PENGGUNAAN ALGORITMA DECISION TREE UNTUK PREDIKSI CUACADI JAKARTA, BOGOR, DAN TANGERANG MENGGUNAKAN KNIME PLATFORM

Tugas Akhir/Skripsi ini membahas tentang prediksi cuaca atau iklim suatu daerah di Indonesia dengan data yang bersumber dari BMKG yang diterapkan menggunakan pemodelan machine learning. Cuaca mengacu pada semua peristiwa yang terjadi di atmosfer di permukaan bumi
dalam jangka waktu singkat atau dalam beberapa hari. Beberapa faktor yang mempengaruhi kondisi cuaca yaitu suhu, tekanan udara, kecepatan angin, udara dan curah hujan. Penelitian ini bertujuan untuk memprediksi suhu pada zona cuaca lokal di wilayah Jakarta, Bogor, dan Tangerang. Pentingnya prediksi cuaca karena hal ini dapat membantu menginformasikan sistem peringatan dini sehingga warga bisa mengambil tindakan buat mengurangi bencana sebelum terjadi. Penelitian ini menggunakan metode classification model decision tree untuk mengklasifikasikan atau memprediksi suatu nilai target berdasarkan ciri-ciri (fitur) yang ada. Metode ini menggunakan struktur seperti pohon, dimana setiap simpul internal (node) mewakili suatu tes
atau pemeriksaan pada suatu ciri, setiap cabang mewakili hasil dari tes tersebut, dan simpul daun ( leaf) mewakili kelas atau kategori hasil prediksi. Hasil confusion matrix yang digunakan untuk evaluasi berupa nilai akurasi, Cohen's kappa, dan nilai error yang dimana akurasi pada model decision tree mencapai 98,187%, kemudian nilai Cohen's kappa sebesar 0,935%, dan kesalahan prediksi atau error senilai 1,813%. Dari penelitian ini menunjukkan bahwa tingkat akurasi model
prediksi cuaca merupakan akurasi yang bagus, serta cohen’s kappa dari model prediksi cuaca juga merupakan kesepakatan yang sangat baik.