PENERAPAN DATA MINING UNTUK PREDIKSI CURAH HUJAN KOTA JAMBI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

Theresia, Luckita (2024) PENERAPAN DATA MINING UNTUK PREDIKSI CURAH HUJAN KOTA JAMBI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR. Masters thesis, UNAMA.

[img] Text
BAB I.pdf

Download (449kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (415kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
BAB V.pdf

Download (406kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (398kB)

Abstract

Indonesia merupakan negara maritim yang terletak di wilayah khatulistiwa. Tingginya penyinaran matahari menyebabkan kenaikan suhu udara yang berguna dalam proses penguapan dan pembentukan awan konvektif sehingga curah hujan di Indonesia cukup tinggi. Kenaikan suhu udara dan beragamnya faktor geografis maupun topografi menjadi penyebab sulitnya memprediksi curah hujan di Indonesia tidak terkecuali di Kota Jambi. Analisis data mining dapat membantu menyelesaikan masalah prediksi, salah satunya adalah algoritma K-Nearest Neighbor (KNN) yang mampu mengenali suatu pola data sequensial dengan menggunakan konsep perhitungan jarak terdekat dengan sebuah titik. Algoritma K-Nearest Neighbor (KNN) dapat mengetahui tingkat akurasi dari prediksi hujan dimana proses pengolahan algoritma K-Nearest Neighbor (KNN) menggunakan perangkat lunak RapidMiner. Dari 366 data uji diketahui terdapat 316 data dengan prediksi yang benar dan 50 data dengan prediksi salah, akurasi yang dihasilkan cukup tinggi sebesar 86,34%. Tingginya nilai akurasi menandakan bahwa model bekerja dengan cukup baik dalam mengklasifikasikan data curah hujan.

Item Type: Thesis (Masters)
Subjects: Aplikasi Sistem Pengolahan Data
Divisions: Tesis > Magister Sistem Informasi > 2024
Depositing User: Digital Library
Date Deposited: 04 Jul 2025 04:39
Last Modified: 04 Jul 2025 04:39
URI: http://repository.unama.ac.id/id/eprint/4473

Actions (login required)

View Item View Item