RAMADHONI, MOHAMMAD and Bettiza, Martaleli and Ritha, Nola (2023) IMPLEMENTASI METODE BOOTSTRAP AGGREGATION (BAGGING) UNTUK KLASIFIKASI CUACA DI WILAYAH TANJUNGPINANG (STUDI KASUS: BMKG KOTA TANJUNGPINANG). S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) MOHAMMAD_RAMADHONI_190155201028_Teknik_Informatika - Cover.pdf - Published Version Download (988kB)
	Text (Abstrak) MOHAMMAD_RAMADHONI_190155201028_Teknik_Informatika - Abstrak.pdf - Published Version Download (120kB)
	Text (BAB I) MOHAMMAD_RAMADHONI_190155201028_Teknik_Informatika - BAB 1.pdf - Published Version Download (190kB)
	Text (Daftar Pustaka) MOHAMMAD_RAMADHONI_190155201028_Teknik_Informatika - Daftar Pustaka.pdf - Published Version Download (63kB)
	Text (Full Text) MOHAMMAD_RAMADHONI_190155201028_Teknik_Informatika - Full Text.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Cuaca merupakan kondisi yang sangat penting dalam kehidupan serta dipengaruhi oleh berbagai macam faktor seperti suhu, kelembaban, tekanan udara, dan kecepatan angin. Berbagai aktivitas kehidupan manusia berhubungan dengan cuaca seperti pertanian, pelayaran dan penerbangan. Pada 2015-2021, Kota Tanjungpinang menempati peringkat dua wilayah di Provinsi Kepulauan Riau yang paling banyak mengalami kejadian bencana sebanyak 63 kejadian yang berdampak pada kerusakan rumah dan penghidupan masyarakat setempat. Berdasarkan paparan tersebut, melakukan klasifikasi cuaca berdasarkan kategorinya perlu dilakukan agar lebih memahami perubahan cuaca yang didasarkan dari faktor-faktor cuaca dan informasi yang dihasilkan dapat digunakan untuk berbagai kebutuhan. Penelitian ini menerapkan ansamble learning yaitu bagging yang dikombinasikan dengan algoritma K-Nearest Neighbor (KNN). Bagging memanfaatkan pembuatan resampling secara acak untuk meningkatkan akurasi dan KNN sendiri merupakan algoritma yang mencari nilai K atau tetangga terdekat dalam menentukan kelas pada data baru. Penerapan metode bagging dengan algoritma KNN diharapkan mampu memberikan hasil yang baik dalam menentukan klasifikasi cuaca berdasarkan parameter yang ditetapkan. Kategori cuaca yang diklasifikasikan yaitu Cloudy, Overcast, Drizzle, Rain, Thunderstorm, dan Thick Cloudy. Hasil pengujian sistem yang dilakukan terhadap 191 data testing mendapatkan nilai akurasi sebesar 81.68% saat menerapkan sampel bootstrap sebanyak 50 dan K=5. Selain itu diperoleh juga nilai recall sebesar 70.33%, precision 77.33%, dan f1-score sebesar 72.5%.

Actions (login required)

View Item