Implementasi Algoritma K-Nearest Neighbor untuk Klasifikasi Cuaca

Abstract

Cuaca merupakan kejadian alam singkat berkenaan dengan kondisi atmosfir yang berlangsung di bumi yang ditentukan oleh tekanan, kecepatan angin, suhu, dan fenomena udara. Penelitian ini melakukan klasifikasi terhadap 3 kelas cuaca yaitu cerah (sunny), berawan (cloudy), dan hujan (rainy) menggunakan algoritma K-Nearest Neighbor sebagai algoritma klasifikasi cuaca dengan parameter nilai K sebesar 3, 5, 7, dan 9. Dataset cuaca yang hendak diteliti berupa 96453 data yang diambil dari website Kaggle. Dataset dilakukan pembagian atas data latih dan data uji dengan rasio 80:20. Implementasi algoritma K-Nearest Neighbor menghasilkan confusion matrix dan classification report dimana pada confusion matrix, jumlah data terprediksi benar terbanyak ada pada nilai K = 9 yaitu sebanyak 13132 data terprediksi benar dengan jumlah data terprediksi benar terbesar ada pada kelas cloudy yaitu sebanyak 10865 data. Adapun pada classification report, nilai akurasi tertinggi baik pada kelas cuaca cloudy, rainy, maupun sunny terdapat pada K = 9 yakni sebesar 68,073% dan nilai precision, recall, dan f1-score terbesar terdapat pada kelas cloudy pada K = 9 yang secara berturut-turut sebesar 72,095%, 89,288%, dan 79,775%.