EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DALAM MEMPREDIKSI DAN MENGHITUNG TINGKAT AKURASI DATA CUACA DI INDONESIA

Muhammad Yusuf Rizqon Rangkuti, Muhamamd Valensyah Alfansyuri, Wawan Gunawan

Hexagon Jurnal Teknik dan Sains · 2021

DOI: 10.36761/hexagon.v2i2.1082 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Hexagon Jurnal Teknik dan Sains, 2021. Verfasst von Muhammad Yusuf Rizqon Rangkuti und 2 weiteren Autor:innen. Die Arbeit wurde bisher 2-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Indonesia merupakan negara yang memiliki derah rawan bencana sangat besar, sehingga bisa di juluki sebagai negara 1001 bencana. Tercatat sepanjang bulan januari 2020 terdapat 518 gempa, sementara pada bulan februari 2020 mengalami kenaikan sampai 799 gempa. Bukan hanya gempa saja yang terjadi di Indonesia banjir, longsor, curah hujan ekstrim, sampai perubahan suhu yang sangat drastic terjadi di Indonesia setiap tahunnya. Secara hidroklimatologis Indonesia juga terkena dampak dengan adanya fenomena ENSO (EL_Nino Southern Oscillation) dan La Nina sehingga terjadinya bencana banjir, tanah longsor, kekeringan, dan suhu yang rendah (dingin). Pada penelitian ini akan dilakukan Penerapan Algoritma K-NN dalam Memprediksi dan Menghitung Tingkat Akurasi Data Cuaca di Indonesia. Data yang digunakan sebanyak 3623 data yang kemudian dibagi menjadi data training dan data testing dengan perbandingan 80 : 20 , 80 % untuk data training atau sebanyak 2898 data dari 3623 data dan untuk data testing sebanyak 20% atau sebanyak 725 data dari 3623 data. menghasilkan suatu prediksi dengan tingkat akurasi data sebesar 0,8993 atau sekitar 89%. Dengan tingkat akurasi data sebesar 89% diharapkan dapat membantu memprediksi suhu dan cuaca di Indonesia, sehingga dapat membantu peternak dan petani untuk mengurangi resiko dari gagal panen dan kerugian.

Zitieren

APA

Rangkuti, M. Y. R., Alfansyuri, M. V., & Gunawan, W. (2021). PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DALAM MEMPREDIKSI DAN MENGHITUNG TINGKAT AKURASI DATA CUACA DI INDONESIA. Hexagon Jurnal Teknik dan Sains. https://doi.org/10.36761/hexagon.v2i2.1082

Vancouver

Rangkuti MYR, Alfansyuri MV, Gunawan W. PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DALAM MEMPREDIKSI DAN MENGHITUNG TINGKAT AKURASI DATA CUACA DI INDONESIA. Hexagon Jurnal Teknik dan Sains. 2021. doi:10.36761/hexagon.v2i2.1082

BibTeX
@article{Rangkuti2021,
  author = {Rangkuti, Muhammad Yusuf Rizqon and Alfansyuri, Muhamamd Valensyah and Gunawan, Wawan},
  title = {PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DALAM MEMPREDIKSI DAN MENGHITUNG TINGKAT AKURASI DATA CUACA DI INDONESIA},
  journal = {Hexagon Jurnal Teknik dan Sains},
  year = {2021},
  doi = {10.36761/hexagon.v2i2.1082}
}
Kostenlos starten →