Analisa Prakiraan Cuaca dengan Parameter Suhu, Kelembaban, Tekanan Udara, dan Kecepatan Angin Menggunakan Regresi Linear Berganda

Abstract

Kondisi cuaca memiliki kecenderungan berubah, untuk itu badan meteorologi bekerja memprediksi perkiraan cuaca agar dapat memberikan peringatan dini apabila terjadi perubahan cuaca yang mendadak atau bahkan ekstrem. Dengan memprakirakan cuaca yang datang mendadak secara akurat, maka dapat mengambil langkah pencegahan agar dapat meminimalkan kerugian yang akan terjadi. Diperlukan beberapa variable atau parameter yang relevan untuk dapat memodelkan data dengan baik sehingga hasil prediksinya menjadi lebih akurat. Salah satu pendekatan pemodelan data untuk prediksi cuaca adalah supervised learning dengan teknik estimasi. Estimasi memberikan prediksi nilai pada atribut target atau class attribute yang bertipe numerical. Regresi linear berganda merupakan salah satu algoritma estimasi yang handal untuk memprediksi cuaca. Empat variable independent yakni, suhu, kelembaban, tekanan, dan kecepatan angin digunakan untuk memprakirakan curah hujan sebagai variable dependent. Data yang digunakan adalah data BMKG dari Stasiun Meteorologi Ahmad Yani Semarang tahun 2015-2017. Nilai koefisien determinasi R2 sebesar 25.5 persen menunjukkan bahwa keempat variabel yang digunakan secara bersamaan dapat menjelaskan nilai curah hujan sebagai variable dependent.

Weather Forecast From Time Series Data Using LSTM Algorithm

“…Prakiraan cuaca adalah proses dari pengumpulan data dari kondisi atmosfer, yang terdiri dari temperatur, kelembaban, penyinaran matahari, dan kecepatan angin [1]. Cuaca mempengaruhi kehidupan manusia di berbagai aspek [2], [3].Faktor-faktor tersebut kemudian diteliti dan dicocokkan dengan cuaca hari, bulan, bahkan tahun sebelumnya sehingga mendapatkan perkiraan cuaca yang paling akurat [1]. Proses meneliti dan mencocokkan data dalam jumlah yang besar ini termasuk dalam cabang ilmu komputer yaitu data mining [4].…”

Application of Multiple Linear Regression Algorithm for Motorcycle Sales Estimation

“…Metode Regresi Linier Berganda ini dipilih karena mampu menyelesaikan masalah estimasi dengan memanfaatkan data-data mengenai penjualan. Algoritma regresi linear berganda merupakan model regresi linear dengan melibatkan lebih dari satu variable bebas atau predictor [23]. Regresi Linear Berganda memiliki tingkat akurasi yang tinggir, algoritma regresi linear berganda cocok digunakan terhadap penelitian yang memiliki variable independen lebih dari satu [24], regresi linear berganda memang sebuah metode yang digunakan untuk peramalan yang menggunakan lebih dari dua faktor yang dapat menemukan hasil yang terbaik antara variable independen terhadap variable dependen [25].…”

Penerapan Rantai Markov Dalam Peramalan Cuaca (Studi Kasus: Cuaca Harian di Kota Padang)

“…Beberapa penelitian sebelumnya terkait prakiraan cuaca adalah sistem peramalan cuaca dengan Fuzzy Mamdani (Wele, dkk., 2020), prediksi curah hujan bulanan di Deli Serdang menggunakan persamaan regresi dengan prediktor data suhu dan kelembapan udara (Saragih, 2020), analisa prakiraan cuaca dengan parameter suhu, kelembapan udara, dan kecapatan angin menggunakan regresi linier berganda (Luthfiarta, 2020). Berdasarkan penelitian diatas peneliti ingin melakukan penelitian untuk mengetahui prediksi atau prakiraan cuaca dengan menerapkan Rantai Markov dan mengambil studi kasus di Kota Padang.…”