Hasil visualisasi menunjukkan peta sebaran cluster curah hujan di Indonesia yang dihasilkan oleh algoritma Self-Organizing Map (SOM) dengan 36 cluster (ID 0–35). Setiap warna pada peta mewakili pola curah hujan yang memiliki karakteristik serupa, seperti jumlah curah hujan rata-rata, variasi musiman, dan distribusi bulan basah dan kering. Persebaran warna yang beragam mengindikasikan tingginya heterogenitas pola hujan di Indonesia. Misalnya, wilayah Sumatera bagian barat, Kalimantan, dan Papua cenderung didominasi oleh cluster dengan pola hujan tipe basah sepanjang tahun, sedangkan wilayah Nusa Tenggara, sebagian Jawa Timur, dan Maluku cenderung memiliki pola musiman dengan periode kering lebih panjang. Hal ini menunjukkan bahwa pembentukan cluster dengan SOM dapat membantu mengungkap variasi spasial pola hujan yang kompleks.
Jika dibandingkan dengan penelitian sebelumnya, seperti kajian oleh Aldrian dan Susanto (2003) yang membagi wilayah Indonesia menjadi tiga zona iklim (Monsunal, Equatorial, dan Lokal), hasil clustering SOM ini memberikan granularity yang lebih detail, karena menghasilkan 36 pola dibandingkan hanya 3 zona. Pendekatan SOM juga serupa dengan penelitian Kohonen (1998) yang digunakan untuk pengelompokan pola cuaca, di mana SOM mampu mengekstraksi informasi non-linear dari data multivariat. Dengan demikian, hasil ini memberikan pemetaan pola hujan yang lebih mendalam, sehingga dapat dimanfaatkan dalam perencanaan pengelolaan sumber daya air, pertanian, dan mitigasi bencana terkait iklim di Indonesia.
Anda dapat mencoba Machine Learning ini dengan mengupload file Anda yang berbentuk netCDF4 (.nc). Silahkan dicoba “Klik Disini”