PEMANFAATAN DATA RADAR CUACA UNTUK PERINGATAN DINI CUACA DI PROVINSI BENGKULU MENGGUNAKAN METODE K-MEANS

AVELYN GRAGRISTA M, AVELYN (2022) PEMANFAATAN DATA RADAR CUACA UNTUK PERINGATAN DINI CUACA DI PROVINSI BENGKULU MENGGUNAKAN METODE K-MEANS. Skripsi thesis, Universitas Dehasen Bengkulu.

Full text not available from this repository.

Abstract

Pentingnya informasi cuaca di indonesia dikarenakan cuaca merupakan suatu variabel yang menentukan kondisi iklim salah satunya yang berpengaruh yaitu curah hujan. Dikarenakan pentingnya untuk masyarakat tahu tentang perkembangan cuaca di Indonesia, membuat BMKG harus tepat dan akurat dalam memberikan informasi cuaca dengan memanfaatkan Radar Cuaca. pemanfaatan radar cuaca ini dilakukan dengan menerapkan Metode K-Means. Aplikasi Peringatan Dini Cuaca menggunakan bahasa pemograman Python dan Weather Radar Library (WradLib) dengan memanfaatkan salah satu metode data mining yaitu K-Means. Hasil pengelompokan dilakukan berdasarkan data file.vol yang didapat dari Radar Cuaca (data terlampir). Dari file.vol ini akan diolah di dalam program Python dan akan menghasilkan 2 kelompok yaitu Cluster C1 Wilayah Meluas dan Cluster C2 Wilayah sedang – lebat. Hasil penelitian ini menunjukkan bahwa Pemanfaatan radar cuaca untuk peringatan dini cuaca di Provinsi Bengkulu menggunakan metode K-Means menghasilkan beberapa Iterasi. Ada sedikit perbedaan antara Iterasi 1 dan Iterasi II, dikarenakan data file.vol dari radar cuaca berisi ribuan data sehingga di dalam 1 kecamatan dapat terjadi 2 wilayah yaitu Wilayah meluas dan Wilayah sedang – lebat, namun itu tidak mempengaruhi hasil akhir dari penelitian ini yaitu Peringatan Dini Cuaca. Kata Kunci : Radar Cuaca, Peringatan Dini, Python, K-Means,Cluster

Item Type: Thesis (Skripsi)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > Program Studi Teknik Informatika
Depositing User: Jeffry Adi Nugraha
Date Deposited: 03 Nov 2023 03:09
Last Modified: 03 Nov 2023 03:09
URI: http://repository.unived.ac.id/id/eprint/1053

Actions (login required)

View Item View Item