Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Pengembangan Model Prakiraan Hujan Sadewa Menggunakan Algoritma C 4.5
Indra Suryana (2018) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Satellite Disaster Early Warning System (Sadewa) merupakan sistem peringatan dini dan mitigasi bencana berbasis satelit yang dikembangkan oleh Lembaga penerbangan dan Antariksa Nasional. Untuk menunjang kinerja Sadewa, diperlukan sebuah model prakiraan yang baik dalam hal ketepatan dan kecepatan. Proses membangun sebuah model prakiraan hujan memerlukan banyak komponen data cuaca dengan jumlah data yang sangat besar. Untuk memecahkan masalah tersebut, telah dilakukan penelitian model prakiraan menggunakan teknik data mining yakni algoritma C 4.5. Data masukan berasal dari data satelit MTSAT dan AWS tahun 2008 dan 2009. Data masukan tersebut terdiri dari waktu, IR1, IR1-IR2, IR1-IR3, IR4-IR1 dan curah hujan. Dari serangkaian pembuatan, pemilihan dan pengujian model, hasil penelitian menunjukkan bahwa model C 4.5 yang telah diperoleh dapat mengklasifikasikan curah hujan pada model prakiraan hujan dengan tepat yang paling tinggi adalah sebesar 87.58% dan untuk klasifikasi class hujan adalah sebesar 94.95%. Komponen cuaca yang dominan memungkinkan terjadinya hujan adalah butiran es, ketinggian awan, dan ketebalan awan. Kata kunci: model prakiraan, algoritma C 4.5, curah hujan, MTSAT, AWS.
Ringkasan Alternatif
Satellite Disaster Early Warning System (Sadewa) is an early warning system and a satellite-based disaster mitigation developed by National Institute of Aeronautics and Space. To support the performance of Sadewa, it is needed a good forecasting model in terms of accuracy and speed. The process of building a model requires a lot of rain forecast weather data components with a very large amount of data. So To solve the problem, it has been done a research forecasting model using data mining techniques namely C 4.5 algorithm. Data input is from MTSAT satellite and AWS year 2008 and 2009. The input data consists of time, IR1, IR1-IR2, IR1-IR3, IR4-IR1 and rainfall. From a series of making, selecting and testing the model, the results showed that the C 4.5 has been able to classify rainfall forecasting model with the precission of 87.58% and for the rain class classification of 94.95%. The dominant component that allows rainfall is rainy hail, cloud height, and cloud thickness. Keywords: rain forecast model, algorithm C 4.5, rainfall, MTSAT, AWS.