Implementasi Metode K–Nearest Neighbors Untuk Prediksi Cuaca Dengan Konsep Data Mining

Abstract

Prediksi cuaca terus berkembang seiring dengan kemajuan dalam ilmu atmosfer, teknologi komputasi, dan analisis data. Namun, penting untuk diingat bahwa cuaca adalah sistem yang kompleks dan sulit untuk diprediksi dengan sempurna. Prediksi cuaca masih memiliki keterbatasan dan tingkat ketidakpastian tertentu, terutama dalam jangka waktu yang lebih lama dan dalam menghadapi peristiwa cuaca ekstrem yang kompleks. Data hasil pengamatan ini sangatlah penting untuk melihat karakteristik cuaca di tempat tersebut dan pembuatan informasi perkiraan cuaca beberapa hari ke depan. Setiap harinya Badan Meteorologi dan Geofisika (BMKG) melakukan pengukuran terhadap faktor-faktor cuaca. Ketersediaan data yang melimpah tentang faktorfaktor cuaca tersebut akan mendukung penggalian informasi untuk prakiraan cuaca, Sementara itu dalam proses pembuatan informasi perkiraan cuaca terdapat beberapa hambatan, Pertama susahnya membuat informasi perkiraan cuaca  di karenakan  melibatkan lebih dari satu sumber data seperti data hasil pengamatan, data hasil model aplikasi cuaca, data hasil gambar kondisi awan dari satelit, data hasil kondisi awan dari radar.  Hambatan Kedua, perkiraan cuaca pada umumnya mengandalkan keahlian dari seorang prakirawan cuaca, sehingga interpretasi yang di hasilkan bisa berbeda antar perkirawan satu dengan yang lain karena bergantung dari pengalaman dan keahlian masing-masing. Dengan menggabungkan teknik data mining dengan pemahaman mendalam tentang ilmu atmosfer, para peneliti cuaca dapat menghasilkan prediksi cuaca yang lebih andal dan akurat. Ini memiliki implikasi penting dalam berbagai bidang, termasuk pertanian, transportasi, manajemen bencana, dan banyak lagi. Penerapan teknik data mining untuk sistem prediksi dapat menggunakan berbagai metode salah satunya adalah metode K-Nearest Neighbors. KNN bekerja dengan cara mencari k-tetangga terdekat dari data yang ingin diklasifikasikan atau diprediksi, lalu mengambil mayoritas kelas tetangga tersebut sebagai prediksi kelas atau nilai regresi untuk data tersebut. Hasil implementasi Sistem Analisis Pengujian Metode Knn (K–Nearest Neighbors) Pada Studi Kasus Prediksi Cuaca Menggunakan Model Data Mining berjalan dengan baik dan menghasilkan tiga bentuk prediksi berdasarkan prediksi yaitu hujan dan tidak hujan. Hasil implementasi mendapatkan 33% Prediksi hujan, dan 75% Prediksi tidak hujan dari total data cuaca sebanyak 8 Data