Implementasi Metode K-Nearest Neighbor Untuk Memprediksi Kondisi Cuaca

Priyanto, Evania
Daniati, Erna
Ristyawan, Aidina

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 8 No. 1 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024

Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (KNN) menggunakan aplikasi RapidMiner untuk memprediksi kondisi cuaca. Mengingat cuaca memiliki pola yang tidak menentu, prediksi manual menjadi sangat sulit. Meskipun cuaca tidak dapat diprediksi dengan kepastian absolut, perkiraan masih dapat dibuat. Dalam konteks ini, data mining memungkinkan mesin untuk mengenali dan mempelajari pola data yang kompleks. Oleh karena itu, machine learning dapat digunakan untuk mempelajari pola data cuaca guna melakukan prediksi. Penelitian ini menggunakan enam variabel sebagai kriteria, yaitu tanggal, curah hujan, suhu maksimum, suhu minimum, kecepatan angin, dan kondisi cuaca. Pengujian yang dilakukan menggunakan algoritma K-Nearest Neighbor (KNN) melalui aplikasi RapidMiner dengan nilai K=2 menunjukkan akurasi sebesar 100%, berdasarkan 1462 data yang diambil dari tahun 2012 hingga 2015. Hasil analisis membuktikan bahwa metode KNN yang diterapkan dengan aplikasi RapidMiner efektif dalam memprediksi cuaca.