PENGEMBANGAN SISTEM PREDIKSI CUACA DENGAN METODE KLASIFIKASI BERBASIS INTERNET OF THINGS

FEBRIAN ZULMI, . (2024) PENGEMBANGAN SISTEM PREDIKSI CUACA DENGAN METODE KLASIFIKASI BERBASIS INTERNET OF THINGS. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text File 1 (Cover, Lembar Pengesahan, Lembar Pernyataan, Lembar Pernyataan Persetujuan Publikasi, Kata Pengantar, Abstrak, Daftar Isi ).pdf Download (1MB)
	Text File 2 (BAB I).pdf Download (459kB)
	Text File 3 (BAB II).pdf Restricted to Registered users only Download (1MB)
	Text File 4 (BAB III).pdf Restricted to Registered users only Download (423kB)
	Text File 5 (BAB IV).pdf Restricted to Registered users only Download (3MB)
	Text File 6 (BAB V).pdf Restricted to Registered users only Download (409kB)
	Text File 7 (Daftar Pustaka).pdf Download (318kB)
	Text File 8 (Lampiran dan Daftar Riwayat Hidup).pdf Restricted to Registered users only Download (350kB)

Abstract

Cuaca memiliki dampak besar terhadap berbagai aspek kehidupan manusia dalam kegiatan sehari-hari. Pada masa digitalisasi saat ini, masyarakat sangat membutuhkan sebuah perangkat yang praktis dan mudah digunakan untuk mendapatkan informasi tentang cuaca yang akurat. Namun, pengembangan sistem prakiraan cuaca tradisional sering kali membutuhkan komponen yang rumit, data dalam jumlah besar, dan biaya yang tinggi. Disinilah peran machine learning menjadi relevan yang memungkinkan prediksi cuaca dengan akurasi tinggi. Oleh karena itu, dikembanglah alat prediksi cuaca menggunakan model machine learning berbasis metode klasifikasi seperti cerah, berawan, hujan ringan, dan hujan lebat, yang diintegrasikan dengan teknologi Internet of Things (IoT). Alat ini dirancang lebih murah, lebih compact, fleksibel, dan portable sehingga dapat ditempatkan dan dimonitor di berbagai lokasi dengan memanfaatkan berbagai atribut cuaca seperti suhu, kelembapan, tekanan udara, dan kecepatan angin. Data historis cuaca dari NASA’s POWER digunakan sebagai basis pelatihan model machine learning dengan metode klasifikasi random forest classifier, yang menghasilkan akurasi sebesar 88,14%. Sistem ini dilengkapi dengan sensor BME280 untuk mendeteksi suhu, kelembapan, dan tekanan udara, serta anemometer untuk mengukur kecepatan angin. Setelah model dilatih dan diuji, sistem diimplementasikan pada Raspberry Pi 4B untuk memprediksi cuaca satu jam ke depan. Selain itu, hasil prediksi dan pemantauan cuaca dapat diakses secara realtime melalui dashboard website secara online dan LCD TFT secara offline yang memungkinkan alat berfungsi tanpa jaringan internet. Pengguna juga dapat mengunduh laporan cuaca harian, mingguan, dan bulanan. Dengan demikian, sistem ini diharapkan mampu memberikan prediksi cuaca yang akurat dan memudahkan pemantauan kondisi cuaca. **** Weather has a big impact on various aspects of human life in daily activities. In this era of digitalization, people really need a device that is practical and easy to use to get accurate weather information. However, the development of traditional weather forecasting systems often requires complex components, large amounts of data, and high costs. This is where the role of machine learning becomes relevant which enables weather predictions with high accuracy. Therefore, a weather prediction tool was developed using a machine learning model based on classification methods such as sunny, cloudy, light rain and heavy rain, which was integrated with Internet of Things (IoT) technology. This tool is designed to be cheaper, more compact, flexible and portable so that it can be placed and monitored in various locations by utilizing various weather attributes such as temperature, humidity, air pressure and wind speed. Historical weather data from NASA's POWER was used as the basis for training a machine learning model using the random forest classifier classification method, which produced an accuracy of 89.90%. This system is equipped with a BME280 sensor to detect temperature, humidity and air pressure, as well as an anemometer to measure wind speed. Once the model was drilled and tested, the system was implemented on a Raspberry Pi 4B to predict the weather one hour ahead. In addition, weather prediction and monitoring results can be accessed in real time via the onlinedashboard website and offline TFT LCD, allowing the tool to function without an internet network. Users can also download daily, weekly and monthly weather reports. Thus, this system is expected to be able to provide accurate weather predictions and make it easier to monitor weather conditions.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr. Widyaningrum Indrasari, M.Si. ; 2). Haris Suhendar, M.Sc.
Subjects:	Sains > Sains, Ilmu Pengetahuan Alam Sains > Fisika Teknologi dan Ilmu Terapan > Teknik Elektronika Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FMIPA > S1 Fisika
Depositing User:	Users 25039 not found.
Date Deposited:	15 Aug 2024 00:25
Last Modified:	15 Aug 2024 00:25
URI:	http://repository.unj.ac.id/id/eprint/50029

Actions (login required)

View Item