Penggunaan Stacking Classifier Untuk Prediksi Curah Hujan

Diky Djafar Sidik, Tjong Wan Sen

Abstract


Curah hujan sebagai bentuk informasi dari data meteorologis, penting dalam segala kegiatan manusia yang berhubungan dengan alam, oleh karena itu prediksi atas curah hujan dengan hasil yang akurat merupakan hal yang sangat penting. Salah satu metode yang digunakan untuk prediksi/klasifikasi curah hujan adalah data mining dengan berbagai algoritma dan parameter data yang berbeda. Pada penelitian ini digunakan penggabungan metode klasifikasi dengan Teknik Ensemble Stacking/Stacked Generalization yang menggunakan Naïve Bayes dan C4.5 sebagai base learner dan KNN sebagai meta learner untuk klasifikasi curah hujan. Dataset yang dipergunakan adalah data klimatologi harian yang diambil dari website resmi BMKG (Badan Meteorologi, Klimatologi, Dan Geofisika) untuk stasiun UPT Bandung, Bogor, Citeko dan Jatiwangi dari periode 01 Januari 2000 sampai dengan 31 Desember 2018. Dengan menggunakan tiga skenario pengujian dan validasi menggunakan 10 fold cross validation diperoleh bahwa metode stacking dapat meningkatkan akurasi dari base classifier.

Keywords


nsemble, stacking, naïve bayes, C4.5, KNN, curah hujan

Full Text:

PDF

References


J. Joseph and R. T K, “Rainfall Prediction using Data Mining Techniques,” Int. J. Comput. Appl., vol. 83, no. 8, pp. 11–15, 2013.

D. M. Casas, J. Ángel, T. González, J. Enrique, A. Rodríguez, and J. V. Pet, “Using Data-Mining for Short-Term Rainfall Forecasting,” pp. 487–488, 2009.

E. G. Petre, “A Decision Tree for Weather Prediction,” Bul. Univ. Pet. – Gaze din Ploieşti, vol. LXI, no. 1, pp. 77–82, 2009.

M. Muthmainnah, M. Ashar, I. M. Wirawan, and T. Widiyaningtyas, “Time Series Forecast for Rainfall Intensity in Malang City with Naive Bayes Methodology,” 3rd Int. Conf. Sustain. Inf. Eng. Technol. SIET 2018 - Proc., pp. 137–141, 2018.

J. A. Suyatno, F. Nhita, and A. A. Rohmawati, “Rainfall forecasting in Bandung regency using C4.5 algorithm,” 2018 6th Int. Conf. Inf. Commun. Technol. ICoICT 2018, vol. 0, no. c, pp. 324–328, 2018.

A. Haidar, B. Verma, and T. Sinha, “A Novel Approach for Optimizing Ensemble Components in Rainfall Prediction,” 2018 IEEE Congr. Evol. Comput. CEC 2018 - Proc., no. 978, pp. 1–8, 2018.

C. C. Janbandhu, P. D. Meshram, and M. N. Gedam, “Modelling Rainfall Prediction Using Data Mining Method - A Bayesian Approach,” Int. J. Futur. Revolut. Comput. Sci. Commun. Eng., vol. 3, no. 11, pp. 472–474, 2017.

B. Narayanan and M. Govindarajan, “Rainfall Prediction based on Ensemble Model,” pp. 8237–8243, 2016.

I. Novandya, Adhika., Oktria, “Penerapan Algoritma Klasifikasi Data Mining C4.5 Pada Dataset Cuaca Wilayah Bekasi,” J. Format, vol. 6, no. 2, pp. 98–106, 2017.

R. Pratama, “POLA CURAH HUJAN DI PULAU JAWA PADA PERIODE NORMAL, EL NINO DAN LA NINA,” 2011.

BMKG, “Peraturan Kepala Badan Meteorologi, Klimatologi dan Geofisika,” no. 497, p. 4246703, 2010.

IT FOR SOCIETY, Vol. 04, No. 01

ISSN 2503-2224

N. Pradipta, P. Sembiring, and P. Bangun, “Analisis Pengaruh Curah Hujan Di Kota Medan,” Saintia Mat., vol. 1, no. 5, pp. 459–468, 2013.

J. Han, M. Kamber, and J. Pei, Data mining: Data mining concepts and techniques, 3rd ed. Morgan Kaufmann Publishers, 2012.

M. Huang, R. Lin, S. Huang, and T. Xing, “A novel approach for precipitation forecast via improved K-nearest neighbor algorithm,” Adv. Eng. Informatics, vol. 33, pp. 89–95, 2017.

V. Kotu and B. Deshpande, Data Science Concepts and Practice, Second. Morgan Kaufmann, 2019.

I. Syarif, E. Zaluska, A. Prugel-Bennett, and G. Wills, “Application of bagging, boosting and stacking to intrusion detection,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 7376 LNAI, pp. 593–602, 2012.

Z.-H. Zhou, Ensemble Methods Foundations and Algorithms. CRC Press, 2012.

Wirjohamidjojo, S., & Swarinoto, Y. S. (2013). Meteorologi Sinoptik. Pusat Penelitian dan Pengembangan Badan Meteorologi Klimatologi dan Geofisika Jl




DOI: http://dx.doi.org/10.33021/itfs.v4i1.1180

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 IT for Society

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

All articles in this journal are indexed in:

  

 Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.