SULISTIARA, Ayu (2023) Perbandingan Regresi Logistik dan Random Forest dengan Implementasi Metode SMOTE pada Klasifikasi Cuaca Wilayah Jawa Tengah. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Ayu Sulistiara-K1B019054-Skripsi-2023.pdf Download (202kB)
	PDF (Legalitas) LEGALITAS-Ayu Sulistiara-K1B019054-Skripsi-2023.pdf Restricted to Repository staff only Download (462kB)
	PDF (Abstrak) ABSTRAK-Ayu Sulistiara-K1B019054-Skripsi-2023.pdf Download (101kB)
	PDF (BabI) BAB-I-Ayu Sulistiara-K1B019054-Skripsi-2023.pdf Restricted to Repository staff only until 6 July 2024. Download (111kB)
	PDF (BabII) BAB-II-Ayu Sulistiara-K1B019054-Skripsi-2023.pdf Restricted to Repository staff only until 6 July 2024. Download (587kB)
	PDF (BabIII) BAB-III-Ayu Sulistiara-K1B019054-Skripsi-2023.pdf Restricted to Repository staff only until 6 July 2024. Download (215kB)
	PDF (BabIV) BAB-IV-Ayu Sulistiara-K1B019054-Skripsi-2023.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Ayu Sulistiara-K1B019054-Skripsi-2023.pdf Download (100kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Ayu Sulistiara-K1B019054-Skripsi-2023.pdf Download (167kB)
	PDF (Lampiran) LAMPIRAN-Ayu Sulistiara-K1B019054-Skripsi-2023.pdf Restricted to Repository staff only Download (703kB)

Abstract

Cuaca merupakan salah satu aspek penting yang berpengaruh terhadap aktivitas manusia. Adanya perubahan cuaca yang dipengaruhi oleh berbagai faktor seperti suhu, kelembapan udara, angin, waktu, dan lokasi, menjadikan pentingnya untuk mengetahui kemungkinan cuaca yang akan terjadi guna menghindari dan mempersiapkan solusi dari dampak yang ditimbulkan. Kemungkinan cuaca yang akan terjadi dapat ditentukan dengan lebih akurat menggunakan metode klasifikasi cuaca yang baik. Pada penelitian ini metode klasifikasi yang digunakan adalah regresi logistik dan random forest dengan menerapkan teknik oversampling SMOTE (synthetic minority oversampling technique) pada masing-masing metode. Peneliti membandingkan kedua metode tersebut menggunakan data cuaca di wilayah Jawa Tengah yang kemudian dibagi dalam tiga proporsi data latih yang berbeda, yaitu 60%, 70% dan 80%, dengan melihat kebaikan modelnya menggunakan nilai area under curve (AUC). Rata-rata AUC dari regresi logistik, regresi logistik dengan SMOTE, random forest, dan random forest dengan SMOTE adalah 0,6923, 0,5794, 0,7419, dan 0,7192. Berdasarkan hasil analisis kedua metode tersebut, dapat disimpulkan bahwa metode SMOTE tidak cocok digunakan untuk klasifikasi cuaca di wilayah Jawa Tengah karena menjadikan nilai AUC lebih kecil dari sebelumnya. Namun demikian, baik sebelum maupun sesudah dilakukan oversampling dengan SMOTE, random forest merupakan metode yang lebih baik dibandingkan dengan regresi logistik. Nilai AUC metode random forest menghasilkan nilai yang cukup tinggi sehingga metode random forest layak digunakan untuk mengklasifikasi cuaca wilayah Jawa Tengah.

Actions (login required)

View Item