IMPLEMENTASI RANDOM FOREST DAN TEKNIK CROSS VALIDATION DALAM PRAKIRAAN HUJAN SKRIPSI
Cuaca hujan adalah salah satu unsur iklim yang tinggi keragamannya. Mengakibatkan pola sebaran hujan disetiap tempat cenderung tidak merata. Sehingga pentingnya penerapan metode yang tepat untuk dapat mengantisipasi kondisi cuaca hujan yang tidak menentu. Dengan menggunakan data historis cuaca dilakukan penerapan metode machine learning untuk dapat menentukan prakiraan hujan berdasarkan parameter cuaca. Pada peneltiian ini menggunakan metode random forest dengan hyperparameter e_estimator dan max_depth serta penggunaan teknik cross validation untuk menghasilkan performansi model yang optimal. Performansi diukur menggunakan beberapa matriks evaluasi model yaitu MSE, RMSE, dan MAE. Penelitian menggunakan data cuaca BMKG dengan rentang tahun
2015-2021 dengan jumlah 2557 data yang dimana dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian yang didapatkan, model random forest dengan cross validation menghasilkan nilai evaluasi MSE : 0,086, RMSE : 0,290 dan MAE : 0,186. Hasil evaluasi model membuktikan bahwa random forest dengan hyperparameter n_estimator : 100, max_depth : None, dan cross validation : 3, dapat menghasilkan performansi model paling optimal untuk melakukan prakiraan hujan.
Detail Information
Citation
APA Style
. (2023).IMPLEMENTASI RANDOM FOREST DAN TEKNIK CROSS VALIDATION DALAM PRAKIRAAN HUJAN SKRIPSI ().Teknik Informatika:FTI
Chicago Style
.IMPLEMENTASI RANDOM FOREST DAN TEKNIK CROSS VALIDATION DALAM PRAKIRAAN HUJAN SKRIPSI ().Teknik Informatika:FTI,2023.Text
MLA Style
.IMPLEMENTASI RANDOM FOREST DAN TEKNIK CROSS VALIDATION DALAM PRAKIRAAN HUJAN SKRIPSI ().Teknik Informatika:FTI,2023.Text
Turabian Style
.IMPLEMENTASI RANDOM FOREST DAN TEKNIK CROSS VALIDATION DALAM PRAKIRAAN HUJAN SKRIPSI ().Teknik Informatika:FTI,2023.Text