UDiNus Repository

IMPLEMENTASI PREDIKSI CUACA KOTA SEMARANG MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER

FIKRIZA, MAHATMA BINTANG (2017) IMPLEMENTASI PREDIKSI CUACA KOTA SEMARANG MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER. Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (4014b) | Preview

    Abstract

    Banyak aktivitas manusia yang bergantung pada faktor cuaca. Faktor cuaca ini adakalanya memiliki dampak yang sangat besar bagi aktivitas yang dilakukan, mengingat cuaca merupakan kondisi udara yang berlangsung dalam jangka waktu yang singkat maka prediksi cuaca menjadi hal yang penting. Dalam penelitian ini akan menggunakan teknologi Data Mining berupa metode classifier yang akan memprediksi cuaca. Pada dasarnya data mining berhubungan dengan analisa data dan penggunaan teknik-teknik perangkat lunak untuk mencari pola dan keteraturan dalam himpunan data yang sifatnya tersembunyi. salah satu metode data mining yang digunakan yaitu memprediksi suatu kemungkinan, khususnya dalam memprediksi cuaca. Dalam penelitian ini akan menerapkan salah satu metode data mining yaiu Naïve Bayes Classifier untuk memprediksi cuaca dengan parameter suhu udara, kelembapan udara, dan tekanan udara yang berjumlah 311 data cuaca dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) Semarang. Pada hasil pengujian dengan confusion matrix Menunjukkan bahwa klasifikasi cuaca menggunakan metode Naïve Bayes Classifier memiliki akurasi sebesar 88.10289389 % dan error rate sebesar 11.89710610 %. Dari hasil tersebut dapat ditarik kesimpulan bahwa metode Naïve Bayes Classifier baik dalam mengklasifikasikan cuaca dengan parameter suhu udara, kelembapan udara, dan tekanan udara.

    Item Type: Article
    Subjects: T Technology > Teknik Informatika
    Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika
    Divisions: Fakultas Ilmu Komputer
    Depositing User: Psi Udinus
    Date Deposited: 13 Dec 2017 17:17
    Last Modified: 13 Dec 2017 17:17
    URI: http://eprints.dinus.ac.id/id/eprint/23523

    Actions (login required)

    View Item