Cuaca merupakan kondisi pada atmosfer yang terjadi karena berbagai faktor, antara lain
radiasi matahari, suhu udara, kecepatan dan arah angin. Aktivitas kehidupan manusia sangat
bergantung pada faktor cuaca terutama pada sektor pertanian, penerbangan, dan lain-lain.
Memahami kondisi cuaca menjadi hal penting untuk kehidupan manusia, sehingga diperlukan
sebuah sistem untuk mengklasifikasikan cuaca sesuai dengan kategorinya agar informasi yang
dihasilkan dapat digunakan untuk berbagai kebutuhan. Deep Learning digunakan pada
penelitian ini bertujuan agar rancangan yang diajukan dapat diimplementasi untuk kegiatan
yang membutuhkan mesin untuk menentukan suatu keputusan. Metode yang diajukan yaitu
menggunakan Deep Learning dengan metode Convolutional Neural Network (CNN).
Convolutional Neural Network (CNN) merupakan salah satu metode Deep Learning yang
berfungsi untuk mengolah data dua dimensi, yang dapat diimplementasikan menjadi data citra.
Dataset citra yang digunakan terdiri dari tiga kelas citra cuaca yaitu berawan, hujan, dan
cerah. Terdapat beberapa jenis arstektur pada CNN, salah satunya yaitu VGG16net. Arsitektur
VGG16net digunakan pada penelitian ini karena lapisan konvolusinya yang sederhana, yaitu
hanya menggunakan lapisan konvolusi 3x3. Proses klasifikasi cuaca CNN terdiri dari tahap
training dan testing untuk mengetahui hasil klasifikasinya. Parameter kinerja yang dianalisis
berupa akurasi, presisi, recall, dan F1-Score.
Parameter optimizer, epoch dan learning rate dapat mempengaruhi hasil performa sistem
berupa nilai akurasi, presisi, recall, dan F1-score. Pada penelitian ini menghasilkan performa
terbaik yaitu dengan penggunaan optimizer RMSprop, resolusi citra 224x224, learning rate
0,0001, dan epoch 50 dengan nilai performa sistem untuk akurasi, presisi, recall, dan F1-score
masing-masing sebesar 87%, 90%, 87%, dan 87%.