Klasifikasi Untuk Prediksi Cuaca Menggunakan Esemble Learning

Siregar, Amril Mutoi

doi:10.33322/petir.v13i2.998

Cited by 6 publications

(9 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Perkembagan teknologi yang semakin modern memberi peluang meningkatkan akurasi ketepatan prediksi cuaca. Prediksi cuaca adalah Tindakan untuk memahami, bagaimana perkembangan keadaan udara dari masa lalu, saat ini, hingga memprediksi masa depan, untuk antisipasi apabila keadaan tidak normal [3].…”

Section: Pendahuluanunclassified

Analisis Pola Cuaca Extrem Menggunakan Long Short Term Memory Pada Wilayah Jawa Barat

Maulana Yusuf,

Martanto,

Hayati

2024

jati

View full text Add to dashboard Cite

Perubahan alam dipengaruhi oleh berbagai faktor terutama manusia, kegiatan ekonomi yang tidak mungkin terlepas dengan manusia, menjadi faktor utama. Perubahan lingkungan berdampak berubahnya cuaca, seperti pembangunan Gedung, infrastruktur, dan deforestasi, memengaruhi berubahnnya lingkungan, secara langsung mengakitbatkan berubahnya vegetasi alam, serta cuaca di wilayah tersebut ikut berubah. Perubahan cuaca yang tidak menentu, mengakibatkan munculnya Cuaca extrem, yaitu fenomena yang tidak biasa terjadi serta dapat menjadi masalah serius. Pada berbagai aspek kehidupan Kondisi seperti banjir dan badai contoh hasil cuaca extrem. Cuaca extrem mengakibatkan kerugian bagi mahluk hidup. penelitian ini bertujuan menganalisis terjadinya cuaca extrem menggunakan Long Short Term Memory (LSTM). Model LSTM digunakan untuk mengidentifikasi cuaca extrem, meramalkan terjadinya cuaca extrem di masa depan, memahami faktor yang memengaruhi munculnya cuaca extrem. Model LSTM mampu mengenali pola cuaca extrem dengan akurasi yang memadai. Penelitian ini mengembangkan model LSTM menggunakan 8 kali nilai treshlod value yaitu 28, 31, 34, 37, 40, 43, 46, 49, epoch sebanyak 50 dan model akurasi untuk menentukan keadaan cuaca mencapai 100 %. Data diambil dari website BMKG untuk digunakan pada penelitian. Dari hasil yang didapat, disimpulkan bahwa perbedaan nilai treshlod berpengaruh terhadap nilai prediksi cuaca kedapan selama 7 hari.

show abstract

Section: Pendahuluanunclassified

Analisis Pola Cuaca Extrem Menggunakan Long Short Term Memory Pada Wilayah Jawa Barat

Maulana Yusuf,

Martanto,

Hayati

2024

jati

View full text Add to dashboard Cite

show abstract

“…Proses pengumpulan data ini menggunakan bantuan dari scraper dengan memasukan link masing-masing aplikasi tersebut [12]. Setelah melakukan pengambilan data selanjutnya memberi label sentimen pada sebagian komentar, label tersebut berupa positif dan negatif untuk dijadikan data latih dan data uji [13].…”

Section: Rekap Dataunclassified

Analisis User Sentiment Aplikasi Google Maps, MAPS.ME Dan Waze Menggunakan Metode Support Vector Machine

Mubarok¹,

Huda²,

Hananto³

et al. 2023

rabit

View full text Add to dashboard Cite

Dewasa ini aplikasi penunjuk arah sudah sering digunakan oleh banyak masyarakat, aplikasi ini sangat membantu para penggunanya dalam mencari rute perjalanan terbaik, hanya dengan memasukan kode alamat maka aplikasi ini dapat memberikan rute jalan yang dapat dilalui untuk berbagai jenis kendaraan. Di Indonesia sendiri terdapat beberapa aplikasi penunjuk arah yang banyak digunakan dengan komentar positif dan negatif yang berbeda-beda. Ada beberapa jenis aplikasi yang akan digunakan dalam penelitian ini yaitu Google Maps, Maps.me, dan Waze, data yang diambil yaitu data komentar pengguna dengan cara web scraping. Tujuan dilakukannya penelitian ini untuk mengetahui ulasan para pengguna dari masing-masing aplikasi yang dijadikan bahan penelitian. Pengolahan data menggunakan metode Support Vector Machine, dari masing-masing aplikasi tersebut diambil sebanyak 750 komentar, dan mendapatkan hasil akhir mapsme menjadi aplikasi dengan nilai tertinggi berdasarkan hasil akurasi 86.40%, presisi 86.55%, dan 99.69% pada nilai recall. Aplikasi Maps.me memiliki 68% komentar positif, kemudian Waze mendapatkan 29%, dan Google Maps mendapatkan 3%. Dengan hal tersebut Maps.me menjadi aplikasi dengan nilai tertinggi berdasarkan komentar positif.

show abstract

“…ii. Confusion Matriks In this study, the Confusion matrix was used to measure Accuracy, which according to research [23] that the Confusion matrix is a predictor of classification problems. The number of correct and incorrect predictions is summarized by calculating the value and achieved for each class, thus providing complete information which includes not only the errors made by the classifier but more importantly the types of errors made.…”

Section: F) Support Vector Machine (Svm)mentioning

confidence: 99%

Ensemble Implementation for Predicting Student Graduation with Classification Algorithm

Rismayati

Ismarmiaty²,

Hidayat³

2022

IJECSA

View full text Add to dashboard Cite

Graduating on time at the higher education level is one of the main targets of every student and university institution. Many factors can affect a student's length of study, the different character of each student is also an internal factor that affects their study period. These characters are used in this study to classify data groups of students who graduated on time or not. Classification was chosen because it is able to find a model or pattern that can describe and distinguish classes in a dataset. This research method uses the esemble learning method which aims to see student graduation predictions using a dataset from Kaggle, the data used is a IPK dataset collected from a university in Indonesia which consists of 1687 records and 5 attributes where this dataset is not balanced. The intended target is whether the student is predicted to graduate on time or not. The method proposed in this study is Ensemble Learning Different Contribution Sampling (DCS) and the algorithms used include Logistic Regression, Decision Tree Classifier, Gaussian, Random Forest Classifier, Ada Bost Classifier, Support Vector Coefficient, KNeighbors Classifier and MLP Classifier. From each classification algorithm used, the test value and accuracy are calculated which are then compared between the algorithms. Based on the results of research that has been carried out, it is concluded that the best accuracy results are owned by the MLPClassifier algorithm with the ability to predict student graduation on time of 91.87%. The classification model provided by the DCS-LCA used does not give better results than the basic classifier of its constituent, namely the MLPClassifier algorithm of 91.87%, SVC of 91.64%, Logistic Regression of 91.46%, AdaBost Classifier of 90.87%, Random Forest Classifier of 90.45% , and KNN of 89.80%.

show abstract

Klasifikasi Untuk Prediksi Cuaca Menggunakan Esemble Learning

Cited by 6 publications

References 17 publications

Analisis Pola Cuaca Extrem Menggunakan Long Short Term Memory Pada Wilayah Jawa Barat

Analisis Pola Cuaca Extrem Menggunakan Long Short Term Memory Pada Wilayah Jawa Barat

Analisis User Sentiment Aplikasi Google Maps, MAPS.ME Dan Waze Menggunakan Metode Support Vector Machine

Ensemble Implementation for Predicting Student Graduation with Classification Algorithm

Contact Info

Product

Resources

About