<![CDATA[Perubahan iklim yang semakin kompleks dan tidak terprediksi telah mendorong perkembangan berbagai metode untuk memprediksi kondisi cuaca. Cuaca merupakan faktor penting yang mempengaruhi banyak aspek kehidupan, seperti pertanian, transportasi, dan aktivitas sehari-hari. Oleh karena itu, klasifikasi cuaca menjadi bidang yang sangat penting untuk diteliti dan dioptimalkan. Penelitian ini menggunakan dataset dummy prakiraan cuaca dari Kaggle, yang mencakup variabel seperti suhu, kelembaban, kecepatan angin, dan curah hujan, untuk membangun model klasifikasi. Algoritma K-Nearest Neighbors (KNN), yang sering digunakan dalam tugas klasifikasi, diterapkan untuk memprediksi kondisi cuaca. Optimalisasi dilakukan dengan menganalisis pengaruh parameter algoritma dan teknik preprocessing data, seperti normalisasi dan seleksi fitur. Hasil penelitian menunjukkan bahwa model KNN dapat mengklasifikasikan kondisi cuaca dengan akurasi 34,21%. Meskipun hasil ini terbatas, model ini memberikan dasar untuk perbaikan lebih lanjut dalam pengembangan model prediksi cuaca.]]>
Copyrights © 2025
