
  head(data, 50),
  options = list(
    pageLength = 10,
    scrollX    = TRUE,
    dom        = "Bfrtip",
    buttons    = c("copy","csv","excel"),
    columnDefs = list(list(className = "dt-center", targets = "_all"))
  ),
  rownames = FALSE,
  caption  = "Preview 50 Baris Pertama Dataset Cuaca Indonesia",
  class    = "display nowrap"
) |>
  formatRound(columns = c("Suhu","Kelembaban","Curah hujan","Kecepatan Angin"), digits = 2) |>
  formatStyle(
    columns    = "Suhu",
    background = styleColorBar(range(data$Suhu, na.rm = TRUE), "#4a7c59"),
    backgroundSize     = "100% 90%",
    backgroundRepeat   = "no-repeat",
    backgroundPosition = "center"
  )

Ringkasan Statistik

data |>
  select(Suhu, Kelembaban, `Curah hujan`, `Kecepatan Angin`) |>
  pivot_longer(everything(), names_to = "Variabel", values_to = "Nilai") |>
  group_by(Variabel) |>
  summarise(
    N        = n(),
    Min      = min(Nilai, na.rm = TRUE),
    Q1       = quantile(Nilai, 0.25, na.rm = TRUE),
    Median   = median(Nilai, na.rm = TRUE),
    Mean     = mean(Nilai, na.rm = TRUE),
    Q3       = quantile(Nilai, 0.75, na.rm = TRUE),
    Max      = max(Nilai, na.rm = TRUE),
    SD       = sd(Nilai, na.rm = TRUE),
    Skewness = round(skewness(Nilai, na.rm = TRUE), 3)
  ) |>
  kable(
    caption = "Ringkasan Statistik Deskriptif Variabel Numerik",
    digits  = 2, align = "c"
  ) |>
  kable_styling(
    bootstrap_options = c("striped","hover","condensed","responsive"),
    full_width = TRUE, font_size = 13
  ) |>
  row_spec(0, bold = TRUE, background = "#4a7c59", color = "white") |>
  column_spec(1, bold = TRUE, color = "#4a7c59")

Ringkasan Statistik Deskriptif Variabel Numerik

Variabel	N	Min	Q1	Median	Mean	Q3	Max	SD	Skewness
Curah hujan	500	0.3	4.7	8.25	9.81	13.4	48.7	6.75	1.40
Kecepatan Angin	500	1.0	4.9	8.50	8.18	11.5	14.9	3.98	-0.04
Kelembaban	500	60.0	69.1	79.15	79.46	89.6	100.0	11.69	0.06
Suhu	500	16.9	25.0	27.00	26.92	29.1	37.5	3.06	-0.10

---

Membersihkan Data

Mengapa membersihkan data itu penting?

Data di dunia nyata seringkali tidak sempurna — ada nilai yang hilang, duplikat, satuan tidak konsisten, atau format tanggal yang salah. Tahap ini memastikan data dalam kondisi bersih dan siap dianalisis.

Cek Missing Values & Duplikat

missing_summary <- data |>
  summarise(across(everything(), ~sum(is.na(.)))) |>
  pivot_longer(everything(), names_to = "Kolom", values_to = "Jumlah_Missing") |>
  mutate(
    Persen_Missing = round(Jumlah_Missing / nrow(data) * 100, 2),
    Status = ifelse(Jumlah_Missing == 0, "✅ Bersih", "⚠️ Ada Missing")
  )

missing_summary |>
  kable(caption = "Status Missing Values per Kolom", align = "lrrc") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE) |>
  row_spec(0, bold = TRUE, background = "#4a7c59", color = "white") |>
  row_spec(which(missing_summary$Jumlah_Missing > 0),
           background = "#fef9ec", color = "#8b5e3c")

Status Missing Values per Kolom

Kolom	Jumlah_Missing	Persen_Missing	Status
…1	0	0	✅ Bersih |
ID_Observasi	0	0	✅ Bersih |
Tanggal	0	0	✅ Bersih |
Lokasi	0	0	✅ Bersih |
Musim	0	0	✅ Bersih |
Suhu	0	0	✅ Bersih |
Kelembaban	0	0	✅ Bersih |
Curah hujan	0	0	✅ Bersih |
Kecepatan Angin	0	0	✅ Bersih |

# --- Cek duplikat ---
n_duplikat <- sum(duplicated(data))
cat(sprintf("Baris duplikat ditemukan: %d\n", n_duplikat))

## Baris duplikat ditemukan: 0

if (n_duplikat == 0) cat("✅ Tidak ada duplikat — data bersih!\n") else {
  data <- data |> distinct()
  cat(sprintf("✅ %d duplikat telah dihapus.\n", n_duplikat))
}

## ✅ Tidak ada duplikat — data bersih!

Standarisasi Satuan

# --- Konversi suhu: Celsius → Fahrenheit & Kelvin ---
data <- data |>
  mutate(
    Suhu_Fahrenheit = round((Suhu * 9/5) + 32, 2),
    Suhu_Kelvin     = round(Suhu + 273.15, 2)
  )

data |>
  select(Lokasi, Suhu, Suhu_Fahrenheit, Suhu_Kelvin) |>
  head(8) |>
  kable(
    caption = "Konversi Suhu: Celsius → Fahrenheit & Kelvin",
    align = "c", digits = 2
  ) |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE) |>
  row_spec(0, bold = TRUE, background = "#c17f3a", color = "white")

Konversi Suhu: Celsius → Fahrenheit & Kelvin

Lokasi	Suhu	Suhu_Fahrenheit	Suhu_Kelvin
Jakarta	30.7	87.3	304
Bandung	26.2	79.2	299
Makassar	27.5	81.5	301
Surabaya	26.8	80.2	300
Medan	24.9	76.8	298
Jakarta	31.1	88.0	304
Medan	23.7	74.7	297
Bandung	26.3	79.3	299

Parsing Tanggal

# --- Dekomposisi kolom tanggal ---
data <- data |>
  mutate(
    Tanggal           = as.Date(Tanggal),
    Tahun             = year(Tanggal),
    Bulan             = month(Tanggal),
    Hari              = day(Tanggal),
    Hari_Dalam_Tahun  = yday(Tanggal),
    Hari_Dalam_Minggu = wday(Tanggal, label = TRUE, abbr = FALSE),
    Nama_Bulan        = month(Tanggal, label = TRUE, abbr = FALSE)
    # Kolom Jam tidak dibuat — data harian tidak memiliki informasi jam
  )


data |>
  select(Tanggal, Tahun, Bulan, Nama_Bulan, Hari, Hari_Dalam_Tahun, Hari_Dalam_Minggu) |>
  head(10) |>
  kable(
    caption = "Hasil Parsing Kolom Tanggal Menjadi Komponen Temporal",
    align = "c"
  ) |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = TRUE) |>
  row_spec(0, bold = TRUE, background = "#4a7c59", color = "white")

Hasil Parsing Kolom Tanggal Menjadi Komponen Temporal

Tanggal	Tahun	Bulan	Nama_Bulan	Hari	Hari_Dalam_Tahun	Hari_Dalam_Minggu
2021-07-14	2021	7	Juli	14	195	Rabu
2020-11-16	2020	11	November	16	321	Senin
2023-03-22	2023	3	Maret	22	81	Rabu
2023-01-02	2023	1	Januari	2	2	Senin
2023-06-05	2023	6	Juni	5	156	Senin
2023-03-15	2023	3	Maret	15	74	Rabu
2021-09-25	2021	9	September	25	268	Sabtu
2020-02-18	2020	2	Februari	18	49	Selasa
2023-02-25	2023	2	Februari	25	56	Sabtu
2023-08-19	2023	8	Agustus	19	231	Sabtu

---

Rekayasa Fitur (Feature Engineering)

Apa itu Feature Engineering?

Feature Engineering adalah seni mengubah data mentah menjadi fitur-fitur baru yang lebih bermakna bagi model machine learning. Ibarat seorang koki yang mengubah bahan mentah menjadi hidangan lezat — kita ciptakan fitur yang lebih informatif dari data cuaca mentah.

Rata-rata Harian & Bulanan

# ============================================================
# 6.9.1.3 — REKAYASA FITUR
# ============================================================

rata_harian <- data |>
  group_by(Lokasi, Tanggal) |>
  summarise(
    Suhu_Harian       = mean(Suhu, na.rm = TRUE),
    Kelembaban_Harian = mean(Kelembaban, na.rm = TRUE),
    Hujan_Harian      = sum(`Curah hujan`, na.rm = TRUE),
    Angin_Harian      = mean(`Kecepatan Angin`, na.rm = TRUE),
    .groups = "drop"
  )

rata_bulanan <- data |>
  group_by(Lokasi, Tahun, Bulan) |>
  summarise(
    Suhu_Bulanan       = mean(Suhu, na.rm = TRUE),
    Kelembaban_Bulanan = mean(Kelembaban, na.rm = TRUE),
    Hujan_Bulanan      = sum(`Curah hujan`, na.rm = TRUE),
    Angin_Bulanan      = mean(`Kecepatan Angin`, na.rm = TRUE),
    .groups = "drop"
  )


head(rata_harian, 5) |>
  kable(digits = 2, 
        captions = "Rata-Rata Bulanan 5 Sampel Pertama", 
        align = "c") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = TRUE) |>
  row_spec(0, bold = TRUE, background = "#4a7c59", color = "white")

Lokasi	Tanggal	Suhu_Harian	Kelembaban_Harian	Hujan_Harian	Angin_Harian
Bandung	2020-01-02	24.4	96.4	0.6	12.8
Bandung	2020-02-15	24.3	96.4	4.9	9.9
Bandung	2020-02-18	26.3	60.0	21.1	1.1
Bandung	2020-03-16	25.5	64.6	24.6	4.6
Bandung	2020-03-24	27.3	76.1	3.0	6.8

head(rata_bulanan, 5) |>
  kable(digits = 2, 
        captions = "Rata-Rata Bulanan 5 Sampel Pertama",
        align = "c") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = TRUE) |>
  row_spec(0, bold = TRUE, background = "#8b5e3c", color = "white")

Lokasi	Tahun	Bulan	Suhu_Bulanan	Kelembaban_Bulanan	Hujan_Bulanan	Angin_Bulanan
Bandung	2020	1	24.4	96.4	0.6	12.8
Bandung	2020	2	25.3	78.2	26.0	5.5
Bandung	2020	3	26.4	70.3	27.6	5.7
Bandung	2020	4	26.3	77.2	7.4	10.6
Bandung	2020	7	25.8	66.7	4.7	9.9

Fitur Lag & Perubahan

data <- data |>
  arrange(Lokasi, Tanggal) |>
  group_by(Lokasi) |>
  mutate(
    Suhu_Kemarin       = lag(Suhu, 1),
    Suhu_3Hari_Lalu    = lag(Suhu, 3),
    Suhu_7Hari_Lalu    = lag(Suhu, 7),
    Delta_Suhu         = Suhu - Suhu_Kemarin,
    Kelembaban_Kemarin = lag(Kelembaban, 1),
    Delta_Kelembaban   = Kelembaban - Kelembaban_Kemarin,
    Hujan_Kemarin      = lag(`Curah hujan`, 1),
    Hujan_3Hari_Lalu   = lag(`Curah hujan`, 3)
  ) |>
  ungroup()


data |>
  select(Lokasi, Tanggal, Suhu, Suhu_Kemarin, Suhu_3Hari_Lalu, Suhu_7Hari_Lalu, Delta_Suhu) |>
  filter(!is.na(Suhu_7Hari_Lalu)) |>
  head(10) |>
  kable(digits = 2, align = "c",
        caption = "Fitur Temporal: Lag 1, 3, 7 Hari dan Perubahan Harian") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = TRUE) |>
  row_spec(0, bold = TRUE, background = "#4a7c59", color = "white") |>
  column_spec(7,
    color = ifelse(
      (data |> filter(!is.na(Suhu_7Hari_Lalu)) |> head(10) |> pull(Delta_Suhu)) > 0,
      "#4a7c59", "#c17f3a"
    )
  )

Fitur Temporal: Lag 1, 3, 7 Hari dan Perubahan Harian

Lokasi	Tanggal	Suhu	Suhu_Kemarin	Suhu_3Hari_Lalu	Suhu_7Hari_Lalu	Delta_Suhu
Bandung	2020-08-12	27.7	25.8	27.3	24.4	1.9
Bandung	2020-10-14	21.2	27.7	26.3	24.3	-6.5
Bandung	2020-10-25	28.6	21.2	25.8	26.3	7.4
Bandung	2020-11-16	26.2	28.6	27.7	25.5	-2.4
Bandung	2020-11-27	27.8	26.2	21.2	27.3	1.6
Bandung	2020-12-21	28.5	27.8	28.6	26.3	0.7
Bandung	2021-01-03	30.6	28.5	26.2	25.8	2.1
Bandung	2021-03-17	28.7	30.6	27.8	27.7	-1.9
Bandung	2021-04-25	29.9	28.7	28.5	21.2	1.2
Bandung	2021-05-03	25.6	29.9	30.6	28.6	-4.3

Rolling Mean (Moving Average)

data <- data |>
  arrange(Lokasi, Tanggal) |>
  group_by(Lokasi) |>
  mutate(
    Suhu_MA3   = round(rollmeanr(Suhu, k = 3,  fill = NA), 2),
    Suhu_MA7   = round(rollmeanr(Suhu, k = 7,  fill = NA), 2),
    Suhu_MA14  = round(rollmeanr(Suhu, k = 14, fill = NA), 2),
    Hujan_MA7  = round(rollmeanr(`Curah hujan`, k = 7, fill = NA), 2)
  ) |>
  ungroup()

data |>
  filter(Lokasi == "Jakarta", !is.na(Suhu_MA14)) |>
  select(Tanggal, Suhu, Suhu_MA3, Suhu_MA7, Suhu_MA14) |>
  head(10) |>
  kable(digits = 2, align = "c",
        caption = "Moving Average Suhu Jakarta: MA-3, MA-7, MA-14 Hari") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = TRUE) |>
  row_spec(0, bold = TRUE, background = "#d4a017", color = "white")

Moving Average Suhu Jakarta: MA-3, MA-7, MA-14 Hari

Tanggal	Suhu	Suhu_MA3	Suhu_MA7	Suhu_MA14
2020-09-24	31.2	27.1	27.2	27.5
2020-09-25	29.7	29.0	27.3	27.8
2020-09-29	20.5	27.1	26.9	27.5
2020-10-30	24.3	24.8	26.9	27.8
2020-11-09	25.3	23.4	25.9	27.4
2020-11-20	28.9	26.2	26.6	27.3
2021-01-10	34.9	29.7	27.8	27.5
2021-01-11	29.5	31.1	27.6	27.4
2021-01-21	26.6	30.3	27.1	27.2
2021-02-05	24.7	26.9	27.7	27.3

Heat Index & Humidex

data <- data |>
  mutate(
    # Heat Index — Formula Rothfusz (konversi ke Fahrenheit dulu, lalu kembali ke Celsius)
    HI_F = -42.379 +
             2.04901523  * Suhu_Fahrenheit +
            10.14333127  * Kelembaban -
             0.22475541  * Suhu_Fahrenheit * Kelembaban -
             0.00683783  * Suhu_Fahrenheit^2 -
             0.05481717  * Kelembaban^2 +
             0.00122874  * Suhu_Fahrenheit^2 * Kelembaban +
             0.00085282  * Suhu_Fahrenheit * Kelembaban^2 -
             0.00000199  * Suhu_Fahrenheit^2 * Kelembaban^2,

    Indeks_Panas = round((HI_F - 32) * 5/9, 2),

    # Humidex — Canadian formula
    Humidex = round(
      Suhu + 0.5555 * (6.11 * exp(5417.7530 *
        (1/273.16 - 1/(273.16 + (Kelembaban/100) * (Suhu - 14.4)))) - 10), 2
    ),

    Kategori_Panas = case_when(
      Indeks_Panas < 27 ~ "Nyaman",
      Indeks_Panas < 32 ~ "Hati-hati",
      Indeks_Panas < 41 ~ "Sangat Hati-hati",
      Indeks_Panas < 54 ~ "Berbahaya",
      TRUE              ~ "Ekstrem"
    )
  ) |>
  select(-HI_F)

data |>
  select(Lokasi, Tanggal, Suhu, Kelembaban, Indeks_Panas, Humidex, Kategori_Panas) |>
  head(12) |>
  kable(digits = 2, align = "c",
        caption = "Heat Index dan Humidex berdasarkan Suhu & Kelembaban") |>
  kable_styling(bootstrap_options = c("striped","hover","condensed"), full_width = TRUE) |>
  row_spec(0, bold = TRUE, background = "#c17f3a", color = "white")

Heat Index dan Humidex berdasarkan Suhu & Kelembaban

Lokasi	Tanggal	Suhu	Kelembaban	Indeks_Panas	Humidex	Kategori_Panas
Bandung	2020-01-02	24.4	96.4	23.9	25.5	Nyaman
Bandung	2020-02-15	24.3	96.4	23.7	25.4	Nyaman
Bandung	2020-02-18	26.3	60.0	27.2	26.4	Hati-hati
Bandung	2020-03-16	25.5	64.6	26.5	25.6	Nyaman
Bandung	2020-03-24	27.3	76.1	30.0	28.5	Hati-hati
Bandung	2020-04-03	26.3	77.2	28.1	27.2	Hati-hati
Bandung	2020-07-15	25.8	66.7	26.9	26.1	Nyaman
Bandung	2020-08-12	27.7	84.2	31.9	29.6	Hati-hati
Bandung	2020-10-14	21.2	65.3	23.9	20.3	Nyaman
Bandung	2020-10-25	28.6	78.3	33.3	30.4	Sangat Hati-hati
Bandung	2020-11-16	26.2	70.1	27.6	26.7	Hati-hati
Bandung	2020-11-27	27.8	87.8	32.8	29.9	Sangat Hati-hati

Fitur Siklik (Sin & Cos)

# Transformasi siklik: hari ke-1 dan ke-365 BERDEKATAN secara musiman
# tapi angkanya jauh — sin/cos mengatasi ini
data <- data |>
  mutate(
    sin_tahun = round(sin(2 * pi * Hari_Dalam_Tahun / 365), 4),
    cos_tahun = round(cos(2 * pi * Hari_Dalam_Tahun / 365), 4)
    # sin_hari dihapus — redundan dengan sin_tahun (hampir identik)
  )


data |>
  select(Tanggal, Hari_Dalam_Tahun, sin_tahun, cos_tahun) |>
  distinct(Hari_Dalam_Tahun, .keep_all = TRUE) |>
  arrange(Hari_Dalam_Tahun) |>
  head(12) |>
  kable(digits = 4, align = "c",
        caption = "Fitur Sinus & Kosinus — Menangkap Siklus Musiman Tahunan") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE) |>
  row_spec(0, bold = TRUE, background = "#4a7c59", color = "white")

Fitur Sinus & Kosinus — Menangkap Siklus Musiman Tahunan

Tanggal	Hari_Dalam_Tahun	sin_tahun	cos_tahun
2022-01-01	1	0.0172	1.000
2020-01-02	2	0.0344	0.999
2021-01-03	3	0.0516	0.999
2024-01-04	4	0.0688	0.998
2021-01-08	8	0.1373	0.991
2024-01-09	9	0.1543	0.988
2022-01-10	10	0.1713	0.985
2021-01-11	11	0.1882	0.982
2023-01-13	13	0.2219	0.975
2023-01-14	14	0.2387	0.971
2022-01-15	15	0.2554	0.967
2022-01-16	16	0.2720	0.962

---

Kategorisasi dan Pengelompokan

Mengapa kita kategorikan data?

Model machine learning sering bekerja lebih baik ketika variabel kontinu diubah menjadi kategori yang bermakna. Curah hujan 0.5mm dan 2mm mungkin secara praktis sama-sama “hari cerah” — kategorisasi membantu model menangkap pola yang lebih general.

Binning Curah Hujan & Suhu

# ============================================================
# 6.9.1.4 — KATEGORISASI DAN PENGELOMPOKAN
# ============================================================
data <- data |>
  mutate(
    Bin_Hujan = cut(
      `Curah hujan`,
      breaks = c(-Inf, 1, 5, 15, 30, Inf),
      labels = c("Sangat Ringan (<1mm)", "Ringan (1-5mm)",
                 "Sedang (5-15mm)", "Lebat (15-30mm)", "Sangat Lebat (>30mm)"),
      right = FALSE
    ),
    Bin_Suhu = cut(
      Suhu,
      breaks = c(-Inf, 20, 25, 30, 35, Inf),
      labels = c("Dingin (<20°C)", "Sejuk (20-25°C)",
                 "Hangat (25-30°C)", "Panas (30-35°C)", "Sangat Panas (>35°C)"),
      right = FALSE
    ),
    Kategori_Cuaca = case_when(
      `Curah hujan` < 1  & Kelembaban < 70               ~ "Cerah",
      `Curah hujan` < 5  & Kelembaban >= 70 & Kelembaban < 85 ~ "Berawan",
      `Curah hujan` >= 5 | Kelembaban >= 85               ~ "Hujan",
      TRUE                                                 ~ "Badai"
    )
  )
data |>
  count(Bin_Hujan, sort = FALSE) |>
  mutate(Persen = round(n / sum(n) * 100, 1)) |>
  kable(col.names = c("Kategori Curah Hujan","Frekuensi","Persen (%)"),
        caption = "Distribusi Kategori Curah Hujan", align = "lcc") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE) |>
  row_spec(0, bold = TRUE, background = "#4a7c59", color = "white")

Distribusi Kategori Curah Hujan

Kategori Curah Hujan	Frekuensi	Persen (%)
Sangat Ringan (<1mm)	9	1.8
Ringan (1-5mm)	126	25.2
Sedang (5-15mm)	267	53.4
Lebat (15-30mm)	93	18.6
Sangat Lebat (>30mm)	5	1.0

data |>
  count(Bin_Suhu, sort = FALSE) |>
  mutate(Persen = round(n / sum(n) * 100, 1)) |>
  kable(col.names = c("Kategori Suhu","Frekuensi","Persen (%)"),
        caption = "Distribusi Kategori Suhu", align = "lcc") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE) |>
  row_spec(0, bold = TRUE, background = "#8b5e3c", color = "white")

Distribusi Kategori Suhu

Kategori Suhu	Frekuensi	Persen (%)
Dingin (<20°C)	5	1.0
Sejuk (20-25°C)	120	24.0
Hangat (25-30°C)	299	59.8
Panas (30-35°C)	73	14.6
Sangat Panas (>35°C)	3	0.6

Kategori Cuaca per Kota

data |>
  count(Lokasi, Kategori_Cuaca) |>
  mutate(Kategori_Cuaca = factor(Kategori_Cuaca,
                                  levels = c("Cerah","Berawan","Hujan","Badai"))) |>
  kable(col.names = c("Kota","Kategori Cuaca","Frekuensi"),
        caption = "Distribusi Kategori Cuaca per Kota", align = "llc") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE) |>
  row_spec(0, bold = TRUE, background = "#d4a017", color = "white")

Distribusi Kategori Cuaca per Kota

Kota	Kategori Cuaca	Frekuensi
Bandung	Badai	10
Bandung	Berawan	12
Bandung	Hujan	79
Jakarta	Badai	10
Jakarta	Berawan	9
Jakarta	Cerah	2
Jakarta	Hujan	77
Makassar	Badai	2
Makassar	Berawan	9
Makassar	Cerah	1
Makassar	Hujan	79
Medan	Badai	7
Medan	Berawan	11
Medan	Cerah	1
Medan	Hujan	88
Surabaya	Badai	9
Surabaya	Berawan	5
Surabaya	Cerah	1
Surabaya	Hujan	88

---

Mendeteksi dan Menangani Outlier

Apa itu Pencilan (Outlier)?

Pencilan adalah nilai yang sangat berbeda dari mayoritas data — bisa karena kesalahan alat ukur, kondisi cuaca ekstrem nyata, atau kesalahan input. Kita identifikasi dengan dua metode: Z-Score dan IQR.

Metode Z-Score

# ============================================================
# 6.9.1.5 — DETEKSI OUTLIER
# ============================================================
data <- data |>
  mutate(
    z_Suhu       = round((Suhu - mean(Suhu, na.rm = TRUE)) / sd(Suhu, na.rm = TRUE), 3),
    z_Kelembaban = round((Kelembaban - mean(Kelembaban, na.rm = TRUE)) / sd(Kelembaban, na.rm = TRUE), 3),
    z_Hujan      = round((`Curah hujan` - mean(`Curah hujan`, na.rm = TRUE)) / sd(`Curah hujan`, na.rm = TRUE), 3),
    z_Angin      = round((`Kecepatan Angin` - mean(`Kecepatan Angin`, na.rm = TRUE)) / sd(`Kecepatan Angin`, na.rm = TRUE), 3),
    Outlier_Suhu_Z       = abs(z_Suhu) > 3,
    Outlier_Hujan_Z      = abs(z_Hujan) > 3,
    Outlier_Kelembaban_Z = abs(z_Kelembaban) > 3,
    Outlier_Angin_Z      = abs(z_Angin) > 3
  )

cat("HASIL DETEKSI OUTLIER — METODE Z-SCORE (|z| > 3)\n")

## HASIL DETEKSI OUTLIER — METODE Z-SCORE (|z| > 3)

cat(sprintf("Suhu            : %d outlier\n", sum(data$Outlier_Suhu_Z)))

## Suhu            : 3 outlier

cat(sprintf("Kelembaban      : %d outlier\n", sum(data$Outlier_Kelembaban_Z)))

## Kelembaban      : 0 outlier

cat(sprintf("Curah Hujan     : %d outlier\n", sum(data$Outlier_Hujan_Z)))

## Curah Hujan     : 5 outlier

cat(sprintf("Kecepatan Angin : %d outlier\n", sum(data$Outlier_Angin_Z)))

## Kecepatan Angin : 0 outlier

n_outlier_z <- sum(data$Outlier_Suhu_Z | data$Outlier_Hujan_Z |
                   data$Outlier_Kelembaban_Z | data$Outlier_Angin_Z)
if (n_outlier_z > 0) {
  data |>
    filter(Outlier_Suhu_Z | Outlier_Hujan_Z | Outlier_Kelembaban_Z | Outlier_Angin_Z) |>
    select(Lokasi, Tanggal, Suhu, z_Suhu, `Curah hujan`, z_Hujan) |>
    kable(digits = 3, align = "c", caption = "Observasi Outlier (Z-Score)") |>
    kable_styling(bootstrap_options = c("striped","hover"), full_width = TRUE) |>
    row_spec(0, bold = TRUE, background = "#c17f3a", color = "white")
} else {
  cat("✅ Tidak ada outlier Z-Score terdeteksi pada threshold |z| > 3.\n")
}

Observasi Outlier (Z-Score)

Lokasi	Tanggal	Suhu	z_Suhu	Curah hujan	z_Hujan
Jakarta	2022-08-18	36.6	3.159	4.5	-0.787
Makassar	2020-08-05	27.3	0.125	38.8	4.295
Makassar	2023-04-12	26.1	-0.267	32.8	3.406
Makassar	2023-04-12	29.6	0.875	42.5	4.843
Medan	2023-06-25	29.9	0.973	32.3	3.332
Surabaya	2023-07-02	25.0	-0.626	48.7	5.762
Surabaya	2023-11-14	16.9	-3.269	2.7	-1.053
Surabaya	2023-12-19	37.5	3.453	5.5	-0.638

Metode IQR

hitung_iqr_bounds <- function(x) {
  q1  <- quantile(x, 0.25, na.rm = TRUE)
  q3  <- quantile(x, 0.75, na.rm = TRUE)
  iqr <- q3 - q1
  list(Q1 = q1, Q3 = q3, IQR = iqr,
       Batas_Bawah = q1 - 1.5 * iqr,
       Batas_Atas  = q3 + 1.5 * iqr)
}

var_list <- list(
  Suhu            = data$Suhu,
  Kelembaban      = data$Kelembaban,
  `Curah hujan`   = data$`Curah hujan`,
  `Kec. Angin`    = data$`Kecepatan Angin`
)

iqr_summary <- lapply(names(var_list), function(nm) {
  b <- hitung_iqr_bounds(var_list[[nm]])
  data.frame(
    Variabel       = nm,
    Q1             = round(b$Q1, 2),
    Q3             = round(b$Q3, 2),
    IQR            = round(b$IQR, 2),
    Batas_Bawah    = round(b$Batas_Bawah, 2),
    Batas_Atas     = round(b$Batas_Atas, 2),
    Jumlah_Outlier = sum(var_list[[nm]] < b$Batas_Bawah |
                         var_list[[nm]] > b$Batas_Atas, na.rm = TRUE)
  )
}) |> bind_rows()


iqr_summary |>
  kable(caption = "Batas Outlier & Jumlah Pencilan (Metode IQR)",
        align = "c") |>
  kable_styling(bootstrap_options = c("striped","hover","condensed"), full_width = TRUE) |>
  row_spec(0, bold = TRUE, background = "#8b5e3c", color = "white") |>
  column_spec(7, bold = TRUE,
              color = ifelse(iqr_summary$Jumlah_Outlier > 0, "#c17f3a", "#4a7c59"))

Batas Outlier & Jumlah Pencilan (Metode IQR)

	Variabel	Q1	Q3	IQR	Batas_Bawah	Batas_Atas	Jumlah_Outlier
25%…1	Suhu	25.0	29.1	4.12	18.79	35.3	6
25%…2	Kelembaban	69.1	89.6	20.50	38.32	120.3	0
25%…3	Curah hujan	4.7	13.4	8.73	-8.39	26.5	10
25%…4	Kec. Angin	4.9	11.5	6.60	-5.00	21.4	0

Penanganan Outlier

batas_hujan <- hitung_iqr_bounds(data$`Curah hujan`)

data <- data |>
  mutate(
    Outlier_Hujan_IQR = `Curah hujan` < batas_hujan$Batas_Bawah |
                        `Curah hujan` > batas_hujan$Batas_Atas,
    Hujan_Clipped = pmin(pmax(`Curah hujan`, batas_hujan$Batas_Bawah), batas_hujan$Batas_Atas),
    Hujan_Imputed = ifelse(Outlier_Hujan_IQR,
                           median(`Curah hujan`, na.rm = TRUE),
                           `Curah hujan`)
  )


data |>
  filter(Outlier_Hujan_IQR) |>
  select(Lokasi, Tanggal, `Curah hujan`, Hujan_Clipped, Hujan_Imputed) |>
  head(15) |>
  kable(digits = 2, align = "c",
        caption = "Nilai Asli vs Clipping vs Imputation (Outlier Curah Hujan 10 observasi)") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = TRUE) |>
  row_spec(0, bold = TRUE, background = "#c17f3a", color = "white")

Nilai Asli vs Clipping vs Imputation (Outlier Curah Hujan 10 observasi)

Lokasi	Tanggal	Curah hujan	Hujan_Clipped	Hujan_Imputed
Makassar	2020-04-18	26.8	26.5	8.25
Makassar	2020-08-05	38.8	26.5	8.25
Makassar	2023-04-12	32.8	26.5	8.25
Makassar	2023-04-12	42.5	26.5	8.25
Medan	2020-03-13	28.6	26.5	8.25
Medan	2022-04-08	28.4	26.5	8.25
Medan	2023-06-25	32.3	26.5	8.25
Surabaya	2021-08-29	29.9	26.5	8.25
Surabaya	2022-05-17	28.1	26.5	8.25
Surabaya	2023-07-02	48.7	26.5	8.25

---

Normalisasi dan Skala Data

Mengapa normalisasi diperlukan?

Model machine learning sensitif terhadap skala fitur. Suhu (17-38°C) dan kelembaban (60-100%) memiliki skala berbeda — tanpa normalisasi, fitur berskala besar mendominasi model. Normalisasi membuat semua fitur berbicara dalam “bahasa yang sama”.

Z-Score Standardisasi

# ============================================================
# 6.9.1.7 — NORMALISASI DAN SKALA DATA
# ============================================================
data_normalized <- data |>
  mutate(
    Suhu_ZScore       = round((Suhu - mean(Suhu, na.rm = TRUE)) / sd(Suhu, na.rm = TRUE), 4),
    Kelembaban_ZScore = round((Kelembaban - mean(Kelembaban, na.rm = TRUE)) / sd(Kelembaban, na.rm = TRUE), 4),
    Hujan_ZScore      = round((`Curah hujan` - mean(`Curah hujan`, na.rm = TRUE)) / sd(`Curah hujan`, na.rm = TRUE), 4),
    Angin_ZScore      = round((`Kecepatan Angin` - mean(`Kecepatan Angin`, na.rm = TRUE)) / sd(`Kecepatan Angin`, na.rm = TRUE), 4)
  )

data_normalized |>
  summarise(
    `Mean Suhu Z`   = round(mean(Suhu_ZScore), 8),
    `SD Suhu Z`     = round(sd(Suhu_ZScore), 4),
    `Mean Hujan Z`  = round(mean(Hujan_ZScore), 8),
    `SD Hujan Z`    = round(sd(Hujan_ZScore), 4)
  ) |>
  kable(digits = 6, align = "c", caption = "Verifikasi: Mean ≈ 0 dan SD ≈ 1") |>
  kable_styling(bootstrap_options = c("striped","hover"), full_width = FALSE) |>
  row_spec(0, bold = TRUE, background = "#4a7c59", color = "white")

Verifikasi: Mean ≈ 0 dan SD ≈ 1

Mean Suhu Z	SD Suhu Z	Mean Hujan Z	SD Hujan Z
-0.000002	1	-0.000002	1

data_normalized |>
  select(Lokasi, Suhu, Suhu_ZScore, Kelembaban, Kelembaban_ZScore,
         `Curah hujan`, Hujan_ZScore) |>
  head(10) |>
  kable(digits = 4, align = "c",
        caption = "Z-Score: Nilai Asli vs Ternormalisasi") |>
  kable_styling(bootstrap_options = c("striped","hover","condensed"), full_width = TRUE) |>
  row_spec(0, bold = TRUE, background = "#4a7c59", color = "white")

Z-Score: Nilai Asli vs Ternormalisasi

Lokasi	Suhu	Suhu_ZScore	Kelembaban	Kelembaban_ZScore	Curah hujan	Hujan_ZScore
Bandung	24.4	-0.822	96.4	1.4482	0.6	-1.364
Bandung	24.3	-0.854	96.4	1.4482	4.9	-0.727
Bandung	26.3	-0.202	60.0	-1.6643	21.1	1.673
Bandung	25.5	-0.463	64.6	-1.2710	24.6	2.191
Bandung	27.3	0.125	76.1	-0.2876	3.0	-1.009
Bandung	26.3	-0.202	77.2	-0.1936	7.4	-0.357
Bandung	25.8	-0.365	66.7	-1.0914	4.7	-0.757
Bandung	27.7	0.255	84.2	0.4050	11.6	0.265
Bandung	21.2	-1.866	65.3	-1.2111	3.1	-0.994
Bandung	28.6	0.549	78.3	-0.0995	11.2	0.206

Min-Max Normalisasi

min_max_norm <- function(x) {
  round((x - min(x, na.rm = TRUE)) / (max(x, na.rm = TRUE) - min(x, na.rm = TRUE)), 4)
}

data_normalized <- data_normalized |>
  mutate(
    Suhu_MinMax       = min_max_norm(Suhu),
    Kelembaban_MinMax = min_max_norm(Kelembaban),
    Hujan_MinMax      = min_max_norm(`Curah hujan`),
    Angin_MinMax      = min_max_norm(`Kecepatan Angin`)
  )

data_normalized |>
  select(Lokasi, Suhu, Suhu_MinMax, Kelembaban, Kelembaban_MinMax,
         `Curah hujan`, Hujan_MinMax) |>
  head(10) |>
  kable(digits = 4, align = "c",
        caption = "Min-Max Normalisasi: Semua Nilai dalam Rentang [0, 1]") |>
  kable_styling(bootstrap_options = c("striped","hover","condensed"), full_width = TRUE) |>
  row_spec(0, bold = TRUE, background = "#8b5e3c", color = "white")

Min-Max Normalisasi: Semua Nilai dalam Rentang [0, 1]

Lokasi	Suhu	Suhu_MinMax	Kelembaban	Kelembaban_MinMax	Curah hujan	Hujan_MinMax
Bandung	24.4	0.364	96.4	0.910	0.6	0.0062
Bandung	24.3	0.359	96.4	0.910	4.9	0.0950
Bandung	26.3	0.456	60.0	0.000	21.1	0.4298
Bandung	25.5	0.417	64.6	0.115	24.6	0.5021
Bandung	27.3	0.505	76.1	0.403	3.0	0.0558
Bandung	26.3	0.456	77.2	0.430	7.4	0.1467
Bandung	25.8	0.432	66.7	0.168	4.7	0.0909
Bandung	27.7	0.524	84.2	0.605	11.6	0.2335
Bandung	21.2	0.209	65.3	0.133	3.1	0.0579
Bandung	28.6	0.568	78.3	0.458	11.2	0.2252

---

Visualisasi Analitik

Distribusi Suhu per Kota

# CHART 1 — Violin + Box Plot: Distribusi Suhu per Kota
# Lebih informatif dari boxplot biasa: keliatan bentuk distribusi penuh

kota_list <- names(kota_colors)
p_violin <- plot_ly()

for (kota in kota_list) {
  d <- filter(data, Lokasi == kota)
  p_violin <- p_violin |>
    add_trace(
      data      = d,
      y         = ~Suhu,
      x         = ~Lokasi,
      type      = "violin",
      name      = kota,
      box       = list(visible = TRUE),
      meanline  = list(visible = TRUE, color = earthy$charcoal),
      fillcolor = paste0(kota_colors[kota], "44"),
      line      = list(color = kota_colors[kota], width = 2),
      marker    = list(color = kota_colors[kota], size = 3, opacity = 0.5),
      points    = "outliers",
      showlegend = FALSE
    )
}

p_violin |>
  layout(
    title = list(
      text = "Distribusi Suhu per Kota — Violin & Box Plot",
      font = list(size = 16, color = earthy$charcoal, family = "Georgia, serif"),
      x = 0.5
    ),
    xaxis = list(title = "Kota", color = earthy$muted, gridcolor = earthy$sand,
                 tickfont = list(color = earthy$charcoal, size = 12)),
    yaxis = list(title = "Suhu (°C)", color = earthy$muted, gridcolor = earthy$sand,
                 ticksuffix = "°C"),
    plot_bgcolor  = earthy$cream,
    paper_bgcolor = "#ffffff",
    font = list(color = earthy$charcoal, family = "Georgia, serif")
  )

Insight:

Violin plot memperlihatkan bentuk distribusi penuh — lebar violin di suhu tertentu menunjukkan seberapa sering suhu itu muncul. Makassar memiliki distribusi yang lebih lebar di suhu tinggi, sementara Bandung lebih sempit dan condong ke suhu rendah karena faktor ketinggian (~768 mdpl).

Tren Suhu Bulanan

# CHART 2 — Line + Ribbon ±SD: Tren Suhu Bulanan per Kota
# Area bayangan menunjukkan variabilitas — lebih informatif dari line biasa

tren_bulanan <- data |>
  mutate(Period = floor_date(Tanggal, "month")) |>
  group_by(Lokasi, Period) |>
  summarise(
    Suhu_Mean = mean(Suhu, na.rm = TRUE),
    Suhu_SD   = sd(Suhu,   na.rm = TRUE),
    .groups   = "drop"
  ) |>
  mutate(
    CI_upper = Suhu_Mean + Suhu_SD,
    CI_lower = Suhu_Mean - Suhu_SD
  )

p_tren <- plot_ly()

for (kota in kota_list) {
  d   <- filter(tren_bulanan, Lokasi == kota)
  col <- kota_colors[kota]

  p_tren <- p_tren |>
    add_ribbons(
      data       = d, x = ~Period,
      ymin = ~CI_lower, ymax = ~CI_upper,
      name       = paste(kota, "±SD"),
      fillcolor  = paste0(col, "20"),
      line       = list(color = "transparent"),
      showlegend = FALSE, hoverinfo = "skip"
    ) |>
    add_lines(
      data   = d, x = ~Period, y = ~Suhu_Mean,
      name   = kota,
      line   = list(color = col, width = 2.5, shape = "spline"),
      marker = list(color = col, size = 5)
    )
}

p_tren |>
  layout(
    title = list(
      text = "Tren Suhu Bulanan per Kota (±1 SD)",
      font = list(size = 16, color = earthy$charcoal, family = "Georgia, serif"),
      x = 0.5
    ),
    xaxis = list(title = "Periode", color = earthy$muted, gridcolor = earthy$sand),
    yaxis = list(title = "Rata-rata Suhu (°C)", color = earthy$muted,
                 gridcolor = earthy$sand, ticksuffix = "°C"),
    plot_bgcolor  = earthy$cream,
    paper_bgcolor = "#ffffff",
    font   = list(color = earthy$charcoal, family = "Georgia, serif"),
    legend = list(font = list(color = earthy$charcoal), bgcolor = earthy$cream,
                  bordercolor = earthy$sand, borderwidth = 1)
  )

Insight:

Area bayangan menunjukkan variabilitas suhu (±1 SD) — semakin lebar area, semakin tidak stabil suhu di periode itu. Kota pesisir cenderung memiliki variabilitas lebih besar dibanding Bandung yang dikelilingi pegunungan.

##️ Distribusi Curah Hujan

# CHART 4 — Histogram Overlay: Distribusi Curah Hujan per Kota
# Menunjukkan right-skewness ekstrem — penting untuk preprocessing

p_hujan <- plot_ly()

for (kota in kota_list) {
  d   <- filter(data, Lokasi == kota)
  col <- kota_colors[kota]
  p_hujan <- p_hujan |>
    add_histogram(
      data    = d,
      x       = ~`Curah hujan`,
      name    = kota,
      nbinsx  = 35,
      opacity = 0.65,
      marker  = list(color = col, line = list(color = paste0(col, "99"), width = 0.5))
    )
}

p_hujan |>
  layout(
    barmode = "overlay",
    title   = list(
      text = "Distribusi Curah Hujan per Kota — Right-Skewed",
      font = list(size = 16, color = earthy$charcoal, family = "Georgia, serif"),
      x = 0.5
    ),
    xaxis = list(title = "Curah Hujan (mm)", color = earthy$muted,
                 gridcolor = earthy$sand, ticksuffix = " mm"),
    yaxis = list(title = "Frekuensi", color = earthy$muted, gridcolor = earthy$sand),
    annotations = list(list(
      x = 0.97, y = 0.95, xref = "paper", yref = "paper",
      text = "<b>⚠️ Right-Skewed</b><br>Mayoritas: hujan ringan<br>Ekor panjang = kejadian ekstrem",
      showarrow = FALSE,
      font      = list(size = 11, color = earthy$brown),
      bgcolor   = "#f5f0e8cc",
      bordercolor = earthy$amber,
      borderwidth = 1, borderpad = 8, align = "right"
    )),
    plot_bgcolor  = earthy$cream,
    paper_bgcolor = "#ffffff",
    font   = list(color = earthy$charcoal, family = "Georgia, serif"),
    legend = list(font = list(color = earthy$charcoal), bgcolor = earthy$cream,
                  bordercolor = earthy$sand, borderwidth = 1)
  )

Implikasi Modeling:

Distribusi right-skewed berarti data curah hujan tidak normal. Sebelum dimasukkan model linear, perlu transformasi log atau Box-Cox. Ekor kanan mewakili kejadian ekstrem (banjir) yang justru paling penting diprediksi.

##️ Heat Index per Kota

# CHART 5 — Stacked Bar: Proporsi Kategori Heat Index per Kota
# Domain insight langsung: risiko heat stress per kota

heat_summary <- data |>
  mutate(Kategori_Panas = factor(Kategori_Panas,
    levels = c("Nyaman","Hati-hati","Sangat Hati-hati","Berbahaya","Ekstrem"))) |>
  count(Lokasi, Kategori_Panas) |>
  group_by(Lokasi) |>
  mutate(Persen = round(n / sum(n) * 100, 1)) |>
  ungroup()

kategori_colors <- c(
  "Nyaman"           = "#4a7c59",
  "Hati-hati"        = "#7a9e7e",
  "Sangat Hati-hati" = "#d4a017",
  "Berbahaya"        = "#c17f3a",
  "Ekstrem"          = "#8b5e3c"
)

p_heat <- plot_ly()

for (kat in levels(heat_summary$Kategori_Panas)) {
  d <- filter(heat_summary, Kategori_Panas == kat)
  p_heat <- p_heat |>
    add_bars(
      data     = d, x = ~Lokasi, y = ~Persen,
      name     = kat,
      marker   = list(color = kategori_colors[kat],
                      line = list(color = "#ffffff", width = 1)),
      text     = ~paste0(Persen, "%"),
      textposition     = "inside",
      insidetextanchor = "middle",
      textfont = list(color = "#ffffff", size = 11, family = "Georgia, serif")
    )
}

p_heat |>
  layout(
    barmode = "stack",
    title   = list(
      text = "Proporsi Kategori Heat Index per Kota (%)",
      font = list(size = 16, color = earthy$charcoal, family = "Georgia, serif"),
      x = 0.5
    ),
    xaxis = list(title = "Kota", color = earthy$muted, gridcolor = earthy$sand,
                 tickfont = list(color = earthy$charcoal)),
    yaxis = list(title = "Proporsi (%)", color = earthy$muted,
                 gridcolor = earthy$sand, ticksuffix = "%", range = c(0, 105)),
    legend = list(
      title       = list(text = "<b>Kategori</b>"),
      font        = list(color = earthy$charcoal, size = 11),
      bgcolor     = earthy$cream,
      bordercolor = earthy$sand,
      borderwidth = 1,
      traceorder  = "normal"
    ),
    plot_bgcolor  = earthy$cream,
    paper_bgcolor = "#ffffff",
    font = list(color = earthy$charcoal, family = "Georgia, serif")
  )

Insight Kebijakan:

Kota pesisir seperti Makassar dan Medan menunjukkan proporsi kategori Sangat Hati-hati hingga Berbahaya yang lebih tinggi. Kombinasi suhu tinggi dan kelembaban di atas 80% menciptakan risiko heat stress nyata bagi pekerja luar ruang dan populasi rentan.

---

Insight & Rekomendasi

Insight 1 — Disparitas Suhu Regional yang Sistematis

Analisis lintas kota mengungkap pola suhu yang berbeda signifikan berdasarkan faktor geografis. Makassar secara konsisten mencatat suhu tertinggi karena posisi pesisirnya yang menerima radiasi matahari langsung. Sebaliknya, Bandung paling sejuk berkat ketinggian ~768 mdpl yang mereduksi suhu sekitar 0.6°C per 100 meter elevasi. Gap suhu antar kota bisa mencapai lebih dari 3°C — selisih yang signifikan untuk kebutuhan energi pendinginan dan perencanaan kesehatan publik.

Insight 2 — Distribusi Curah Hujan Ekstrem

Distribusi curah hujan di seluruh kota bersifat heavily right-skewed dengan skewness di atas 1.5 — mayoritas hari memiliki hujan ringan di bawah 5mm, namun sebagian kecil hari mengalami hujan sangat lebat. Outlier yang terdeteksi melalui IQR bukan sekadar noise statistik, melainkan kemungkinan merepresentasikan kejadian cuaca ekstrem nyata. Untuk model prediksi banjir, wajib menggunakan transformasi log atau algoritma robust seperti Gradient Boosting.

Insight 3 — Risiko Heat Stress di Perkotaan

Heat Index menggunakan formula Rothfusz menunjukkan bahwa suhu terasa jauh lebih tinggi dari suhu aktual ketika kelembaban tinggi. Lebih dari 35.2% observasi masuk kategori “Sangat Hati-hati” ke atas — kondisi yang berpotensi menyebabkan heat stroke pada populasi rentan. Fenomena ini paling parah di Makassar dan Medan dengan kelembaban relatif di atas 80%, dan memiliki implikasi langsung pada jam kerja luar ruang dan desain infrastruktur.

Insight 4 — Struktur Korelasi Multivariat

Matriks korelasi Pearson mengungkap tiga pola penting. Pertama, Suhu berkorelasi sangat kuat dengan Indeks Panas (r > 0.95) dan Humidex (r > 0.90). Kedua, Kelembaban berkorelasi negatif moderat dengan Suhu — fenomena umum di iklim tropis musim kering. Ketiga, Curah Hujan relatif independen terhadap Suhu, mengindikasikan bahwa hujan lebih dipengaruhi dinamika atmosfer (monsun, ITCZ) daripada kondisi termal lokal. Implikasi: hindari memasukkan Suhu, Indeks Panas, dan Humidex sekaligus dalam model regresi linear.

Insight 5 — Fitur Temporal Siklik

Transformasi menggunakan sin dan cos berbasis hari-dalam-setahun secara matematis mengatasi kelemahan representasi bulan ordinal (1–12), di mana model akan memperlakukan Januari dan Desember sebagai “jauh” padahal keduanya berada dalam musim hujan yang sebanding. Transformasi siklik memungkinkan model mengenali kedekatan musiman lintas batas tahun. Fitur ini sangat direkomendasikan untuk semua model time-series iklim tropis Indonesia.

Insight 6 — Roadmap Feature Engineering

Hierarki fitur yang direkomendasikan untuk model prediksi cuaca: Tier 1 (Wajib): Lag suhu dan curah hujan 1, 3, dan 7 hari — menangkap autokorelasi temporal terkuat. Tier 2 (Sangat Disarankan): Moving average 7 hari, sin/cos temporal, Heat Index. Tier 3 (Pengayaan): Bin curah hujan, Humidex. Gunakan XGBoost atau Random Forest dengan Time-Series Cross-Validation (bukan random split) untuk mencegah data leakage.

---

Ekspor Data Hasil Transformasi