Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
Andly Sofian Hasugian
Universitas Negeri Medan
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan K-Means Clustering untuk Identifikasi Pola Iklim Stasiun Cuaca Indonesia Menggunakan Data NOAA Global Surface Summary of the Day (GSOD) Andly Sofian Hasugian; Jatmiko Althaf Aziz; Nayla Anjani Nasution
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.941

Abstract

Perubahan iklim yang terjadi secara global menuntut adanya analisis data cuaca yang lebih sistematis dan terstruktur, khususnya untuk wilayah Indonesia yang memiliki keragaman iklim tinggi akibat pengaruh geografis kepulauan. Penelitian ini menerapkan algoritma K-Means Clustering untuk mengidentifikasi pola iklim stasiun cuaca di Indonesia menggunakan dataset NOAA Global Surface Summary of the Day (GSOD) yang diakses secara langsung melalui Application Programming Interface (API) resmi NOAA NCEI. Sebanyak 87 stasiun cuaca aktif di seluruh Indonesia digunakan sebagai objek penelitian dengan periode pengamatan tahun 2023, menghasilkan 50.232 records data mentah. Variabel yang digunakan mencakup suhu maksimum, suhu minimum, suhu rata-rata harian, dan curah hujan. Normalisasi data dilakukan menggunakan metode StandardScaler sebelum proses clustering. Penentuan jumlah cluster optimal menggunakan Elbow Method menghasilkan nilai K=4, ditandai dengan penurunan inertia (WCSS) yang signifikan dari 72.33 (K=4) dibanding 132.02 (K=3). Hasil clustering mengelompokkan 87 stasiun ke dalam empat cluster: Cluster 0-Tropis Basah Sedang (38 stasiun, 43.7%), Cluster 1-Dataran Tinggi Sejuk (4 stasiun, 4.6%), Cluster 2-Tropis Panas Basah (43 stasiun, 49.4%), dan Cluster 3-Tropis Curah Hujan Ekstrem (2 stasiun, 2.3%). Hasil penelitian divisualisasikan dalam peta interaktif berbasis Folium yang menampilkan distribusi spasial cluster secara geografis. Pendekatan berbasis API ini membuktikan efisiensi akses big data skala petabyte tanpa proses unduhan massal.
Co-Authors Jatmiko Althaf Aziz Nayla Anjani Nasution