PENERAPAN METODE MACHINE LEARNING (ALGORITMA RANDOM FOREST) UNTUK MEMPREDIKSI SUHU DI PULAU SUMATERA PADA BULAN MEI 2024

KURNIAWATI, FERINA RIZKY (2024) PENERAPAN METODE MACHINE LEARNING (ALGORITMA RANDOM FOREST) UNTUK MEMPREDIKSI SUHU DI PULAU SUMATERA PADA BULAN MEI 2024. Other thesis, UPN Veteran Yogyakarta.

	Text 1. Skripsi Fulltext_115200062_Ferina Rizky Kurniawati.pdf Restricted to Repository staff only Download (6MB)
	Text 2. Cover_115200062_Ferina Rizky Kurniawati.pdf Download (200kB)
	Text 3. Abstrak_115200062_Ferina Rizky Kurniawati.pdf Download (245kB)
	Text 4. Lembar Pengesahan_115200062_Ferina Rizky Kurniawati.pdf Download (1MB)
	Text 5. Daftar Isi_115200062_Ferina Rizky Kurniawati.pdf Download (195kB)
	Text 6. Daftar Pustaka_115200062_Ferina Rizky Kurniawati.pdf Download (236kB)

Abstract

vii
ABSTRAK
PENERAPAN METODE MACHINE LEARNING (ALGORITMA
RANDOM FOREST) UNTUK MEMPREDIKSI SUHU DI
PULAU SUMATERA PADA BULAN MEI 2024
Oleh:
Ferina Rizky Kurniawati
115200062
Perubahan iklim telah menjadi isu pembicaraan global dimana terdapat
kondisi perubahan alam dalam rentang waktu lama dan berdampak sangat penting
di dunia. Salah satu permasalahan paling penting terkait perubahan iklim ialah
adanya peningkatan suhu dari waktu ke waktu membuat bumi makin panas.
Indonesia yang terletak di lintang khatulistiwa merupakan salah satu negara yang
mengalami dampak dari perubahan iklim tersebut, terkhusus di daerah Sumatera
yang cenderung mudah mengalami gangguan cuaca ekstrem yang signifikan.
Dalam memprediksi suhu dengan akurat, diperlukan teknologi yang dapat
menganalisis kondisi suhu pada daerah tersebut salah satunya ialah Machine
learning dengan algoritma random forest. Algoritma tersebut telah terbukti
memiliki akurasi yang tinggi dalam memprediksi suhu sehingga pada penelitian ini
bertujuan untuk menganalisis data terhadap suhu yang akan dirasakan di Pulau
Sumatera pada bulan Mei 2024. Dataset cuaca yang digunakan berasal dari
Copernicus ERA5 menggunakan parameter suhu pada ketinggian 2 meter,
komponen angin zonal (u) dan meridional (v) pada ketinggian 10 meter, Dewpoint
temperature sebagai data kelembaban, Sea Surface Temperature (SST) atau suhu
permukaan laut, surface pressure, Mean Sea Level (MSL) dengan periode penelitian
waktu penelitian bulan Januari, Februari, Maret, April, dan Mei 2024 pada pukul
10.00 – 12.00 WIB. Adapun jumlah data yang digunakan ialah sejumlah 795.717
data dengan pengaturan parameter data uji sebesar 0.25 atau 25% dari total data dan
n_estimator 200. Hasil analisis suhu menunjukkan bahwa terdapat penurunan suhu
dibanding dengan bulan sebelumnya dengan nilai rata – rata sebesar 28°C dan
berdasarkan analisa perubahan suhu, pola suhu yang ada di Sumatera akan stabil
pada 27°C. Adapun tingkat akurasi yang dihasilkan dalam program prediksi suhu
menggunakan random forest ialah sebesar 99.61% dengan tingkat error
berdasarkan perhitungan nilai Mean Absolute Error sebesar 0,39°C yang dapat
dikatakan sangat baik.
Kata Kunci : Random Forest, Machine Learning, Cuaca, Sumatera
vii
ABSTRACT
APPLICATION OF MACHINE LEARNING METHODS
(RANDOM FOREST ALGORITHM) TO PREDICT
TEMPERATURE ON THE ISLAND OF SUMATRA
IN MAY 2024
By:
Ferina Rizky Kurniawati
115200062
Climate change has become a global conversation issue where there are changing
conditions in nature over a long period of time and has a very important impact on the
world. One of the most important problems related to climate change is the increase in
temperature over time which makes the earth hotter. Indonesia, which is located at the
equatorial latitude, is one of the countries experiencing the impact of climate change,
especially in the Sumatra region which tends to easily experience significant extreme
weather disturbances. In predicting temperature accurately, technology is needed to
analyse temperature conditions in the area, such as machine learning with random forest
algorithms. The algorithm has been proven to have high accuracy in predicting
temperature so that this study aims to analyse data on the temperature that will be felt on
the island of Sumatra in May 2024. The weather dataset used comes from Copernicus ERA5
using temperature parameters at a height of 2 metres, zonal (u) and meridional (v) wind
components at a height of 10 metres, Dewpoint temperature as humidity data, Sea Surface
Temperature (SST) or sea surface temperature, surface pressure, Mean Sea Level (MSL)
with the research time period of January, February, March, April, and May 2024 at 10:00
– 12:00 WIB. The amount of data used is a total of 795,717 data with test data parameter
settings of 0.25 or 25% of the total data and n_estimator 200. The results of the temperature
analysis show that there is a decrease in temperature compared to the previous month with
an average value of 28°C and based on the analysis of temperature changes, the
temperature pattern in Sumatra will stabilise at 27°C. The level of accuracy produced in
the temperature prediction programme using random forest is 99.61% with an error rate
based on the calculation of the Mean Absolute Error value of 0.39°C which can be said to
be very good.
Keywords: Random Forest, Machine Learning, Weather, Sumatera

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Random Forest, Machine Learning, Weather, Sumatera
Subjects:	H Social Sciences > HD Industries. Land use. Labor
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	02 Sep 2024 01:27
Last Modified:	02 Sep 2024 01:27
URI:	http://eprints.upnyk.ac.id/id/eprint/40890

Actions (login required)

View Item