Art Original
Analisa Dan Prediksi Ketidakpastian Data Lingkungan Di Provinsi Riau Menggunakan Sensor Cuaca
Penelitian ini berfokus pada analisis dan prediksi ketidakpastian data lingkungan di Provinsi Riau menggunakan sensor cuaca. Tujuan utamanya adalah untuk menyediakan pemahaman yang lebih baik tentang ketidakpastian data lingkungan serta membuat analisis menggunakan Jupyter Notebook untuk memvisualisasikan data cuaca dan menyajikan informasi yang berguna. Metodologi yang digunakan adalah algoritme k-Nearest Neighbors (KNN), yang dipilih karena kemampuannya dalam tugas klasifikasi, regresi, dan deteksi anomali tanpa memerlukan model eksplisit. KNN bekerja dengan mencari 'k' sampel pelatihan terdekat berdasarkan jarak metrik tertentu dan membuat prediksi berdasarkan mayoritas kelas dari tetangga-tetangganya atau rata-rata keluaran untuk kasus regresi. Hasil penelitian menunjukkan bahwa prediksi cuaca dapat memberikan gambaran yang lebih komprehensif dan terperinci mengenai kondisi atmosfer di Pekanbaru, yang bermanfaat bagi masyarakat umum serta sektor-sektor seperti pertanian, transportasi, dan keamanan. Evaluasi model menunjukkan tingkatkesalahan (Root Mean Squared Error/RMSE) yang rendah untuk prediksi suhu dan kecepatan angin, masing-masing sebesar 1.77 dan 1.24, sementara untuk prediksi kelembapan RMSE sebesar 5.62, menunjukkan kinerja yang baik dalam memprediksi suhu dan kecepatan angin, serta kinerja yang dapat diterima untuk prediksi kelembapan. Dengan menggunakan metode KNN dalam analisis prediksi cuaca, penelitian ini memberikan gambaran yang jelas tentang tendensi cuaca yang dapat diantisipasi dan berfungsi sebagai alat penting dalam menyusun strategi adaptasi dan mitigasi terhadap kondisi cuaca yang diharapkan.
No other version available