Laporkan Masalah

Penerapan Metode Calibrated Early Time Series Classifier (CALIMERA) Dengan Variasi Ukuran Sliding Window Untuk Klasifikasi Dini Curah Hujan Di Kota Semarang Tahun 2015–2024

Dwi Cahyawati, Dr. Adhitya Ronnie Effendie, S.Si., M.Si., M.Sc.

2026 | Skripsi | STATISTIKA

Tuntutan terhadap pengambilan keputusan klasifikasi yang cepat tanpa meng abaikan akurasi mendorong berkembangnya pendekatan Early Time Series Classification (ETSC). Berbeda dengan klasifikasi deret waktu konvensional yang memerlukan seluruh rangkaian data tersedia sebelum keputusan dapat diambil, ETSC bertujuan menghasilkan klasifikasi sedini mungkin dengan tetap mempertahankan tingkat akurasi yang memadai. Penelitian ini bertujuan menerapkan metode Calibrated eArLy tIMe sERies clAssifier (CALIMERA) pada data cuaca harian Kota Semarang periode 2015–2024 untuk melakukan klasifikasi dini kondisi curah hujan. CALIMERA dipilih karena dirancang untuk menyeimbangkan trade-off antara akurasi dan earliness melalui minimisasi fungsi biaya yang menggabungkan kedua aspek tersebut. Penelitian ini menggunakan dua skenario pelabelan, yaitu empat label (tidak hujan, hujan ringan, hujan sedang, dan hujan lebat) serta tiga label (tidak hujan, hujan ringan, dan hujan lebat). Variasi ukuran sliding window yang digunakan adalah 45, 60, 90, dan 120 hari, yang ditentukan berdasarkan analisis sample entropy. Ketidakseimbangan kelas ditangani menggunakan metode ADASYN. Sebagai pembanding, diterapkan pula metode TEASER dengan konfigurasi yang sama. Performa model dievaluasi menggunakan akurasi, earliness, dan harmonic mean (HM). Hasil penelitian menunjukkan bahwa CALIMERA secara konsisten menghasilkan nilai HM yang lebih tinggi dibandingkan TEASER di seluruh kombinasi window dan skenario. Konfigurasi terbaik diperoleh pada CALIMERA skenario tiga label dengan window 120 hari yang menghasilkan HM sebesar 0,6032. Penyederhanaan dari empat menjadi tiga label secara konsisten meningkatkan macro average F1-score pada kedua metode. Hasil tersebut menunjukkan bahwa CALIMERA mampu memberikan keseimbangan yang lebih baik antara ketepatan klasifikasi dan kecepatan pengambilan keputusan dibandingkan TEASER.

The demand for rapid classification decisions without compromising accuracy has driven the development of the Early Time Series Classification (ETSC) approach. Unlike conventional time series classification, which requires the complete sequence to be available before a decision can be made, ETSC aims to generate classifications as early as possible while maintaining adequate accuracy. This study applies the Calibrated eArLy tIMe sERies clAssifier (CALIMERA) method to daily weather data from Semarang City during the period 2015–2024 to perform early rainfall classification. CALIMERA was selected because it is designed to balance the trade-off between accuracy and earliness through the minimization of a cost function that integrates both aspects. Two labeling scenarios were used, consisting of four classes including no rain, light rain, moderate rain, and heavy rain, and three classes including no rain, light rain, and heavy rain. Sliding window sizes of 45, 60, 90, and 120 days were employed and determined based on sample entropy analysis. Class imbalance was handled using the ADASYN method. The TEASER method was also implemented under the same configuration for comparison. Model performance was evaluated using accuracy, earliness, and harmonic mean (HM). The results show that CALIMERA consistently achieved higher HM values than TEASER across all combinations of window sizes and labeling scenarios. The best performance was obtained by CALIMERA under the three-class scenario with a 120-day window, yielding an HM value of 0.6032. Reducing the number of classes from four to three consistently improved the macro-average F1-score for both methods. These findings indicate that CALIMERA provides a better balance between classification accuracy and decision timeliness than TEASER.

Kata Kunci : ADASYN, CALIMERA, curah hujan, early time series classification, klasifikasi dini, harmonic mean, sliding window, TEASER

  1. S1-2026-498356-abstract.pdf  
  2. S1-2026-498356-bibliography.pdf  
  3. S1-2026-498356-tableofcontent.pdf  
  4. S1-2026-498356-title.pdf