Optimalisasi Klasifikasi Cuaca Menggunakan Algoritma K-Nearest Neighbors (KNN)
Keywords:
Klasifikasi Cuaca, KNN, Prediksi, Preprocessing Data, AkurasiAbstract
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.
References
Aha, D. W., & Kibler, D. (1991). Instance-based learning algorithms. Machine Learning, 6(1), 37– 66.
Bhattacharya, S., & Ghosh, M. (2012). Weather prediction using machine learning. International Journal of Computer Science and Information Technologies, 3(1), 372–376.
Chandra, P., Bansal, A., & Goyal, A. (2020). Weather prediction using K-Nearest Neighbors algorithm. International Journal of Computer Applications, 176(8), 25-29.
Cover, T., & Hart, P. (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, 13(1), 21–27.
Frawley, W. J., Piatetsky-Shapiro, G., & Matheus, C. J. (1992). Knowledge discovery in databases: An overview. AI Review, 5(2), 105–127.
Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed.). Morgan Kaufmann. Kaggle. (2023). Data Dummy Prakiraan Cuaca. Retrieved from https://www.kaggle.com/datasets/puanbeningpastika/data-dummy-prakiraan-cuaca/data
Liu, H., & Motoda, H. (1998). Feature selection for knowledge discovery and data mining. Springer Science & Business Media.
Liu, Y., Wu, L., & Zhang, W. (2011). Weather prediction using K-Nearest Neighbors algorithm. International Journal of Computer Science and Engineering, 5(6), 1234–1240.
Piatetsky-Shapiro, G. (1996). Knowledge discovery in databases: 10 years later. AI Review, 10(1), 1–24.
Singh, S., & Singh, G. (2020). Optimizing K-Nearest Neighbors for weather classification. Journal of Data Science & Artificial Intelligence, 7(2), 105-110.
Zhang, T. (2007). Nearest neighbor classification: Advances and challenges. Journal of Machine Learning Research, 8(3), 563–590.
