KLASIFIKASI KONDISI CUACA DI WILAYAH JAKARTA MENGGUNAKAN ALGORITMA NAÏVE BAYES, RANDOM FOREST, DAN SUPPORT VECTOR MACHINE

Nabhan, Muhammad Faris (2025) KLASIFIKASI KONDISI CUACA DI WILAYAH JAKARTA MENGGUNAKAN ALGORITMA NAÏVE BAYES, RANDOM FOREST, DAN SUPPORT VECTOR MACHINE. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (1MB)
	Text BAB I.pdf Download (189kB)
	Text BAB II.pdf Download (337kB)
	Text BAB III.pdf Download (465kB)
	Text BAB IV.pdf Download (913kB)
	Text BAB V.pdf Download (104kB)
	Text LAMPIRAN.pdf Download (4MB)

Abstract

Perubahan iklim global menyebabkan fluktuasi cuaca yang sulit diprediksi, sehingga diperlukan klasifikasi kondisi cuaca yang akurat untuk mendukung pengambilan keputusan di berbagai sektor. Penelitian ini membandingkan kinerja tiga algoritma klasifikasi Naïve Bayes, Random Forest, dan Support Vector Machine (SVM) dalam mengklasifikasikan kondisi cuaca di Jakarta berdasarkan data meteorologi. Analisis dilakukan dengan dan tanpa feature selection untuk mengidentifikasi variabel yang paling berpengaruh, serta menggunakan berbagai skenario pembagian data train/test (70/30, 80/20, dan 90/10). Hasil penelitian menunjukkan bahwa model Random Forest tanpa feature selection memiliki performa terbaik dengan akurasi 89.63% pada skenario train/test 80/20, menjadikannya pilihan utama untuk implementasi dalam sistem klasifikasi cuaca. Sementara itu, model SVM dengan feature selection menunjukkan akurasi tertinggi sebesar 77.29% pada skenario train/test 90/10. Temuan ini mengindikasikan bahwa feature selection tidak selalu meningkatkan performa model, tergantung pada jenis algoritma dan karakteristik data. Model terbaik, yaitu Random Forest tanpa feature selection, diimplementasikan dalam aplikasi berbasis Streamlit untuk memungkinkan klasifikasi cuaca secara real-time dengan metode input manual atau unggah file. Dengan demikian, penelitian ini membuktikan bahwa model Random Forest dapat digunakan secara efektif dalam sistem prediksi cuaca berbasis machine learning.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	19 Jun 2025 07:12
Last Modified:	19 Jun 2025 07:12
URI:	http://repository.unas.ac.id/id/eprint/13032

Actions (login required)

View Item