Analisa Prakiraan Cuaca dengan Parameter Suhu, Kelembaban, Tekanan Udara, dan Kecepatan Angin Menggunakan Regresi Linear Berganda
Abstract
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.
Full Text:
PDFReferences
Fadholi, A. (2013). Persamaan Regresi Prediksi Curah Hujan Bulanan Menggunakan Data Suhu dan Kelembapan Udara di Ternate, 13(1), 7–16.
Badhiye S. S., Wakode B. V., and Chatur P. N., "Analysis of Temperature and Humidity Data for Future value prediction," International Journal of Computer Science and Information Technologies, vol. 3, no. 1, pp. 3012-3014, 2012.
Gaurav J and Dr. Sunil R.Gupta Sawale, "Use of Artificial Neural Network in Data Mining for Weather Forecasting," International Journal of Computer Science And Applications, vol. 6, no. 2, pp. 283-286, April 2013.
Meghali A. Kalyankar and Prof. S. J. Alaspurkar, "Data Mining Technique to Analyse the Metrological Data," International Journal of Advanced Research in Computer and Software Engineering, vol. 3, no. 2, pp. 114-118, February 2013.
Nurmahaludin. (2014). Analisis Perbandingan Metode Jaringan Syaraf Tiruan Dan Regresi Linier Berganda Pada Prakiraan Cuacah. Jurnal INTEKNA, Tahun XIV, No. 2 : 102-209.
Kamus Besar Bahasa Indonesia (KBBI). [Online]. http://kbbi.web.id/lembap
(2016, January) Ilmu Sosial - Kumpulan Ilmu Pengetahuan Sosial. [Online]. http://www.ilmusocial.com/unsur-cuaca-dan-iklim/
Kamus Besar Bahasa Indonesia (KBBI). [Online]. http://kbbi.web.id/tekan
Apriantoro, Y. (2010). Analisa Pengaruh Cuaca Terhadap Perubahan Elektris PLN Untuk Perkiraan Peyediaan Beban Harian Pada Wilayah Jakarta Banten. Skripsi, 35.
Budiman Dan Artesya. (2015). Aplikasi Data Mining Menggunkan Multiple Linear Regression Untuk Pengenalan Pola Curah Hujan. Kalimantan Selatan: Kumpulan Jurnal, Ilmu Komputer (KLIK). Vol. 02, No.01
Rachman, A. (2014). MODEL PERAMALAN KONSUMSI BAHAN BAKAR JENIS PREMIUM DI INDONESIA DENGAN, 166–176.
Fadholi, A. (2011). PEMANFAATAN SUHU UDARA DAN KELEMBAPAN UDARA PERSAMAAN REGRESI UNTUK SIMULASI PREDIKSI TOTAL HUJAN BULANAN DI PANGKALPINANG.
Putri, A., Syafrialdi, Y., Mining, D., & Berganda, R. L. (2017). Analisa Pengaruh Temperatur Terhadap Titik Embun , Jarak Pandang , Kecepatan Angin , dan, 18–19.
Matematika, S., Pradipta, N. S., Sembiring, P., & Bangun, P. (2013). ANALISIS PENGARUH CURAH HUJAN, 1(5), 459–468.
Sanjay D. Sawaitul, Prof. K. P. Wagh, and Dr. P. N. Chatur, "Classification and Prediction of Future Weather by using Back Propagation Algorithm-An Approach," International Journal of Emerging Technology and Advanced Engneering, vol. 2, no. 1, pp. 110-113, January 2012.
DOI: https://doi.org/10.33633/joins.v5i1.2760
Article Metrics
Abstract view : 3468 timesPDF - 3030 times
Refbacks
- There are currently no refbacks.
Index by:
 |  |  |  |