Stasiun Meteorologi BMKG Kota Tarakan menghadapi tantangan dalam perekapan
dan analisis data radiosonde yang masih dilakukan secara manual, menyebabkan
inefisiensi dan potensi kesalahan. Penelitian ini bertujuan mengembangkan sistem
perekapan otomatis dan analisis data radiosonde (RASON) menggunakan metode
random forest untuk meningkatkan efisiensi dan akurasi pengolahan data. Sistem
terdiri dari modul impor data, analisis dengan random forest, visualisasi data, dan
antarmuka pengguna berbasis GUI. Hasil penelitian menunjukkan bahwa sistem ini
mampu meningkatkan efisiensi perekapan data hingga 99%, dengan waktu
perekapan otomatis hanya 8 detik untuk 20 baris data, dibandingkan 10 menit 24
detik pada metode manual. Akurasi klasifikasi menggunakan random forest
mencapai 100% untuk indeks stabilitas atmosfer (KI, LI, SI, TT) dan 99,93% untuk
CAPE, dengan nilai Precision, Recall, dan F1-Score yang tinggi, seperti 1,0000
untuk KI dan TT, serta 0,9938 untuk LI dan 0,9965 untuk CAPE. Klasifikasi
keseluruhan (AllData_Class) mencapai Precision 0,9030, Recall 0,9877, dan F1
Score 0,9369. Evaluasi usabilitas dengan skor SUS rata-rata 90 menunjukkan
bahwa sistem mudah digunakan dan diterima dengan baik oleh pengguna. Sistem
ini diharapkan dapat meningkatkan efisiensi kerja BMKG Kota Tarakan,
mendukung pengambilan keputusan terkait kondisi cuaca, serta menjadi solusi
modern dalam analisis data meteorologi. Pengembangan lebih lanjut dapat
dilakukan dengan integrasi sistem prediksi cuaca ekstrem dan klasifikasi curah
hujan untuk memperluas manfaatnya.
Kata kunci: Radiosonde, Random Forest, BMKG, PyQt5, Analisis Data

BMKG Meteorological Station in Tarakan City faces challenges in the recording and analysis of Radiosonde data, which is still done manually, leading to inefficiencies and potential errors. This study aimed to develop an automated recording and analysis system for Radiosonde data (RASON) using the random forest method to improve the efficiency and accuracy of data processing. The system consists of data import modules, analysis using random forest, data visualization, and a GUI-based user interface. The research results showed that this system is capable of increasing data recap efficiency by up to 99%, with an automatic recap time of only 8 seconds for 20 rows of data, compared to 10 minutes and 24 seconds using the manual method. The classification accuracy using random forest reaches 100% for atmospheric stability indices (KI, LI, SI, TT) and 99.93% for CAPE, with high Precision, Recall, and F1-Score values, such as 1.0000 for KI and TT, and 0.9938 for LI and 0.9965 for CAPE. The total classification (All Data Class) achieved a Precision of 0.9030, Recall of 0.9877, and F1-Score of 0.9369. The usability evaluation with an average SUS score of 90 indicated that the system was easy to use and well received by users. This system is expected to improve the work efficiency of BMKG Tarakan City, support decision-making related to weather conditions, and serve as a modern solution in meteorological data analysis. Further development can be carried out through the integration of extreme weather prediction systems and rainfall classification to expand its benefits. Keywords: Radiosonde, Random Forest, BMKG, PyQt5, Data Analysis