PERBANDINGAN PERFORMA MODEL MACHINE LEARNING DALAM PREDIKSI SUHU DI SEMARANG
DOI:
https://doi.org/10.23960/jitet.v12i3.4884Abstract Views: 895 File Views: 877
Abstract
Prediksi suhu udara sangat bermanfaat untuk pertimbangan kebijakan lokal, sepertinya suhu udara lebih tinggi dari tahun-tahun sebelumnya, sehingga perlunya perluasan lahan hijau sebagai strategi untuk memperbaiki kualitas udara dan meningkatkan kualitas hidup masyarakat. Oleh karena itu perencanaan dan implementasi proyek lahan hijau harus menjadi prioritas dalam upaya pengembangan kota yang berkelanjutan. Penelitian ini membandingkan algoritma machine laerning model regresi linier dengan decision tree untuk memprediksi suhu kota Semarang dari tahun 2019 hingga 2023. Variabel data yang digunakan meliputi temperatur, titik embun, kecapatan angin, curah hujan, tekanan udara, lamanya penyinaran matahari, dan kelembaban. Pengolahan data dilakukan menggunakan software rapid miner dengan menggunakan algoritma regresi linier dan decision tree. Hasil penelitian menunjukkan algoritma regresi linier memiliki nilai RMSE sebesar 0.131 +/- 0.000, MAE 0,099 +/- 0,086 dan R2 0.990, sedangkan pada algoritma decision tree nilai RMSE sebesar 0,293 +/- 0,000, nilai MEA 0,189 +/- 0,224 dan nilai R2 0,948. Kesimpulan analisis menunjukkan bahwa algoritma regresi linier lebih akurat daripada decision tree.Downloads
References
Citra Agustina Rahayu et al,”Prediksi Penderita Diabetes menggunakan metode Naive Bayes” JITET (Jurnal Informatika dan Teknik Elektro Terapan) Vol. 11 No. 3, pISSN: 2303-0577eISSN:2830-7062DOI: https://doi.org/10.23960/jitet.v11i3.3055L. Aryani, Fatmasari, Afriyudi, and N.Hadinata, “Prediksi jumlah siswa baru dengan menggunakan metode exponential smoothing (studi kasus: SMK Ethika palembang),” Bina Darma Conf.Comput.…,pp.237–44,2020, [Online]. Available:https://conference. binadarma.ac.id/index.php/BDCCS/article/view/1615%0Ahttps://conference.binadarma.ac.id/index.php/BDCCS/article/download/1615/693
R. Limehuwey, W. Multi, and S. H. Kotarumalos, “Prediksi Suhu Udara Rata-rata Harian Dengan Metode Regresi Linier di Kota Ambon,” Tanah Goyang, vol. 1, no. 1, pp. 18–25, 2023.
R. Akbar, R. Santoso, and B. Warsito, “Prediksi Tingkat Temperatur Kota Semarang Menggunakan Metode Long Short-Term Memory (Lstm),” Jurnal Gaussian, vol. 11, no. 4, pp. 572–579, 2023, doi: 10.14710/j.gauss.11.4.572-579.
Yuwono, B. D., Abidin, H. Z., & Hilmi, M. (2013). ”Analisa geospasial penyebab penurunan muka tanah di Kota Semarang”. Prosiding Sains Nasional dan Teknologi, 1(1).
Ahmad Suryadi. “Tropical Rainfall and Its Effect on Urban Life in Indonesia”. Springer, 2021 ISBN: 978-981-15-9476-4.
Yufahri, M. O., & WIdjajanti, R. (2022). “Kajian Lahan Terbangun pada Kawasan Rawan Bencana Longsor di Kecamatan Tembalang, Kota Semarang”. Teknik PWK (Perencanaan Wilayah Kota), 11(3), 224-237.
R. Risanti, “Analisis Model Prediksi Cuaca Menggunakan Support Vector Machine, Gradient Boosting, Random Forest, Dan Decision Tree,” vol. XII, pp. 119–128, 2024, doi: 10.21009/03.1201.fa18.
C. D. Usman, A. P. Widodo, K. Adi, and R. Gernowo, “Rainfall prediction model in Semarang City using machine learning,” Indonesian Journal of Electrical Engineering and Computer Science, vol. 30, no. 2, p. 1224, May 2023, doi: 10.11591/ijeecs.v30.i2.pp1224-1231.
Agusti Frananda Alfonsus Naibaho dan Amalia Zahra “Prediksi kelulusan siswa Sekolah Menengah Pertama menggunakan Machine Learning” JITET (Jurnal Informatika dan Teknik Elektro Terapan) - Vol. 11 No. 3, pISSN: 2303-0577 eISSN: 2830-7062 DOI: https://doi.org/10.23960/ jitet.v11i3.3056 -B. Wu, C. Zheng, “An Analysis of the Effectiveness of Machine Learning Theory in the Evolution of Education and Teaching”, Hindawi Journal, Northeast Normal University (China), October 11, 2021, pp. 1-10.
F. Indriaharti Harida and N. Khazizah, “Analisis Cuaca Di Kota Jakarta Bulan Januari Tahun 2018 Menggunakan Algoritma Decision Tree,” Jurnal Poros Teknik, vol. 14, no. 1, pp. 33–37, 2022, [Online]. Available: https://www.kaggle.com/datasets/msf1203/pr
K. Halim, D. Erny Herwindiati, and T. Sutrisno, “Penerapan Metode Decision Tree Untuk Prakiraan Cuaca Kota Bekasi,” Jurnal Ilmu Komputer dan Sistem Informasi, vol. 11, no. 2, pp. 1–5, 2023, doi: 10.24912/jiksi.v11i2.26026.
S. Hidayatullah and A. Cherid, “Prediksi Temperatur Cuaca di Negara Norwegia Menggunakan Metode LSTM,” Simkom, vol. 8, no. 2, pp. 187–198, 2023, doi: 10.51717/simkom.v8i2.192.
I. Intan, S. Aminah Dinayati Ghani, A. T. Koswara, U. Dipa Makassar, K. Arsip Nasional Republik Indonesia, and J. P. Kemerdekaan, “Analisis Performansi Prakiraan Cuaca Menggunakan Algoritma Machine Learning Performance Analysis of Weather Forecasting using Machine Learning Algorithms,” Jurnal_Pekommas_Vol._6_No, vol. 2, pp. 1–8, 2021, doi: 10.30818/jpkm.2021.2060221.
A. Y. Barrera-Animas, L. O. Oyedele, M. Bilal, T. D. Akinosho, J. M. D. Delgado, and L. A. Akanbi, “Rainfall prediction: A comparative analysis of modern machine learning algorithms for time-series forecasting,” Machine Learning with Applications, vol. 7, no. August 2021, p. 100204, 2022, doi: 10.1016/j.mlwa.2021.100204.
D. A. Widodo, N. Iksan, E. D. Udayanti, and Djuniadi, “Renewable energy power generation forecasting using deep learning method,” IOP Conf Ser Earth Environ Sci, vol. 700, no. 1, 2021, doi: 10.1088/1755-1315/700/1/012026.
Djuniadi et al., “Face mask detection services of Covid19 monitoring system to maintain a safe environment using deep learning method,” IOP Conf Ser Earth Environ Sci, vol. 969, no. 1, 2022, doi: 10.1088/1755-1315/969/1/012016.
