Klasifikasi Curah Hujan Menggunakan Metode Ensemble Subset K-Nearest Neighbor (Studi Kasus : Curah Hujan Kota Bogor Tahun 2014 – 2018)
Abstract
Curah hujan merupakan salah satu komponen dalam iklim. Klasifikasi curah hujan menjadi salah satu masalah yang cukup menarik. Besarnya curah hujan tidak dapat ditentukan secara pasti namun dapat diperkirakan. Metode kNN merupakan sebuah pendekatan untuk klasifikasi non-parametrik yang cukup efisien. Berbagai upaya telah dilakukan untuk meningkatkan kinerja tetangga terdekat yang diklasifikasikan dengan teknik ensemble. Oleh karena itu, diperlukan suatu teknik khusus untuk melakukan klasifikasi terhadap data curah hujan yang dinamakan Ensemble Subset K-Nearest Neighbor. Tujuan penelitian ini adalah untuk mengetahui klasifikasi curah hujan. Data yang digunakan merupakan data sekunder yang bersumber dari website resmi BMKG tahun 2014-2018. Hasil dari penelitian ini menunjukkan bahwa ketika nilai k sebesar 3, maka nilai error yang didapatkan 0.260223 dan ketepatan klasifikasi yang dihasilkan sebesar 0.739777. Ketika nilai k sebesar 4, maka nilai error yang didapatkan 0.2695167 dan ketepatan klasifikasi yang dihasilkan sebesar 0.730483. Ketika nilai k sebesar 5, maka nilai error yang didapatkan 0.2695167 dan ketepatan klasifikasi yang dihasilkan sebesar 0.730483. Ketika nilai k sebesar 6, maka nilai error yang didapatkan sebesar 0.260223 dan ketepatan klasifikasi yang dihasilkan sebesar 0.739777.
Collections
- Statistics [900]