Yani, Vini Indri (2020) OPTIMASI PRAKIRAAN CUACA MENGGUNAKAN METODE ENSEMBLE PADA ALGORITMA NAÏVE BAYES DAN C4.5. Sarjana thesis, Universitas Siliwangi.
![[img]](http://repositori.unsil.ac.id/style/images/fileicons/text.png) |
Text
01 Cover.pdf Download (59kB) |
|
Text
02 LEMBAR PENGESAHAN TUGAS AKHIR.pdf Download (123kB) |
|
Text
03 Lembar Keaslian.pdf Download (98kB) |
|
Text
04 ABSTRACK.pdf Download (36kB) |
|
Text
05 MOTTO DAN PERSEMBAHAN.pdf Download (135kB) |
|
Text
06 KATA PENGANTAR[26082020].pdf Download (93kB) |
|
Text
07 DAFTAR ISI.pdf Download (37kB) |
|
Text
08 DAFTAR GAMBAR.pdf Download (38kB) |
|
Text
09 DAFTAR TABEL.pdf Download (33kB) |
|
Text
10 DAFTAR KODE.pdf Download (30kB) |
|
Text
11 DAFTAR LAMPIRAN.pdf Download (31kB) |
|
Text
12 BAB I.pdf Download (55kB) |
|
Text
13 BAB II.pdf Download (317kB) |
|
Text
14 BAB III.pdf Download (319kB) |
|
Text
15 BAB IV.pdf Restricted to Repository staff only Download (1MB) |
|
Text
16 BAB V.pdf Restricted to Repository staff only Download (34kB) |
|
Text
17 DAFTAR PUSTAKA.pdf Download (43kB) |
|
Text
18 LAMPIRAN.pdf Restricted to Repository staff only Download (864kB) |
Abstract
ABSTRAK Peramalan cuaca merupakan hal yang penting bagi kehidupan masyarakat luas. Oleh karena itu, akurasi dari peramalan cuaca haruslah tinggi. Penelitian terkait prakiraan cuaca telah beberapakali dilakukan dengan berbagai metode seperti naïve bayes dan C4.5. Namun, masih terdapat beberapa kekurangan seperti sedikitnya dataset dan kategori yang digunakan, sehingga akan berpengaruh besar pada akurasi. Berdasarkan hal itu maka dilakukan optimasi prakiraan cuaca menggunakan metode ensemble pada algoritma naïve bayes dan C4.5 dengan lima kategori. Dataset yang digunakan merupakan data cuaca hasil pengamatan dari BMKG Bandung selama 10 tahun. Hasil dari penelitian menunjukan penggunaan dataset dari BMKG Bandung tidak mendapatkan hasil yang maksimal karena nilai dari setiap parameter memiliki nilai yang hampir sama pada setiap kategori, sehingga membuat pola sulit dikenal dan diklasifikasikan dengan benar. Hasil klasifikasi dan optimasi menunjukan akurasi dari naïve bayes adalah 49,45%, sedangkan untuk C4.5 adalah 41,24%. Hasil akurasi setelah dioptimasi tidak terlalu signifikan. Kenaikan akurasi yang terjadi pada proses bagging adalah 0,31% untuk naïve bayes dan 4,52% untuk C4.5. Lalu, kenaikan akurasi pada proses boosting adalah -2,69% untuk naïve bayes dan -2,42% untuk C4.5. Berdasarkan eksperimen yang dilakukan akurasi tertinggi didapatkan oleh model bagging Naïve Bayes. Berdasarkan uraian dari hasil eksperimen penelitian ini, diusulkan untuk mengikut sertakan forecaster yang sudah berpengalaman dalam penelitian peramalan cuaca, sehingga hasil penelitian memiliki akurasi yang baik dan juga dapat diimplementasikan secara langsung dalam proses peramalan cuaca. Kaca Kunci: C4.5, Metode Ensemble, Naïve Bayes, Peramalan cuaca.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik > Informatika |
| Depositing User: | Rema Puri Irma Sri Katon |
| Date Deposited: | 20 Dec 2022 04:05 |
| Last Modified: | 20 Dec 2022 04:05 |
| URI: | http://repositori.unsil.ac.id/id/eprint/7782 |
Actions (login required)
 |
View Item |