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:	Users 30 not found.
Date Deposited:	19 Jun 2025 07:12
Last Modified:	19 Jun 2025 07:12
URI:	https://repository.unas.ac.id/id/eprint/13032

Actions (login required)

View Item