KOMPARASI METODE NAIVE BAYES, K-NEAREST
NEIGHBOR, DAN RANDOM FOREST UNTUK PREDIKSI TERJADI PRESIPITASI

UPT. PERPUSTAKAAN Universitas Esa Unggul Kampus Emas UEU - Jakarta Barat
Phone	:	021-5674223, ext 282
Fax	:
E-mail	:	[email protected]
Website	:	http://library.esaunggul.ac.id
Support (Customer Service) :
[email protected]

Welcome..guys!

Have a problem with your access?
Please, contact our technical support below:

LIVE SUPPORT

Astrid Chrisafi

! ATTENTION !

To facilitate the activation process, please fill out the member application form correctly and completely

Registration activation of our members will process up to max 24 hours (confirm by email). Please wait patiently

Still Confuse?
Please read our User Guide

UEU » Undergraduate Theses » Teknik Informatika
Posted by [email protected] at 21/11/2024 12:52:26 • 8 Views

KOMPARASI METODE NAIVE BAYES, K-NEAREST NEIGHBOR, DAN RANDOM FOREST UNTUK PREDIKSI TERJADI PRESIPITASI

Created by :
Ranggi Cahyana Mariandani ( 20210801293 )

Subject:	KOMPARASI NAIVE BAYES K-NEAREST NEIGHBOR RANDOM FOREST PRESIPITASI
Alt. Subject :	COMPARISON NAIVE BAYES K-NEAREST NEIGHBOR RANDOM FOREST PRESIPITATION
Keyword:	Komparasi Data Mining Na�ve Bayes K-Nearest Neighbor Random Forest Presipitasi Jambi.

Description:

Jalannya aktivitas masyarakat di Jambi kota dapat dipengaruhi oleh kondisi curah hujan, seperti bidang pertanian dan perkebunan kelapa sawit. Oleh karena itu prediksi presipitasi dengan akurasi terbaik perlu dibuat sehingga dapat dimanfaatkan oleh masyarakat. Metode klasifikasi algoritma Naive Bayes, KNearest Neighbor, dan Random Forest merupakan metode klasifikasi Data Mining yang digunakan untuk komparasi prediksi presipitasi pada penelitian ini, data yang digunakan dari BMKG Indonesia tahun 2015 hingga tahun 2023 dengan empat variabel. Setelah dilakukan pengujian dengan data testing menggunakan 2 class hasil akurasi 76,56% menunjukkan bahwa algoritma K Nearest Neighbor (KNN) dan Random Forest, selanjutnya pengujian data testing menggunakan 6 class nilai akurasi 63,63% dengan menggunakan algoritma Naive Bayes. Hal tersebut menunjukkan bahwa menggunakan 2 class dengan algoritma K-Nearest Neighbor dan Random Forest layak dijadikan model algoritma terbaik untuk prediksi terjadinya presipitasi, dan digunakan untuk prediksi presipitasi curah hujan harian selanjutnya

Contributor	:	AGUNG MULYO WIDODO, ST, M.Sc
Date Create	:	21/11/2024
Type	:	Text
Format	:	PDF
Language	:	Indonesian
Identifier	:	UEU-Undergraduate-20210801293
Collection ID	:	20210801293

Source :
Undergraduate Theses of Informastics Engineering

Relation Collection:
Fakultas Ilmu Komputer

Coverage :
Civitas Akademika Universitas Esa Unggul

Rights :
@2024 Perpustakaan Universitas Esa Unggul

Publication URL :
https://digilib.esaunggul.ac.id/komparasi-metode-naive-bayes-knearestneighbor-dan-random-forest-untuk-prediksi-terjadi-presipitasi-36621.html

[ Free Download - Free for All ]