Prediksi Pola Curah Hujan di Kota Semarang Menggunakan Algoritma Naive Bayes
DOI:
https://doi.org/10.47701/tkrhaf68Keywords:
Naive Bayes, Klasifikasi Cuaca, Data Mining, Prediksi Curah Hujan, BMKGAbstract
Curah hujan merupakan faktor penting dalam menentukan kondisi cuaca harian yang berdampak pada aktivitas sosial, ekonomi, dan lingkungan. Prediksi cuaca yang akurat dibutuhkan untuk mengantisipasi potensi bencana seperti banjir atau kekeringan. Penelitian ini bertujuan untuk mengklasifikasikan kondisi cuaca harian di Kota Semarang berdasarkan curah hujan menggunakan metode klasifikasi Naive Bayes. Data yang digunakan berasal dari BMKG berupa data iklim harian periode Januari hingga Juni 2025, dengan atribut yang digunakan meliputi curah hujan (RR), suhu minimum (Tn), suhu maksimum (Tx), suhu rata-rata (Tavg), kelembaban rata-rata (RH_avg), dan kecepatan angin rata-rata (FF_avg). Label cuaca dibentuk berdasarkan kaidah klasifikasi BMKG, yaitu cerah (RR=0), hujan ringan (0.1–5 mm), hujan sedang (5.1–20 mm), dan hujan lebat (>20 mm). Algoritma Naive Bayes diterapkan untuk mempelajari hubungan antar atribut dan label cuaca. Hasil pengujian menunjukkan bahwa model mampu melakukan klasifikasi cuaca harian dengan akurasi yang cukup baik, sehingga dapat digunakan sebagai sistem prediksi cuaca sederhana berbasis data historis.
References
[1] Umi Zuhriyah, “Dampak Perubahan Iklim Terhadap Sektor Pertanian di Indonesia,” Tirto.Id, pp. 1–8, 2022, [Online]. Available: https://tirto.id/dampak-perubahan-iklim-terhadap-sektor-pertanian- di-indonesia-gyHf
[2] A. R. Damanik, S. Sumijan, and G. W. Nurcahyo, “Prediksi Tingkat Kepuasan dalam Pembelajaran Daring Menggunakan Algoritma Naïve Bayes,” J. Sistim Inf. dan Teknol., vol. 3, pp. 88–94, 2021, doi: 10.37034/jsisfotek.v3i3.49.
[3] D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional,” J. Tekno Kompak, vol. 15, no. 1, p. 131, 2021, doi: 10.33365/jtk.v15i1.744.
[4] N. A. Prakoso Indaryono, “Analisa Perbandingan Algoritma Random Forest Dan Naïve Bayes Untuk Klasifikasi Curah Hujan Berdasarkan Iklim Di Indonesia,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 9, no. 1, pp. 158–167, 2024, doi: 10.29100/jipi.v9i1.4421.
[5] A. Kukuh Wahyudi, N. Azizah, and H. Saputro, “Data Mining Klasifikasi Kepribadian Siswa Smp Negeri 5 Jepara Menggunakan Metode Decision Tree Algoritma C4.5,” J. Inf. Syst. Comput., vol. 2, no. 2, pp. 8–13, 2022, doi: 10.34001/jister.v2i2.392.
[6] M. W. Martadiansyah, A. Ghufron, R. A. Hidayah, D. Salzabila, and
L. Amanda, “Perbandingan Algoritma C4.5 dengan Naive Bayes Untuk Klasifikasi Curah Hujan,” J. Komput. Antart., vol. 3, no. 1, pp.
8–17, 2025, doi: 10.70052/jka.v3i1.648.
[7] A. Nur Kirana, B. Nurhakim, S. Eka Permana, W. Prihartono, and G. Dwilestari, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Cuaca Menggunakan Rapidminer,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1637–1642, 2024, doi: 10.36040/jati.v8i2.8967.
[8] I. Risnawati et al., “Klasifikasi Data Mining Untuk Mengestimasi Potensi Curah Hujan Berdampak Banjir Daerah Menggunakan Algoritma C4.5,” J. Insa. J. Inf. Syst. Manag. Innov., vol. 3, no. 2,
pp. 78–84, 2023, doi: 10.31294/jinsan.v3i2.3050.
[9] R. Martha and D. E. Herwindiati, “Prediksi Hujan Menggunakan Metode Artificial Neural Network, K-Nearest Neighbors, dan Naïve Bayes,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 6, no. 4, pp. 859–865, 2024, doi: 10.47233/jteksis.v6i4.1650.
[10] F. F. Nugraha, I. Sunandar, and C. Julian, “Penerapan Data Mining Dengan Metode Kalsifikasi Menggunakan Algoritma C4.5,” Teknologi, vol. 7, no. March, pp. 10–20, 2022.
[11] I. D. Mienye and N. Jere, “A Survey of Decision Trees: Concepts, Algorithms, and Applications,” IEEE Access, vol. 12, no. June, pp. 86716–86727, 2024, doi: 10.1109/ACCESS.2024.3416838.
