OPTIMALISASI MODEL GAUSSIAN NAÏVE BAYES MENGGUNAKAN METODE HYPERPARAMETER TUNING DAN UNIVARIATE FEATURE SELECTION UNTUK MENINGKATKAN AKURASI PREDIKSI CUACA KOTA PALEMBANG

WARDANA, ANTONIY SANDI (2023) OPTIMALISASI MODEL GAUSSIAN NAÏVE BAYES MENGGUNAKAN METODE HYPERPARAMETER TUNING DAN UNIVARIATE FEATURE SELECTION UNTUK MENINGKATKAN AKURASI PREDIKSI CUACA KOTA PALEMBANG. Other thesis, UPT PERPUSTAKAAN POLSRI.

Preview	Text A. COVER.pdf Download (1MB) | Preview
Preview	Text (BAB I PENDAHULUAN) B. BAB 1.pdf Download (234kB) | Preview
Preview	Text (BAB II TINJAUAN PUSTAKA) C. BAB 2.pdf Download (397kB) | Preview
	Text (BAB III METODOLOGI PENELITIAN) D. BAB 3.pdf Restricted to Repository staff only Download (428kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) E. BAB 4.pdf Restricted to Repository staff only Download (873kB) | Request a copy
Preview	Text (BAB V PENUTUP) F. BAB 5.pdf Download (44kB) | Preview
Preview	Text (DAFTAR PUSTAKA) G. DAFTAR PUSTAKA.pdf Download (204kB) | Preview
Preview	Text H. LAMPIRAN.pdf Download (5MB) | Preview

Abstract

Pentingnya melakukan penelitian prediksi cuaca dikarenakan perubahan cuaca memiliki pengaruh yang signifikan dalam kehidupan sehari-hari, Penelitian ini menerapkan algoritma klasifikasi machine learning dalam melakukan prediksi cuaca. Metode yang digunakan adalah model Gaussian Naïve Bayes yang dioptimasi menggunakan teknik Univariate Feature Selection ANOVA-f test dan Hyperparameter Tuning GridsearchCV. Data yang digunakan merupakan data cuaca harian Kota Palembang dari bulan Januari 2000 sampai bulan April 2023. Penelitian ini menghasilkan 10 uji data model Gaussian Naïve Bayes sebelum dioptimasi dan sesudah dioptimasi. Hasil setelah optimasi menggunakan teknik Univariate Feature Selection ANOVA-f test dan Hyperparameter Tuning GridsearchCV didapatkan akurasi tertinggi sebesar 98.33%, diperoleh ketika dataset dibagi menjadi 90%:10%, dibandingkan dengan model tanpa optimasi akurasi yang didapatkan sebesar 96.95%. sehingga hasil pengujian ini prediksi yang didapatkan mengalami tingkat kebenaran prediksi dengan selisih yang didapatkan sebesar 1.98%. Pengujian juga dilakukan dengan 62 data uji baru, didapatkan 2 kesalahan prediksi pada sebelum dioptimasi, namun setelah dilakukan optimasi model, didapatkan 1 kesalahan prediksi sehingga meningkatkan akurasi dari 96.77% sebelum optimasi menjadi 98.38% setelah optimasi. Hasil ini menunjukkan bahwa teknik optimasi yang diterapkan pada penelitian ini berhasil meningkatkan kemampuan model Gaussian Naïve Bayes dalam memprediksi cuaca di Kota Palembang karena penggunaan Hyperparameter Tuning membantu mencari kombinasi parameter yang paling tepat dalam optimasi model Gaussian Naive Bayes. Selain itu, fitur-fitur yang tidak relevan dapat dieliminasi, sehingga model hanya mempertimbangkan fitur-fitur yang memiliki kontribusi signifikan dalam melakukan prediksi cuaca. Kemudian hasil optimasi dapat digunakan untuk memprediksi data baru.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Prediksi Cuaca, Gaussian Naïve Bayes, Univariate Feature Selection, Hyperparameter Tuning.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Mr Bambang Anthony
Date Deposited:	19 Feb 2025 01:07
Last Modified:	19 Feb 2025 01:07
URI:	http://eprints.polsri.ac.id/id/eprint/16026

Actions (login required)

View Item