Implementasi Machine Learning untuk Memprediksi Cuaca Menggunakan Support Vector Machine

Abstract

Penelitian ini membahas penerapan algoritma K-Nearest Neighbor (K-NN) untuk memprediksi cuaca di Indonesia berdasarkan data historis dari BMKG. Data yang digunakan meliputi suhu, kelembapan, dan curah hujan dalam rentang 9 hingga 12 tahun terakhir. Prosesnya melibatkan pembersihan data, normalisasi nilai, serta pembagian data menjadi set latih dan uji. Hasil analisis menunjukkan bahwa algoritma K-NN mampu memprediksi pola cuaca dengan akurasi sebesar 54%. Cuaca hujan dan cerah menjadi kejadian yang paling dominan, sementara gerimis dan salju sangat jarang terjadi. Meskipun akurasi model masih perlu ditingkatkan, penelitian ini memberikan wawasan awal untuk membantu sektor pertanian dan peternakan dalam mengantisipasi perubahan iklim ekstrem yang sering terjadi di Indonesia.