Prediksi Pola Cuaca Hujan dan

Cerah Dengan Menggunakan

Algoritma Klasifikasi
Kelompok :

Azka Maulana Dwiputra (92313027)

Dyah Ayu Damayanti (92313033)
Heriyana (92313037)
M Nurkholis Albarsany (92313041)
Reno Rizky Ollantino (92313049)
Rika Febriana (92313052)

Pendahuluan

Latar Belakang

Cuaca merupakan faktor Alam yang sangat berpengaruh bagi kehidupan Manusia.

Banyak kegiatan dan aktifitas manusia yang bergantung pada faktor dan kondisi
cuaca,seperti pertanian, transportasi darat maupun udara.

Prakiraan cuaca menjadi kebutuhan manusia untuk dapat menjalankan aktifitasnya

dengan baik.

Tujuan : Untuk melihat pola prediksi yang menentukan suatu keadaan cuaca
dengan menggunakan pola dari data historis (yang sudah ada)

Data Cuaca diambil dari situs Website Weather Underground, Dimana data
cuaca diambil dari salah satu stasiun pemantau yang ada di Jakarta.

Metode

Classification (Klasifikasi)
Merupakan metode dalam DM yang paling sering digunakan untuk menyelesaikan problem-problem
di dunia nyata. Sebagai salah satu yang terpopuler dalam keluarga yang menggunakan teknik
machine-learning, classification mempelajari pola-pola dari data historis (sekumpulan informasi
seperti ciri-ciri, variabel-variabel, fitur-fitur pada berbagai karakteristik item-item yang sudah
diberi label sebelumnya) dengan tujuan untuk menempatkan instans (object-object) baru (dengan
label yang tak diketahui sebelumnya) ke dalam kelompok atau kelas masing-masing.

Decision Tree
Decision tree adalah salah satu metode klasifikasi yang paling populer karena mudah untuk
diinterpretasi oleh manusia. Decision tree adalah model prediksi menggunakan struktur pohon atau
struktur berhirarki.Konsep dari decision tree adalah mengubah data menjadi pohon keputusan dan
aturan-aturan keputusan. Manfaat utama dari penggunaan decision tree adalah kemampuannya
untuk mem-break downproses pengambilan keputusan yang kompleks menjadi lebih simpel
sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan.

Cross Validation
Cross Validation merupakan salah satu teknik untuk menilai/memvalidasi keakuratan sebuah model
yang dibangun berdasarkan dataset tertentu. Pembuatan model biasanya bertujuan untuk
melakukan prediksi maupun klasifikasi terhadap suatu data baru yang boleh jadi belum pernah
muncul di dalam dataset. Data yang digunakan dalam proses pembangunan model disebut data
training, sedangkan data yang akan digunakan untuk memvalidasi model disebut sebagai data test.

Metode

Area under the ROC curve

Teknik penilaian secara grafis dimana true positive
rate digambar pada sumbu Y dan false positive
rate digambar pada sumbu X. Area under the ROC
curve menentukan ukuran akurasi suatu classifie Area
under the ROC curve menentukan ukuran akurasi
suatu classifier: nilai 1 berarti classifier yang
sempurna sedangkan 0.5 berarti tidak lebih baik
dibandingkan peluang acak; dalam kenyataanya,
nilai-nilai tersebut akan berkisar antara dua kasus
ekstrem. Contohnya, dalam gambar berikut, A
memiliki kinerja klasifikasi yang lebih baik
dibandingkan B, sementara C tidak lebih baik
dibandingkan peluang acak seperti undian melempar
coin.

Metode

Cohens Kappa
Merupakan ukuran yang menyatakan konsistensi pengukuran yang
dilakukan dua orang penilai (Rater) atau konsistensi antar dua metode
pengukuran atau dapat juga mengukur konsistensi antar dua alat
pengukuran. Koefiseien Cohen's kappa hanya diterapkan pada hasil
pengukuran data kualitatif (Kategorik)
Nilai dari koefisien Cohens Kappa dapat di interpretasikan (Altman,
1991):

Data
Jumlah Data : 303
Keterangan Atribut:

Temp_Max : Suhu Maksimal (C)

Temp_Rate : Suhu Rata-rata (C)
Dew_Point : Titik embun udara (C)
Humidity
: Tingkat Kelembapan (%)
SLP
: Tekanan atmosfer Pada
level Laut (hPa)
Wind_Max : Maksimal Kecepatan
Angin (Km/h)
Wind_Rate : Rata-rata Kecepatan
Angin (Km/h)
Precipi
: Curah Hujan (mm)
(Precipitation)
Event
: Kondisi Cuaca

Data Statistik

Decision Tree
Humidity
>72.5

<=72.5
Precipitation
<=2.03
Cerah
93.7 %

Humidity
>2.03

>76.5

Hujan
60 %

Hujan
93.6 % :

Precipitation
<=0.125

>0.125

Hujan
88.2 %

Decision Tree

Wind_Max
>33

<=33
Temp_Max
>32.5

<=32.5
Dew_Point
<=23.5
2

Cerah
100 %

SLP
>23.5
Cerah
80 %

<=1009.5
Hujan
100 %

>1009.5
Cerah
60 %

Decision Tree

Wind_Rate
<=9
Cerah
60 %

>9
Hujan
71.4%

Decision Tree

Humidity <=72.5 Precipitation <=2.03 93.7 %

Humidity >72.5 dan <=76.5 Precipitation <=0.125 Wind_Max > 33 100 %

Humidity >72.5 dan <=76.5 Precipitation <=0.125 Wind_Max <= 33

Temp_Max >32.5 SLP > 1009.5 60 %

Humidity >72.5 dan <=76.5 Precipitation <=0.125 Wind_Max <= 33

Temp_Max <=32.5 Dew_Point > 23.5 80%

Humidity >72.5 dan <=76.5 Precipitation <=0.125 Wind_Max <= 33

Temp_Max <=32.5 Dew_Point <= 23.5 Wind_Rate <=9 60 %

Cuaca Cerah

Decision Tree

Humidity <=76.5 93.6%

Humidity >72.5 dan <=76.5 Precipitation >0.125 88.2%

Humidity >72.5 dan <=76.5 Precipitation <=0.125 Wind_Max <= 33

Temp_Max >32.5 SLP <= 1009.5 100 %

Humidity >72.5 dan <=76.5 Precipitation <=0.125 Wind_Max <= 33

Temp_Max <=32.5 Dew_Point <= 23.5 Wind_Rate > 9 71.4 %

Cuaca Hujan

ROC Terhadap Cuaca Hujan

Atribut

Area
Under
Curve

Humidty

0.907

Precipitation

0.889

Dew_Point

0.838

Wind_Max

0.604

Wind_Rate

0.602

SLP

0.442

Temp_Rate

0.343

Temp_Max

0.201

ROC Terhadap Cuaca Cerah

Atribut

Area
Under
Curve

Humidty

0.093

Precipitation

0.111

Dew_Point

0.162

Wind_Max

0.396

Wind_Rate

0.398

SLP

0.558

Temp_Rate

0.657

Temp_Max

0.799

Data Prediksi

Keakuratan Hasil Prediksi

Event / Prediction

Hujan

Cerah

Hujan

170

21

Cerah

34

78

Correct Classifed = 248

Accuracy = 81.848 %
Cohen Kapp (K) 0.601

Wrong Classified = 55
Error = 18.152 %

Kesimpulan

Disimpulkan bahwa Prediksi Pola Cuaca Hujan dan Cerah Dengan Menggunakan
Algoritma Klasifikasi dapat dilakukan. Dengan menggunakan Algoritma
Decision Tree dan Cross Validation akurasi dari hasil data prediksi sekitar
81.848 % dan Koefisien Cohens Kappa sebesar 0.601 , sehingga hasil data
pola prediksi ini cukup bagus untuk digunakan. Selain itu juga di dapat hasil
pola pola atribut yang sangat berpengaruh dalam menentukan cuaca hujan
dan cerah

Daftar Pustaka

Koefisien Cohens Kappa Received From :

http://parameterd.wordpress.com/2013/09/24/koefisien-cohens-kappa/
Accesed : 23 November 2014

Metode-metode dalam Data Mining - Seri Data Mining for Business Intelligence
(6) Received From : http://beritati.blogspot.com/2013/08/seri-data-mining-forbusiness_28.html Accesed : 23 November 2014

Raditya, Angga. Implementasi Data Mining Classification untuk Mencari Pola

Prediksi Hujan dengan Menggunakan Algoritma C4.5.Universitas Gunadarma.
Received From :
http://publication.gunadarma.ac.id/bitstream/123456789/1359/1/50407997.pdf

http://www.knime.org/downloads/overview (Accesed : 20 November 2014)

http://www.wunderground.com/ (Accesed : 20 November 2014)