prediksi intensitas hujan kota surabaya dengan matlab menggunakan teknik random forest dan cart (studi kasus kota surabaya)

Clicks: 292
ID: 230290
2017
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Emerging

Ranked #24 of 239 articles by views in Oncogene

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 239 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Keakuratan prediksi potensi curah hujan di Kota Surabaya dibutuhkan untuk antisipasi bencana akibat hujan seperti banjir bandang, membantu memprediksi kondisi penerbangan dan membantu majaemen saluran sanitasi di Surabaya. Prediksi dilakukan dengan data hari sebelumnya menggunakan perbandingan teknik Classification and Regression Trees (CART) dan Random Forest (RF)  pada data cuaca selama 17 tahun (2000-2016) berasal dari stasiun cuaca Juanda, Surabaya melalui website NCDC (National Climate Data Center) yang terdiri dari data suhu udara, titik embun, keepatan angin, tekanan udara, visibilitas dan curah hujan. Evaluasi pembuatan model dengan pengukuran akurasi, precision dan recall menunjukkan bahwa baik metode CART maupun Random Forest mampu mengklasifikasi dengan akurasi baik sebesar 78% untuk 4 dari 5 kelas intensitas hujan, dengan kelas terakhir belum mampu diklasifikasi oleh kedua metode. Metode Random forest memiliki nilai performa sedikit lebih baik dibandingkan dengan CART sebesar 6%. Eksperimen tuning parameter untuk kedua metode membuktikan performa lebih baik dibandingkan parameter default metode dan mampu memberikan kestabilan hasil performa dari segi uji coba proporsi data training dan testing. Variabel yang berpengaruh besar dalam model CART dan random forest dengan nilai uji performa yang baik antara lain adalah suhu udara, titik embun, suhu udara maksimum dan suhu udara minimum beserta variabel turunannya (selisih suhu udara maksimum dan minimum, selisih suhu udara dan titik embun dan kelembapan relatif). Penelitian  ini menghasilkan aplikasi pengklasifikasi intensitas hujan yang  memiliki akurasi baik atas kelas intesitas hujan (tidak hujan, ringan, sedang, deras, sangat deras).
Reference Key
dhawangkhara2017jurnalprediksi Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Maulana Dhawangkhara;Edwin Riksakomara
Journal Oncogene
Year 2017
DOI
DOI not found
URL
http://ejurnal.its.ac.id/index.php/teknik/article/view/21120
Keywords
random forest matlab cart rf civil engineering (general)

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.