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

Authors

  • Ardytha Luthfiarta Universitas Dian Nuswantoro
  • Aris Febriyanto Universitas Dian Nuswantoro
  • Heru Lestiawan Universitas Dian Nuswantoro
  • Wibowo Wicaksono Universitas Dian Nuswantoro

DOI:

https://doi.org/10.33633/joins.v5i1.2760

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.

References

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.

Downloads

Published

2020-05-31

How to Cite

[1]
A. Luthfiarta, A. Febriyanto, H. Lestiawan, and W. Wicaksono, “Analisa Prakiraan Cuaca dengan Parameter Suhu, Kelembaban, Tekanan Udara, dan Kecepatan Angin Menggunakan Regresi Linear Berganda”, Journal of Information System, vol. 5, no. 1, pp. 10–17, May 2020.

Issue

Vol. 5 No. 1 (2020): Edisi Mei 2020

Section

Articles

License

Authors who publish with this journal agree to the following terms:

    1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
    2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
    3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

 

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.