Prediksi cuaca merupakan aspek krusial dalam mitigasi bencana dan perencanaan aktivitas harian, terutama terkait intensitas curah hujan dan radiasi ultraviolet (UV). Penelitian ini bertujuan untuk membangun model prediksi cuaca menggunakan algoritma Decision Tree dengan sumber data real-time dari sensor Misol Weather Station. Dataset yang digunakan dalam penelitian ini berjumlah 2.730 data yang mencakup parameter suhu, kelembaban, kecepatan angin, curah hujan, dan UV Index. Tantangan utama dalam penelitian ini adalah adanya ketidakseimbangan data (imbalance data), sehingga diterapkan teknik SMOTE dan Random Undersampling untuk meningkatkan performa model. Pengujian dilakukan dengan membagi data menjadi tiga skenario rasio, yaitu 80:20, 70:30, dan 60:40. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada skenario Random Undersampling dengan rasio 60:40, yang menghasilkan tingkat akurasi sebesar 60%. Hasil ini membuktikan bahwa penggunaan algoritma Decision Tree yang dikombinasikan dengan teknik penanganan ketidakseimbangan data efektif dalam memprediksi kondisi cuaca secara akurat.