PENERAPAN ALGORITMA DECISION TREE C4.5 UNTUK PREDIKSI CUACA DI KOTA SEMARANG
DOI:
https://doi.org/10.30587/indexia.v7i1.9344Keywords:
Prediksi Cuaca, Data Mining, Algoritma C4.5, Decision Tree, SemarangAbstract
Cuaca adalah kondisi atmosfer yang dipengaruhi oleh berbagai faktor seperti suhu, tekanan, dan kelembapan. Untuk memastikan bahwa aktivitas manusia tidak terganggu untuk berbagai apsek kehidupan, termasuk pertanian dan transportasi, sangat penting untuk membuat prediksi cuaca yang akurat. Di Kota Semarang, prediksi cuaca membantu masyarakat dan pemerintah dalam pengambilan keputusan. Namun, ketepatan prediksi sering terhambat oleh banyaknya parameter yang terlibat. Tujuan dari penelitian ini untuk menganalisis klasifikasi curah hujan di Kota Semarang menggunakan algoritma Decision Tree C4.5 berbasis data cuaca dari BMKG periode 2016-2023. Algoritma C4.5 dipilih sebab kapasistasnya membentuk pohon keputusan yang bisa memberikan visualisasi hasil klasifikasi dengan akurasi tinggi. Data mining dilakukan menggunakan RapidMiner dengan membagi data ke dalam data training dan data testing yang memiliki rasio 90:10. Hasil strudi menunjukkan tingkat akurasi sebesar 99,12%, yang ada pada klasifikasi sangat baik (Excellent Classification).
Kata Kunci: Prediksi Cuaca; Data Mining; Algoritma C4.5; Decision Tree; Semarang
References
[2] A. Novandya and I. Oktria, “Penerapan Algoritma Klasifikasi Data Mining C4.5 Pada Dataset Cuaca Wilayah Bekasi,” vol. 6, 2017.
[3] A. N. Sallamah, A. Sunandar, A. M. Rizka, and C. Rozikin, “Prakiraan Cuaca Kota Bandung di Tahun Berikutnya dengan Menggunakan Metode Naïve Bayes,” J. Comput. Inf. Technol., vol. 8, no. 1, pp. 27–32, 2024.
[4] A. M. Siregar, S. Faisal, Y. Cahyana, and B. Priyatna, “Perbandingan Algoritme Klasifikasi Untuk Prediksi Cuaca,” J. Account. Inf. Syst. AIMS, vol. 3, no. 1, pp. 15–24, Apr. 2020, doi: 10.32627/aims.v3i1.280.
[5] F. I. Harida and N. Khazizah, “ANALISIS CUACA DI KOTA JAKARTA BULAN JANUARI TAHUN 2018 MENGGUNAKAN ALGORITMA DECISION TREE,” vol. 14, no. 1, 2022.
[6] P. Bimo Nugroho Setio, D. Retno Sari Saputro, and B. Winarno, “Klasifikasi dengan Pohon Keputusan Berbasis Algoritme C4.5,” PRISMA Pros. Semin. Nas. Mat., vol. 3, pp. 64–71, 2020, doi: https://journal.unnes.ac.id/sju/index.php/prisma/.
[7] F. Ubaidillah, M. R. Ramadhan, and P. Rosyani, “IMPLEMENTASI DATA MINING PADA DATASET PRAKIRAAN CUACA MENGGUNAKAN ALGORITMA C4.5,” ALKHAWARIZMI J. Mat. Algoritma Dan Sains, vol. 1, no. 1, pp. 131–140, 2023.
[8] A. Prasetiyo, “Pemanfaatan Algoritma Decision Tree C4.5 dalam Memprakirakan Hujan di Stasiun Meteorologi Kelas I Sultan Hasanuddin,” Bul. GAW Bariri, vol. 5, no. 1, pp. 47–55, Jun. 2024, doi: 10.31172/bgb.v5i1.120.
[9] M. F. Nasrullah, Rd. R. Saedudin, and F. Hamami, “PERBANDINGAN AKURASI ALGORITMA C4.5 DAN K-NEAREST NEIGHBORS UNTUK KLASIFIKASI CURAH HUJAN BERDASARKAN IKLIM INDONESIA,” JIPI J. Ilm. Penelit. Dan Pembelajaran Inform., vol. 9, no. 2, pp. 628–638, May 2024, doi: 10.29100/jipi.v9i2.4655.
[10] J. R. Quinlan, C4.5: Programs for Machine Learning. San Mateo, 1993.
[11] M. W. Prihatmono and A. F. Watratan, “IMPLEMENTASI ALGORITMA C4.5 MENGGUNAKAN PYTHON UNTUK KLASIFIKASI KEPUASAN KONSUMEN,” J. Inform. Progres, vol. 11, no. 2, pp. 49–55, Sep. 2019.
[12] A. Shiddiq, R. K. Niswatin, and I. N. Farida, “Analisa Kepuasan Konsumen Menggunakan Klasifikasi Decision Tree Di Restoran Dapur Solo (Cabang Kediri),” Gener. J., vol. 2, no. 1, 2018.
[13] F. Gorunescu, Data Mining: Concepts, models and techniques, vol. 12. Springer Science & Business Media, 2011.
[14] M. Al-Batah, B. Zaqaibeh, S. A. Alomari, and M. S. Alzboon, “Gene Microarray Cancer Classification using Correlation Based Feature Selection Algorithm and Rules Classifiers,” Int. J. Online Biomed. Eng. IJOE, vol. 15, no. 8, 2019.
[15] “BMKG Dataonline,” BMKG Dataonline. Accessed: Jan. 03, 2025. [Online]. Available: https://dataonline.bmkg.go.id
Template INDEXIA
