Prediksi penyebaran zat radioaktif di atmosfer merupakan aspek krusial dalam mitigasi bencana nuklir yang membutuhkan kecepatan, ketepatan, dan akurasi tinggi. Namun, sistem konvensional seperti PC-COSYMA masih mengandalkan data cuaca historis dan input manual, sehingga kurang responsif terhadap perubahan cuaca real-time. Untuk menjawab tantangan tersebut, proyek Capstone Design ini merancang dan mengimplementasikan solusi terpadu berbasis teknologi komputer yang mampu menyediakan data cuaca real-time, memprediksi kondisi atmosfer jangka pendek menggunakan machine learning, dan memvisualisasikan hasil simulasi secara interaktif. Solusi diwujudkan dalam bentuk aplikasi desktop bernama Cuacane, yang dikembangkan menggunakan Python, PyQt5, QML, dan PyTorch. Aplikasi ini mengintegrasikan sensor cuaca lokal (Vaisala WXT520), modul parser untuk konversi data mentah, model prediksi cuaca berbasis Multi-Task Learning, serta visualisasi interaktif seperti grafik suhu, kompas arah angin, dan peta cuaca dengan dukungan simulasi Gaussian Plume Model. Aplikasi juga mampu mengekspor data ke format kompatibel dengan PC-COSYMA untuk keperluan simulasi penyebaran radionuklida secara langsung. Seluruh spesifikasi teknis, baik fungsional maupun non-fungsional seperti kecepatan, akurasi, keamanan data, dan respons antarmuka diuji dengan hasil yang memuaskan. Akurasi model prediksi mencapai 88,5% dengan rata-rata waktu pembaruan data tiap 14 menit 38 detik. Pengembangan dilakukan secara modular dengan lima fitur utama: Dashboard, Maps, Prediksi, Convert Data, dan Settings, serta mendukung dark mode, ekspor CSV, dan pengoperasian offline. Uji verifikasi pada dokumen CD-5 membuktikan sistem telah siap untuk diimplementasikan oleh pengguna akhir seperti BRIN dalam mendukung pengambilan keputusan cepat pada situasi darurat radiasi. Dengan kombinasi akuisisi data, prediksi berbasis AI, dan visualisasi modern, Cuacane diharapkan menjadi inovasi signifikan dalam penyediaan resource data dan perangkat penelitian untuk mitigasi sebaran zat radioaktif di Indonesia.
Kata kunci : Cuacane, prediksi sebaran radioaktif, data cuaca real-time, PC-COSYMA, machine learning, Gaussian Plume Model, visualisasi interaktif, mitigasi bencana, PyQt5, PyTorch.