<![CDATA[Gunung Karangetang di Kabupaten Kepulauan Sitaro, Sulawesi Utara, merupakan salah satu gunung berapi paling aktif di Indonesia yang aktivitasnya berpotensi menimbulkan ancaman bagi masyarakat dan lingkungan. Pemantauan aktivitas vulkanik secara manual sering kali terhambat oleh kondisi cuaca, sehingga diperlukan sistem otomatis yang dapat memberikan informasi real-time dan akurat. Penelitian ini bertujuan untuk melakukan prediksi terhadap aktifitas gunung karangetan dengan tahap melakukan pengklasifikasian dari aktifitas gunung karangetan. Data yang digunakan terdiri dari parameter seismik dan komposisi gas (VA, VB, Tremor, SO₂, dan CO₂/SO₂) yang telah melalui proses normalisasi. Metode penelitian meliputi tahapan pengumpulan data, preprocessing data, pelatihan model KNN, serta evaluasi performa model melalui confusion matrix dan classification report. Hasil pengujian menunjukkan bahwa nilai k = 1 memberikan performa terbaik dengan akurasi 85% untuk melakukan prediksi dari aktifitas gunung. Kelas 3.0 memiliki precision, recall, dan f1-score tertinggi (0,95), sedangkan kelas minoritas (0.0 dan 1.0) masih menunjukkan performa rendah dengan f1-score masing-masing 0,29 dan 0,53. Perbedaan antara nilai macro average (precision 0,66; recall 0,64; f1-score 0,63) dengan weighted average (0,85) mengindikasikan ketidakseimbangan data antar kelas. Penelitian ini menyimpulkan bahwa algoritma KNN efektif digunakan untuk klasifikasi dan akurasi prediksi aktivitas vulkanik pada gunung karangetan, terutama pada kelas dominan, namun masih memerlukan perbaikan dalam pengenalan kelas minoritas. Untuk penelitian selanjutnya, disarankan penerapan resampling data, cross-validation, serta eksplorasi algoritma lain seperti Neural Network atau Support Vector Machine guna meningkatkan akurasi dan pemerataan performa antar kelas.]]>
Copyrights © 2025
