UAS Data Mining

Nama : Faris Saifudin

NPM : 17183207059
Kelas : PTI 7A  1

Implementasi algoritma K-Nearest Neightbor untuk

memprediksi Kecepatan Angin

Faris saifudin
1
Fakultas Sains dan Teknologi, Universitas BhinnekaTulungagung

Article Info ABSTRACT

Article history: perkiraan mengukur kecepatan angin merupakan salah satu data iklim
dan berperan penting menjadi salah satu faktor pertimbangan para
Receivedmmdd, yyyy
pengambil keputusan di departemen terkait. Ini karena kecepatan
Revised mm dd, yyyy
angin mempengaruhi segalanya mulai dari pertanian dan kehutanan .
Accepted mm dd, yyyy
Banyak pihak mengharapkan prakiraan cuaca yang tepat terutama
prakiraan ceptanya angin, karena semua kegiatan yang dilakukan
Keywords: juga akan terpengaruh oleh cuaca terutama angin maupun udara.
Telah banyak penelitian tentang mengukur kecepatan angin berbasis
Kecepatan Angin jaringan syaraf tiruan dan menggunakan data tahunan, dalam hal ini
K-Nearest Neighbor peneliti akan mencoba menggunakan algoritma tetangga terdekat
Cuaca dan menggunakan data bulanan untuk penelitian.
Air
This is an open access article under the CC BY-SAlicense.

Corresponding Author:
Name of Corresponding Author,
Department of Electrical and Computer Engineering,
National Chung Cheng University,
168 University Road, Minhsiung Township, Chiayi County 62102, Taiwan, ROC.
Email: corresp-author@mail.com

1. INTRODUCTION
Teknologi informasi dan komunikasi berkembang sangat pesat dan dapat dirasakan di banyak
bidang kehidupan manusia termasuk pertanian. Pembangunan pedesaan dan pertanian berkelanjutan adalah
masalah penting, dan diskusi strategis sedang berlangsung. Dalam era globalisasi tidak mungkin tercapainya
pembangunan pertanian yang berkelanjutan tanpa adanya pertanian.Hal ini merupakan imbas dari pesatnya
perkembangan ilmu pengetahuan dan teknologi, termasuk perkembangan teknologi informasi dan
komunikasi. Penggunaan Teknologi informasi dan komunikasi dalam pertanian sering disebut sebagai e-
pertanian. Informasi pertanian merupakan salah satu faktor produksi terpenting, tidak dapat disangkal bahwa
informasi pertanian dapat mendorong perkembangan yang diharapkan ini. Informasi pertanian adalah aplikasi
terbaik untuk mendorong dan mendorong pengetahuan, menciptakan peluang untuk pembangunan

Jumlah cepatnya angin tidak dapat ditentukan, namun data historis atau data yang diperoleh baru-
baru ini dapat digunakan untuk memprediksi atau memperkirakan kecepatan angin ,Data tersebut ditentukan
oleh banyak faktor, seperti kelembaban, tekanan, radiasi matahari, dll. Dalam hal ini banyak mata
pencaharian yang bergantung pada angin, seperti petani dan nelayan dan banyak lagi lainnya. Data
pengamatan ini sangat penting untuk memahami karakteristik cuaca suatu tempat, membuat informasi
ramalan cuaca untuk suatu tempat, dan merumuskan informasi ramalan cuaca untuk beberapa hari ke depan

Data Mining : Fahrur Rozi, M.Kom

2  ISSN:1693-6930
BMKG merupakan salah satu instansi yang melakukan observasi dan memberikan prakiraan cuaca di
Indonesia. BMKG mengukur faktor cuaca setiap hari. Selain itu, data prakiraan BMKG juga dapat kita
peroleh dalam aplikasi di smartphone, namun smartphone mungkin saja tidak mencerminkan kenyataan
secara akurat.

2. RESEARCH METHOD
2.1 Metode penelitian
Da Dalam penelitian ini metode yang digunakan adalah penelitian dan pengembangan (R&D) yang
merupakan gabungan dari metode kualitatif dan kuantitatif, dengan tujuan menghasilkan produk dan
menguji keefektifan produk tersebut. Untuk menghasilkan produk yang baik perlu dilakukan analisa dan
pengujian keefektifannya, dan perlu dilakukan penelitian untuk mengetahuinya. Dalam proses penulisannya,
penulis mencoba menggunakan aplikasi komputer berupa Microsoft Excel yang merupakan aplikasi
pengolah digital buatan Microsoft. Adapun langkah-langkah untuk menyelesaikan penelitian ini, peneliti
dapat mendeskripsikan sebagai berikut.

TELKOMNIKATelecommun Comput El Control, Vol. 18, No. 1, February 2020:xx-xx

3TELKOMNIKATelecommun Comput El Control 

Menurut diagram alir diatas menjelaskan lur penelitian sebagai berikut:

Daftar studi yaitu menjelaskan dan mempelajari dasar teori yang berkaitan dengan kebutuhn pendataan.
1. Pendataan pengumpulan data berupa data skunder
2. Menganalis atau Analisis dan perencanaan,pada tahap ini menjelaskan kebutuhan
pengempletasian algoritma K-Nearest Neighbor
3. Implementasi penjelasan pengemplementasian algoritma K-Nearest Neighbor dari data yang di
dapat sebelumnya
4. Kesimpulan menjelaskan hasil dari hasil meneliti pengimplementasian algoritma
K-Nearest Neighbor
2.2 Data mining
Data mining adalah proses menggunakan teknik atau metode tertentu untuk menemukan pola atau
informasi menarik dalam data yang dipilih. Teknik, metode, atau algoritme dalam data mining
sangat bervariasi. Pilihan metode atau algoritme yang benar bergantung pada tujuan dan proses
penemuan pengetahuan (KDD) di seluruh database.
1. Data mining merupakan proses penemuan pola yang menarik dari pengolohan data yan
berjumlah banyak
2. Ekstasi dari suatu informasi dari sekunpulan data yang tersimpan dalam jumlah besar
3. Proses eksplorasi data secara otomatis terhadap kumpulan data dalam jumlah besar
2.3 Angin
Angin adalah gerak udara yang sejajar dengan permukaan bumi, dimana angin memilki arah dan
kecepatan. Tujuan dari alat ini untuk memonitoring kecepatan dan arah angin menggunakan
mikrokontroler arduino nano. Jenis anemometer yaitu anemometer mangkok 3 cup dengan sensor
optocoupler dan sensor medan magnet. Pengambilan data menggunakan 3 kipas angin, jarak dan posisi
tidak diatur karena diasumsikan angin pada ruang terbuka. Data yang diproses mikrokonroler arduino
nano dan hasil pengukurannya berupa grafik kecepatan angin, grafik arah angin dan diagram windrose
(diagram potensi kecepatan dan arah angin) yang ditampilkan melalui laptop. Alat monitoring
kecepatan angin dan arah angin menghasilkan kecepatan sebesar 0 m/s – 5,98 m/s, dan menghasilkan
arah angin dari 0o – 360o. Dilakukan pengukuran perbandingan dengan anemometer digital.
Didapatkan nilai selisih pembacaan pengukuran rata-rata pada alat ukur kecepatan sebesar 3,5%.

2.4 Prediksi

Prediksi adalah proses yang secara sistematis memperkirakan apa yang paling mungkin terjadi di masa
depan berdasarkan informasi masa lalu dan sekarang sehingga kesalahan (perbedaan antara apa yang terjadi
dan hasil prediksi) diminimalkan. Prediksi tidak harus memberikan jawaban pasti untuk acara yang akan
datang, tetapi harus berusaha mencari jawaban sedekat mungkin dengan acara yang akan datang. [5]
Gunakan prakiraan atau perkiraan untuk menentukan prakiraan. Menurut kamus bahasa Indonesia, prediksi
adalah hasil dari suatu kegiatan yang menggunakan data masa lalu untuk meramal atau meramalkan atau
mengestimasi nilai masa depan. Prediksi menunjukkan apa yang akan terjadi dalam situasi tertentu dan
memasukkannya ke dalam proses perencanaan dan pengambilan keputusan.

2.5 K-Nearest Neightbor

K-Nearest Neightbor adalah kelompok pembelajaran berbasis instance. Algoritma ini juga
merupakan salah satu teknik pembelajaran yang paling umum. KNN diselesaikan dengan mencari
kelompok objek k yang paling dekat (mirip) dengan objek pada data baru atau data uji pada data latih.
[6] Algoritma K-NN merupakan metode pengklasifikasian objek berdasarkan k pembelajaran. Data
(melatih kumpulan data). Ketentuan untuk menentukan ukuran k tidak boleh melebihi jumlah set data
yang ada, dan nilai k harus berupa angka ganjil dan lebih besar dari 1. Nearest Neighbor merupakan
metode menemukan kasus dengan menghitung kedekatan antara kasus baru dan kasus lama berdasarkan
bobot pencocokan beberapa fitur yang ada. Untuk menentukan jarak antara dua titik, yaitu titik-titik
dalam data latih dan titik-titik dalam data uji, Anda dapat menggunakan persamaan jarak Euclidean dan
jarak Manhattan (jarak blok) dalam kedua persamaan tersebut. Kedua persamaan ini paling umum

Title of manuscript is short and clear, implies research results (First Author)
4  ISSN:1693-6930
digunakan Selesaikan studi kasus K-NN, yaitu menggunakan persamaan Euclidean. Untuk jarak,
persamaan jarak Euclidean dapat dituliskan sebagai rumus berikut.

3. RESULTS AND ANALYSIS

Pada bagian ini penulis mencoba menjelaskan hasil penelitian penulis yaitu mengimplementasikan
algoritma K-Nearest Neightbor untuk memprediksi kecepatan angin. Penulis menggunakan data pembantu
kemudian memasukkan data yang diperoleh ke dalam Microsoft Excel 2013

3.1. Kebutuhan Data

Penelitian ini penulis mengguanakan data yang sudah didapat dan kemudian data yang di peroleh
dimasukan microsoft excel 2013

Tabel 1. Sampel data yang digunakan

3.2. Aanalisi Data

Pada tahap ini penulis mencoba menganalisis data dengan menjelaskan data yang diperoleh

3.2.1. Analisis atribut data

Data data ditabel 1 ada beebrapa komponen yang ada ddidalamnya seperti tanggal, kecepatan angin,
jam-jam kapan kecepaan angin brubah,rata-rata kecepatan angin dan status
1. Tanggal, adalah tanggal / tanggal pencatatan data
2. Kecepatan angin di jamjam yang ditentukan pada waktunya
3. rata-rata kecepatan angin adalah rata-rata kecepaan angin hari itu

TELKOMNIKATelecommun Comput El Control, Vol. 18, No. 1, February 2020:xx-xx

5TELKOMNIKATelecommun Comput El Control 

4. status, dapat dikatakan kondisi angin ringan, sedang dan kuat

Dalam penelitian ini, data yang akan diolah adalah komponen dari prediksi kecepatan
angin yang di jadikan bahan penulis sebagi bahan algoritma K-NN

3.2.2. Analisis perbandingan angin pada jam tertentu

Langkah ini dilakukan untuk mengetahui perubahan kecepatan angin yang terjadi antara pukul
00.00-12.00 dan 12.00-00.00 selama periode pendataan, untuk mengetahui kecepatan angin selama satu jam.

Title of manuscript is short and clear, implies research results (First Author)
6  ISSN:1693-6930
3.3 Implementasi Program
3.4 3.3.1 Mencari nilai K

Proses yang dilakukan setelah mengolah kumpulan data agar sesuai dengan kebutuhan penelitian
adalah menentukan kasus sebelumnya yang paling mendekati kasus yang sedang dicari. Untuk menentukan
jarak antar data tersebut perlu menggunakan nilai K. Ada beberapa syarat untuk menentukan nilai K itu
sendiri, diantaranya nilai K tidak boleh melebihi kumpulan data, nilai K harus berupa angka ganjil, dan
sebagainya , maka peneliti menggunakan nilai K 7, 10 dan 15, karena memenuhi persyaratan tersebut.

3.3.2 Klarifikasi data Menggunakan Algoritma K-Nearest Neighbor

Penelitian ini bertujuan untuk menggunakan algoritma tetangga terdekat K untuk memprediksi
kecepatan angin kencang dan lambat. Melalui perhitungan ini diperoleh hasil sebagai berikut

4 . CONCLUSION
Kesimpulan dari penelitian ini adalah dengan menggunakan algoritma K-NN untuk memprediksi
Kecepatan Angin yang akan datang dengan hasil yang didapat adalah jika kita menggunakan nilai K = 7
maka prediksi keceptan angin, tetapi jika menggunakan nilai-nilai tersebut Dari K = 7 dan 10, kita
mendapatkan Prakiraan untuk kecepatan sedang

ACKNOWLEDGEMENTS
Terima kasih kepada dosen yang mengajar mata kuliah ini pak. Fahrur Rozi, M. Kom. Beliau
memberi saya bimbingan dalam kursus ini, dan kemudian saya ingin berterima kasih kepada teman-teman
saya yang telah mendukung saya dalam menulis jurnal ini.

REFERENCES(10 PT)
1. U. Fadika, A. Rifai, and B. Rochaddi, "Arah Dan Kecepatan Angin Musiman Serta Kaitannya Dengan Sebaran
Suhu Permukaan Laut Di Selatan Pangandaran Jawa Barat," Journal of Oceanography, vol. 3, no. 3, pp. 429-
437, Aug. 2014. [Online]
2. D. Sugianto, "Model Distribusi Data Kecepatan Angin dan Pemanfaatannya dalam Peramalan Gelombang di
Perairan Laut Paciran, Jawa Timur," ILMU KELAUTAN: Indonesian Journal of Marine Sciences, vol. 15, no.
3, pp. 143-152, Feb. 2012.
3. D. Istantinova, "pengaruh kecepatan angin, kelembaban dan suhu udara terhadap konsentrasi gas pencemar
sulfur dioksida (so2) dalam udara ambien di sekitar pt. inti general yaja steel semarang,
4. Tantawi, A. R. 2007. Hubungan Kecepatan Angin Dan Kelembaban Udara Terhadap Pemencaran Konidium
Cercospora Nicotianae Pada Tembakau.Agritrop, 26 (4) : 160– 167
5. Susandi Armi, Budi Setio Prasanto, Safwan Hadi, Totok Suprijo and Genia Atma Nagara (2006) Potential of
Wind Energy Power in Indonesia for Sustainable Energy Development
6. IOWA Energy Center http:/www.iowaenergycenter.org/wind-energy-manual/wind-and-wind-power/wind-
speed-and-power/ (diakses pada tanggal 10 maret 2015)

TELKOMNIKATelecommun Comput El Control, Vol. 18, No. 1, February 2020:xx-xx

7TELKOMNIKATelecommun Comput El Control 

BIOGRAPHIES OF AUTHORS (10 PT)

Xxxx (9 pt)
First author’s
Photo (3x4cm)

Xxxx (9 pt)
Second author’s
photo(3x4cm)

Title of manuscript is short and clear, implies research results (First Author)