Analisa Prakiraan Cuaca dengan Parameter Suhu, Kelembaban, Tekanan Udara, dan Kecepatan Angin Menggunakan Regresi Linear Berganda

Kondisi cuaca memiliki kecenderungan berubah, untuk itu badan meteorologi bekerja memprediksi perkiraan cuaca agar dapat memberikan peringatan dini apabila terjadi perubahan cuaca yang mendadak atau bahkan ekstrem. Dengan memprakirakan cuaca yang datang mendadak secara akurat, maka dapat mengambil l...

Full description

Bibliographic Details
Main Authors: Ardytha Luthfiarta, Aris Febriyanto, Heru Lestiawan, Wibowo Wicaksono
Format: Article
Language:English
Published: Universitas Dian Nuswantoro, Fakultas Ilmu Komputer 2020-05-01
Series:JOINS (Journal of Information System)
Online Access:http://publikasi.dinus.ac.id/index.php/joins/article/view/2760
Description
Summary:Kondisi cuaca memiliki kecenderungan berubah, untuk itu badan meteorologi bekerja memprediksi perkiraan cuaca agar dapat memberikan peringatan dini apabila terjadi perubahan cuaca yang mendadak atau bahkan ekstrem. Dengan memprakirakan cuaca yang datang mendadak secara akurat, maka dapat mengambil langkah pencegahan agar dapat meminimalkan kerugian yang akan terjadi. Diperlukan beberapa variable atau parameter yang relevan untuk dapat memodelkan data dengan baik sehingga hasil prediksinya menjadi lebih akurat. Salah satu pendekatan pemodelan data untuk prediksi cuaca adalah supervised learning dengan teknik estimasi. Estimasi memberikan prediksi nilai pada atribut target atau class attribute yang bertipe numerical. Regresi linear berganda merupakan salah satu algoritma estimasi yang handal untuk memprediksi cuaca. Empat variable independent yakni, suhu, kelembaban, tekanan, dan kecepatan angin digunakan untuk memprakirakan curah hujan sebagai variable dependent. Data yang digunakan adalah data BMKG dari Stasiun Meteorologi Ahmad Yani Semarang tahun 2015-2017. Nilai koefisien determinasi R2 sebesar 25.5 persen menunjukkan bahwa keempat variabel yang digunakan secara bersamaan dapat menjelaskan nilai curah hujan sebagai variable dependent.
ISSN:2528-0228
2528-0236