PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DALAM MEMPREDIKSI DAN MENGHITUNG TINGKAT AKURASI DATA CUACA DI INDONESIA

Abstract

Indonesia merupakan negara yang memiliki derah rawan bencana sangat besar, sehingga bisa di juluki sebagai negara 1001 bencana. Tercatat sepanjang bulan januari 2020 terdapat 518 gempa, sementara pada bulan februari 2020 mengalami kenaikan sampai 799 gempa. Bukan hanya gempa saja yang terjadi di Indonesia banjir, longsor, curah hujan ekstrim, sampai perubahan suhu yang sangat drastic terjadi di Indonesia setiap tahunnya. Secara hidroklimatologis Indonesia juga terkena dampak dengan adanya fenomena ENSO (EL_Nino Southern Oscillation) dan La Nina sehingga terjadinya bencana banjir, tanah longsor, kekeringan, dan suhu yang rendah (dingin). Pada penelitian ini akan dilakukan Penerapan Algoritma K-NN dalam Memprediksi dan Menghitung Tingkat Akurasi Data Cuaca di Indonesia. Data yang digunakan sebanyak 3623 data yang kemudian dibagi menjadi data training dan data testing dengan perbandingan 80 : 20 , 80 % untuk data training atau sebanyak 2898 data dari 3623 data dan untuk data testing sebanyak 20% atau sebanyak 725 data dari 3623 data. menghasilkan suatu prediksi dengan tingkat akurasi data sebesar 0,8993 atau sekitar 89%. Dengan tingkat akurasi data sebesar 89% diharapkan dapat membantu memprediksi suhu dan cuaca di Indonesia, sehingga dapat membantu peternak dan petani untuk mengurangi resiko dari gagal panen dan kerugian.