PENERAPAN DATA MINING UNTUK MENENTUKAN POTENSI HUJAN HARIAN DENGAN MENGGUNAKAN ALGORITMA K NEAREST NEIGHBOR (KNN)

Authors

  • Rofiq Harun Universitas Ichsan Gorontalo
  • Kartika Chandra Pelangi Unisa Gorontalo
  • Yuliyanti Lasena Unisa Gorontalo

DOI:

https://doi.org/10.36595/misi.v3i1.125

Keywords:

K-Nearest Neighbor, Informasi cuaca

Abstract

Pentingnya informasi ramalan cuaca yang tepat dan tidak membingungkan untuk berbagai hal bidang-bidang seperti pertanian perikanan yang terkait erat dengan prakiraan cuaca, Prediksi cuaca yang tepat dan cepat diperlukan oleh bidang-bidang ini untuk melakukan berbagai variasi kegiatan Tentunya tidak hanya nelayan atau petani yang dapat memanfaatkan ramalan cuaca informasi, masih banyak bidang kerja terkait lainnya, seperti pariwisata, perkapalan, perkebunan, kehutanan, konstruksi bangunan, perencanaan regional, kesehatan dan bahkan di bidang olahraga memerlukan informasi ini karena itu perlu membuat aplikasi untuk menentukan informasi cuaca, sehingga informasi tersebut dapat dimanfaatkan secara maksimal oleh Publik. desain sistem yang akan mengklasifikasikan secara otomatis dapat dikembangkan dengan menerapkan metode  (KNN) berdasarkan Analisis data cuaca untuk menentukan apakah cuaca tidak hujan, cuaca  hujan, hujan lebat, dan  Dan hasil pengujian menunjukan baahwa klasifikasi penentuan cuaca harian dengan algoritma K-Nearest Neighbor mendapatkan Nilai RMSE 9.899 +/- 0.000

 

Kata kunci: K-Nearest Neighbor, Informasi cuaca

References

Y. Andrian and E. Ningsih, “Prediksi Curah Hujan Di Kota Medan Menggunakan Metode Backpropagation Neural Network,” Semin. Nas. Inform., pp. 184–189, 2014.
C. Oktaviani, “Prediksi Curah Hujan Bulanan menggunakan Jaringan Syaraf Tiruan dengan Beberapa Fungsi Pelatihan Backpropagation (Studi Kasus: Stasiun Meteorologi Tabing Padang, Tahun 2001-2012),” J. Fis. Unand, vol. 2, no. 4, pp. 228–237, 2014.
A. Susanto, “Implementasi Metode K-Nearest Neighbor dalam Peramalan Jumlah Penduduk pada Kabupaten Grobogan, Demak dan Sragen,” Progr. Stud. Tek. Inform. FTI-UKSW, 2017.
A. D. Bagja, G. Abdillah, and F. Renaldi, “Penerapan Data Mining Dalam Menentukan Potensi Keberhasilan Bakal Calon Legislatif di Daerah Pemilihan Jawa Barat Menggunakan Algoritma k-Nearest Neighbors,” Pros. SNST, pp. 184–189, 2016.
F. N. Mandey, H. S. Kolibu, and M. D. Bobanto, “Pemodelan Sistem Prediksi Intensitas Curah Hujan di Kota Manado Dengan Menggunakan Kontrol Logika Fuzzy,” J. MIPA, vol. 6, no. 2, pp. 19–23, 201
International, Grolier, Ilmu Pengetahuan Populer Jilid 3. jakarta: PT Widyadara, 2004.
E. Turban, J. E, Aronson, and Ting-Peng Liang, Decision Support Systems and Intelligent Systems. Yogyakarta: Andi Offset, 2005.
Michael J.A. Berry and Gordon S. Linoff, Data Mining Techinique for Marketing,sales, Customer Relationship Management. Wiley Publishing,inc, 2004.
F. Hermawan and H. Agung, “Implementasi Metode K-Nearest Neighbor Pada Aplikasi Data Penjualan PT. Multitek Mitra Sejati,” no. x, pp. 103–109, 2016.
A. Raharja, M. K. Wiwik Angraeni, S.Si, and S. K. Retno Aulia Vinarti, “PENERAPAN METODE EXPONENTIAL SMOOTHING UNTUK PERAMALAN PENGGUNAAN WAKTU TELEPON DI PT.TELKOMSEL DIVRE3 SURABAYA,” SISFO-Jurnal Sist. Inf., pp. 1–9.
M. A. Yulianto, “Analisa Time Series,” Pengenalan Anal. Ser. waktu (time Ser., 2012.
Lombok, Khairul Imtihan-STMIK. "Perencanaan Strategi Sistem Informasi Pendidikan Pada Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) Lombok." Bianglala Informatika 3, no. 2 (2015).

Downloads

Published

02-03-2020

How to Cite

Harun, R., Pelangi, K. C., & Lasena, Y. (2020). PENERAPAN DATA MINING UNTUK MENENTUKAN POTENSI HUJAN HARIAN DENGAN MENGGUNAKAN ALGORITMA K NEAREST NEIGHBOR (KNN). Jurnal Manajemen Informatika Dan Sistem Informasi, 3(1), 8–15. https://doi.org/10.36595/misi.v3i1.125