Electronic Theses and Dissertation

Perubahan iklim memberikan dampak signifikan terhadap sektor pertanian, khususnya di kabupaten aceh besar karena merupakan salah satu daerah lumbung pangan provinsi aceh. fluktuasi produksi padi yang tidak menentu memerlukan pengelolaan data iklim yang akurat, konsisten, dan terotomatisasi. penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem otomasi pembersihan data iklim menggunakan metode smoothing data bmkg dan nasa power periode 2005–2025 dengan jumlah 7565 records bmkg dan 7578 records nasa power. praproses dilakukan melalui kombinasi metode imputasi dan penghalusan data yang disesuaikan dengan karakteristik masing-masing parameter iklim, meliputi cubic spline untuk suhu dan kelembaban, two-stage binary conditional untuk curah hujan pada data bmkg, serta adaptive exponential smoothing untuk mengurangi fluktuasi acak pada data nasa power. hasil praproses menunjukkan bahwa metode yang diterapkan mampu mempertahankan pola dan tren data secara konsisten. pada data bmkg, parameter suhu dan kelembaban menunjukkan kualitas penghalusan yang sangat baik dengan pelestarian tren di atas 99%, sedangkan curah hujan mencapai pelestarian tren sebesar 90,12%. pada data nasa power, parameter suhu menunjukkan kualitas penghalusan yang baik dengan pelestarian tren sebesar 83,5%, sementara parameter kelembaban tetap mampu mempertahankan tren di atas 82% meskipun memiliki kualitas penghalusan yang lebih rendah. hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengotomasi praproses data iklim secara konsisten dan menghasilkan dataset yang siap digunakan pada tahap peramalan untuk mendukung penyusunan kalender tanam digital.

Climate change has significantly impacted the agricultural sector, particularly in Aceh Besar Regency as one of the major food-producing regions in Aceh Province. Fluctuations in rice production require climate data management that is accurate, consistent, and automated. This study aims to design and implement an automated climate data preprocessing system using BMKG and NASA POWER datasets from 2005–2025, consisting of 7,565 BMKG records and 7,578 NASA POWER records. The preprocessing stage combined imputation and data smoothing methods tailored to the characteristics of each climate parameter, including Cubic Spline for temperature and humidity, Two-Stage Binary Conditional for rainfall data in the BMKG dataset, and Adaptive Exponential Smoothing to reduce random fluctuations in NASA POWER data. The preprocessing results demonstrated that the applied methods were able to preserve data patterns and trends consistently. In the BMKG dataset, temperature and humidity exhibited excellent smoothing quality with trend preservation above 99%, while rainfall achieved 90.12% trend preservation. In the NASA POWER dataset, temperature showed good smoothing quality with 83.5% trend preservation, whereas humidity maintained trend preservation above 82% despite exhibiting lower smoothing quality. The results indicate that the developed system is capable of automating climate data preprocessing and producing datasets that are suitable for forecasting applications to support the development of a digital planting calendar.