Analisis Klasifikasi Cuaca di Kota Batam Menggunakan Algoritma Metode Decision Tree C4.5
Keywords:
Weather, Classification, Decision TreeAbstract
An area of Indonesia known as the Riau Islands is made up of numerous islands. Among these is the city of Batam, which has year-round high temperatures and precipitation due to its tropical environment. A number of variables, including temperature, humidity, wind direction, and barometric pressure, have a significant impact on the weather in the Riau Islands. One element that affects it is the weather; variations in the weather can have a big effect on a lot of different industries, like tourism and transportation. The C4.5 decision tree is a tree structure where the nodes stand for decisions and the branches for the decisions' outcomes. The Decision Tree C4.5 algorithm's classification method is employed in this study. The rainfall dataset was acquired from Weather Forecast and split into 104 segments using a 7:3 ratio. 30% of the RapidMiner modeling process is testing, and 70% is training data. There are four types of weather: cloudy, sunny, drizzling, and rainy. We may observe that the qualities "sunny," "cloudy," "drizzly," and "rainy" are meteorological variables in the decision tree pattern.
References
As'ad, B. (2016). PREDIKSI KEPUTUSAN MENGGUNAKAN METODE KLASIFIKASI NAÏVE BAYES, ONE-R, DAN DECISION TREE, 10.
E. T. L, K. (2009). Algoritma Data Mining. Yogyakarta: Andi.
Kaonang, F. J., Rotikan, R., & Tulung, G. S. (2018). Pemodelan Sistem Prediksi Tanaman Pangan Menggunakan Algoritma Decision Tree.
Kartasapoetra, A.G, dan M.M Sutedjo. 2010. Teknologi Konservasi Tanah dan Air. Jakarta: Rineka Cipta.
Kristopher, H., Herwindiati, D. E., & Sutrisno, T. (2023). PENERAPAN METODE DECISION TREE UNTUK PERKIRAAN CUACA KOTA BEKASI, 11.
Manshur, A. (2021). Satu Data, Big Data dan Analatika Data: Urgensi Pelembagaan, Pembiasaan dan Pembudayaan, 17.
Mardi, Y. (n.d.). Data Mining: Klasifikasi Menggunakan Algoritma C4.5, 7. Mujiasih, S. (2011). PEMANFATAN DATA MINING UNTUK PRAKIRAAN CUACA.
Muslim, M. A., Prasetyo, B., Harum Marwani, E. L., Herowati, A. J., Mirqotussa'adah, Nurzahputra, A., & Hardiyanti, S. R. (2019). Data Mining Algoritma C4.5.
Muzakir, A., & Wulandari, R. A. (2016). Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree. Scientific Journal of Informatics, 3(1), 19-26.
Novandya, A., & Oktria, I. (2017). Penerapan Algoritma Klasifikasi Data Mmining C4.5 Pada Dataset Cuaca Wilayah Bekasi.
Novitri, R., & Irawati, N. (2019). ANALISIS DATA HASIL KEUNTUNGAN MENGGUNAKAN SOFTWARE RAPIDMINE, 6.
Pascalina, D., Widhiastono, R., & Juliane, C. (2023). Technomedia Journal (TMJ).
Pengukuran Kesiapan Transformasi Digital Smart City Menggunakan Aplikasi Rapid Miner, 10.
Prasetio, A., Hasibuan, M. H., & Sitompul, P. (2021). Simulasi Penerapan Metode Decision Tree (C4.5) Pada Penentuan status Gizi Balita, 4.
Prasetyo, V. R., Lazuardi, H., Mulyono, A. A., & Lauw, C. (2021). Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Regresi Linier, 16.
Rofani, R., Oktavina, L., & Vernanda, D. (2023). Penerapan Metode Klasifikasi Decision Tree dalam Prediksi kanker Paru-paru menggunakan Algoritma C4.5. Jurnal Tekno Kompak, 126-139.
Sari, Y. R., Sudewa, A., Lestari, D. A., & Jaya, T. I. (2020). Penerapan Algoritma K- Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer. CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 192, 2020, doi: 10.24114/cess. v5i2. 18519.
Siregar, A. M., Faisal, S., Cahyana, Y., & Priyatna, B. (2020). PERBANDINGAN ALGORITME KLASIFIKASI UNTUK PREDIKSI CUACA, 3.
Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner. JBASE-Journal of Business and Audit Information Systems, 4
Wibawa, A. P., Aji Purnama, M. G., Akbar, M. F., & Dwiyanto, F. A. (2018). Metode- metode Klasifikasi, 3, 134.