IMPLEMENTASI METODE BOOTSTRAP AGGREGATION (BAGGING) UNTUK KLASIFIKASI CUACA DI WILAYAH
TANJUNGPINANG (STUDI KASUS: BMKG KOTA TANJUNGPINANG)
HALAMAN JUDUL
Skripsi
Untuk memenuhi syarat memperoleh Derajat Sarjana Komputer (S.T.)
Oleh:
MOHAMMAD RAMADHONI NIM 190155201028
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN TEKNOLOGI KEMARITIMAN UNIVERSITAS MARITIM RAJA ALI HAJI
TANJUNGPINANG 2023
ii
HALAMAN PERSETUJUAN
iii
HALAMAN PENGESAHAN
iv
PERNYATAAN ORISINALITAS
v
HALAMAN PERSEMBAHAN
Q.S Al-Insyirah (94:5-6) “Maka sesungguhnya beserta kesulitan ada kemudahan, sesungguhnya beserta kesulitan itu ada kemudahan. Sesungguhnya beserta kesulitan itu ada kemudahan.
Saya persembahkan untuk orang-orang hebat yang selalu memberikan semangat dan segala bantuan moral sehingga pada akhirnya saya dapat menyelesaikan Skripsi ini diwaktu yang tepat.
1. Almh. Ibunda Tugiyem, wanita hebat yang selalu saya panggil Ibu.
Alhamdulillah kini saya sudah sampai pada tahap dimana dapat menyelesaikan Skripsi ini sebagai sebuah perwujudan terakhir. Terima kasih juga sudah melahirkan, merawat, dan membesarkan saya dengan penuh keikhlasan, dan senantiasa mendoakan yang terbaik untuk kehidupan saya.
2. Ayahanda Narman, lelaki hebat yang selalu saya panggil Bapak. Alhamdulillah hingga kini saya bisa ditahap ini berkat doa dan segala dukunganmu pak.
Terima kasih sudah dengan sabar merawat dan membesarkan saya serta telah memberikan segala dukungan finansial demi studi penulis.
3. Mohammad Ramadhoni, teruntuk diriku sendiri terima kasih banyak sudah bertahan dan berjuang hingga sampai pada titik seperti ini.
4. Puspa Indriyani, Sulistianto, Nuriyanti, S.Pd., dan Oktavianingsih, S.I.Kom., untuk abang dan kakak-kakakku terima kasih atas segala dorongan semangat dan salah satu alasan saya hingga berada di titik ini. Terima kasih juga atas segala suntikan dananya hingga saat ini.
5. Imran, Susi, dan Harianto untuk abang dan kakak iparku, terima kasih sudah memberikan motivasi dan dananya untuk kelancaran studi saya.
vi
HALAMAN MOTO Rasulullah Shallallahu’alaihi Wasallam bersabda:
ِساَّنلِل ْمُهُعَفْنَأ ِساَّنلا ُرْيَخ
“Sebaik-baik manusia adalah yang paling bermanfaat bagi manusia.”
(HR. Ahmad, ath-Thabrani, ad-Daruqutni. Hadits ini dihasankan oleh al-Albani di dalam Shahihul Jami’, No. 3289).
Barangsiapa tidak mau merasakan pahitnya belajar, ia akan merasakan hinanya kebodohan sepanjang hidupnya
~ Imam Syafi’I ~
"Di dalam hidup ini, kita tidak bisa berharap segala yang kita dambakan bisa diraih dalam sekejap. Lakukan saja perjuangan dan terus berdoa, maka Tuhan
akan menunjukkan jalan selangkah demi selangkah."
~ Merry Riana ~
vii
KATA PENGANTAR
Syukur Alhamdulillah penulis panjatkan kehadirat Allah SWT., yang telah memberikan rahmat serta karunia-Nya karena dengan limpahan karunia-Nya penulis dapat menyelesaikan penyusunan skripsi yang berjudul “Implementasi Metode Bootstrap Aggregation (Bagging) Untuk Klasifikasi Cuaca Di Wilayah Tanjungpinang (Studi Kasus: BMKG Kota Tanjungpinang)” ini dapat diselesaikan sebagai salah satu persyaratan memperoleh derajat Sarjana Teknik (S.T.) pada Fakultas Teknik dan Teknologi Kemaritiman Jurusan Teknik Informatika Universitas Maritim Raja Ali Haji.
Tidak mudah dan menjadi sebuah tantangan tersendiri bagi penulis dalam menyelesaikan penulisan skripsi ini. Penulis menyadari bahwa tanpa bimbingan, bantuan, dan doa dari berbagai pihak, skripsi ini tidak akan dapat diselesaikan tepat pada waktunya. Oleh karena itu, dalam kesempatan kali ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Allah SWT., yang telah mendengar serta mengabulkan doa sehingga penulis diberi kemudahan dalam menyelesaikan penyusunan skripsi.
2. Orang Tua Tercinta Penulis, Ayahanda Narman dan Almh. Ibunda Tugiyem yang selalu telah merawat, mendidik, membesarkan, melimpahkan kasih sayang, dan selalu mendoakan yang terbaik untuk penulis sehingga penulis dapat menyelesaikan skripsi ini.
3. Ibu Martaleli Bettiza, S.Si., M.Sc., selaku Dosen Pembimbing I yang meluangkan waktu, membimbing, dan memberikan dukungan dalam mengarahkan penulis selama proses penelitian dan penulisan skripsi ini hingga selesai.
4. Ibu Nola Ritha, S.T., M.Cs., selaku Dosen Pembimbing II yang juga memberikan dukungan, semangat, dan masukan yang sangat berharga dalam melengkapi skripsi ini.
5. Bapak Prof. Dr. Agung Dhamar Syakti, S.Pi., DEA selaku Rektor Universitas Maritim Raja Ali Haji.
6. Bapak Sapta Nugraha, S.T., M.Eng., selaku Dekan Fakultas Teknik Universitas Maritim Raja Ali Haji.
viii
7. Bapak Muhamad Radzi Rathomi, S.Kom., M.Cs., selaku Ketua Program Studi Informatika.
8. Bapak Ferdi Chahyadi, S.Kom., M.Cs., selaku Dosen Pembimbing Akademik.
9. Bapak dan Ibu Dosen Jurusan Teknik Informatika Fakultas Teknik dan Teknologi Kemaritiman Universitas Maritim Raja Ali Haji yang telah memberikan ilmu dan pengajaran yang berharga selama perkuliahan.
10. Bapak dan Ibu Staf Tata Usaha Fakultas Teknik Universitas Maritim Raja Ali Haji atas segala keramahan, kesediaan, dan kesigapan bapak/ibu dalam mengurus keperluan administratif penulis selama proses penyusunan skripsi.
11. Kepala BMKG serta Pegawai BMKG Kota Tanjungpinang yang sudah bersedia membantu penulis dalam pengumpulan data-data yang penulis perlukan dalam proses penelitian skripsi ini serta membantu dalam urusan teori.
12. Sahabat terbaikku, Asdi Wijaya yang banyak berpartisipasi dari awal perkuliahan hingga dalam pembuatan skripsi ini dan memberikan semangat serta mendengarkan segala keluh kesahku hingga skripsi ini dapat terselesaikan.
13. Teruntuk teman-teman TI’19 khususnya Muhammad Nazrul Hery, Asep Saiful Miftah, Ramadhan Taufiq, Fia Yourma Yunita, Umi Nurhanifah, Cut Putri Khairani, Ica Santika, Emiliza Pane kalian adalah orang-orang pilihan yang berada di balik layar. Terima kasih selalu memberikan semangat, motivasi, dan dukungan sehingga secara tidak langsung membantu penulis dalam menyelesaikan skripsi ini.
14. Rekan Mahasiswa Teknik Informatika Angkatan 2019 yang tidak bisa penulis sebutkan satu-persatu.
Akhirnya penulis mengucapkan terima kasih kepada semua pihak yang telah memberikan dukungan dan doa kepada penulis. Semoga skripsi ini dapat bermanfaat dan lebih baik ke depannya. Aamiin.
Tanjungpinang, 03 Juli 2023
( Mohammad Ramadhoni )
ix DAFTAR ISI
HALAMAN JUDUL ... i
HALAMAN PERSETUJUAN ... ii
HALAMAN PENGESAHAN ... iii
PERNYATAAN ORISINALITAS ... iv
HALAMAN PERSEMBAHAN ... v
HALAMAN MOTO ... vi
KATA PENGANTAR ... vii
DAFTAR ISI ... ix
DAFTAR TABEL ... xii
DAFTAR GAMBAR ... xiv
GLOSARIUM ... xvi
ABSTRAK ... xvii
ABSTRACT ... xviii
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 3
1.3 Batasan Masalah ... 3
1.4 Tujuan Penelitian ... 3
1.5 Manfaat Penelitian ... 4
1.6 Sistematika Penulisan ... 4
BAB II KAJIAN LITERATUR ... 5
2.1 Tinjauan Pustaka ... 5
2.2 Landasan Teori ... 8
2.2.1 Cuaca ... 8
2.2.2 Faktor-Faktor yang Mempengaruhi Cuaca ... 8
2.2.3 Data Mining ... 10
2.2.4 Klasifikasi ... 11
2.2.5 Normalisasi ... 11
2.2.6 Regresi Linear Sederhana ... 12
2.2.7 Bootstrap Aggregation (Bagging) ... 13
2.2.8 K-Nearest Neighbor (KNN) ... 15
2.2.9 Confusion Matrix ... 16
BAB III METODE PENELITIAN... 18
3.1 Waktu dan Tempat Penelitian ... 18
3.2 Jenis Penelitian ... 18
3.3 Bahan dan Materi Penelitian ... 18
3.4 Alat atau Instrumen Penelitian ... 18
3.5 Prosedur Penelitian ... 19
3.6 Arsitektur Sistem ... 23
x
3.7 Analisis dan Perancangan ... 24
3.7.1 Analisis Data ... 24
3.7.2 Perancangan Metode Bagging dengan Algoritma KNN ... 31
3.8 Perancangan Basis Data ... 39
3.8.1 Deskripsi t_users ... 39
3.8.2 Deskripsi t_masterdata ... 40
3.8.3 Deskripsi t_cuaca ... 41
3.8.4 Deskripsi t_normalisasi ... 41
3.8.5 Deskripsi t_bootstrap ... 42
3.8.6 Deskripsi t_knn ... 43
3.8.7 Deskripsi t_klasifikasi ... 44
3.9 Perancangan Alur Sistem Entity Relationship Diagram (ERD) ... 44
3.10 Perancangan Data Flow Diagram (DFD) ... 46
3.10.1 DFD Level 0 (Context Diagram) ... 46
3.10.2 DFD Level 1 ... 47
3.10.3 DFD Level 2 ... 48
3.11 Perancangan Tampilan Antarmuka/User Interface (UI) ... 52
3.11.1 Perancangan Halaman Login ... 52
3.11.2 Perancangan Halaman Dashboard Utama ... 53
3.11.3 Perancangan Halaman Users ... 54
3.11.4 Perancangan Halaman Kelola Jenis Klasifikasi Cuaca ... 56
3.11.5 Perancangan Halaman Kelola Master Data ... 57
3.11.6 Perancangan Halaman Normalisasi ... 59
3.11.7 Perancangan Halaman Bagging ... 60
3.11.8 Perancangan Halaman KNN ... 61
3.11.9 Perancangan Halaman Klasifikasi ... 62
3.12 Implementasi Tampilan User Interface (UI) Sistem ... 63
3.12.1 Halaman Login ... 63
3.12.2 Halaman Dashboard Utama ... 64
3.12.3 Halaman Users ... 65
3.12.4 Halaman Kelola Jenis Klasifikasi Cuaca ... 66
3.12.5 Halaman Kelola Master Data ... 67
3.12.6 Halaman Normalisasi ... 68
3.12.7 Halaman Bagging ... 69
3.12.8 Halaman KNN ... 69
3.12.9 Halaman Klasifikasi ... 70
BAB IV ANALISA DAN PEMBAHASAN ... 72
4.1 Implementasi Metode Bootstrap Aggregation (Bagging) dengan Algoritma K-Nearest Neighbor (KNN) ... 72
4.2 Pengujian Sistem ... 74
xi
BAB V PENUTUP ... 80
5.1 Kesimpulan ... 80
5.2 Saran ... 80
DAFTAR PUSTAKA ... 81
LAMPIRAN ... 85
xii
DAFTAR TABEL
Tabel 2.1 Confusion Matrix ... 16
Tabel 3.1 Data Cuaca ... 24
Tabel 3.2 Detail Atribut Dataset ... 25
Tabel 3.3 Tabel Acuan Regresi Linear ... 26
Tabel 3.4 Pengisian Nilai Kosong pada Atribut Wind Speed ... 27
Tabel 3.5 Data Setelah Normalisasi ... 28
Tabel 3.6 Konversi dan Pengkodean Jenis Cuaca ... 29
Tabel 3.7 Konversi Cuaca ... 30
Tabel 3.8 Bagging Dataset Training ... 31
Tabel 3.9 Data Testing ... 31
Tabel 3.10 Jarak Euclidean Sampel 1 ... 33
Tabel 3.11 Pengurutan Jarak Euclidean Sampel 1 ... 34
Tabel 3.12 Jarak Euclidean Sampel 2 ... 35
Tabel 3.13 Pengurutan Jarak Euclidean Sampel 2 ... 36
Tabel 3.14 Jarak Euclidean Sampel 3 ... 36
Tabel 3.15 Jarak Euclidean Sampel 4 ... 37
Tabel 3.16 Jarak Euclidean Sampel 5 ... 37
Tabel 3.17 Pengurutan Jarak Euclidean Sampel 3 ... 37
Tabel 3.18 Pengurutan Jarak Euclidean Sampel 4 ... 38
Tabel 3.19 Pengurutan Jarak Euclidean Sampel 5 ... 38
Tabel 3.20 Penggolongan Klasifikasi Akhir ... 39
Tabel 3.21 Tabel Users ... 40
Tabel 3.22 Tabel Master Data... 40
Tabel 3.23 Tabel Kelas Klasifikasi Cuaca ... 41
Tabel 3.24 Tabel Normalisasi ... 42
Tabel 3.25 Tabel Bootstrap ... 43
Tabel 3.26 Tabel KNN ... 44
Tabel 3.27 Tabel Klasifikasi... 44
Tabel 4.1 Pengujian Bagging KNN ... 72
Tabel 4.2 Confusion Matrix Multi-Class ... 75
xiii
Tabel 4.3 Nilai Confusion Matrix Kelas 0 (Cloudy) ... 75
Tabel 4.4 Nilai Confusion Matrix Kelas 1 (Overcast) ... 75
Tabel 4.5 Nilai Confusion Matrix Kelas 2 (Drizzle) ... 76
Tabel 4.6 Nilai Confusion Matrix Kelas 3 (Rain) ... 76
Tabel 4.7 Nilai Confusion Matrix Kelas 4 (Thunderstorm) ... 77
Tabel 4.8 Nilai Confusion Matrix Kelas 5 (Thick Cloudy) ... 77
Tabel 4.9 Nilai Recall, Precision, dan F1-Score... 78
xiv
DAFTAR GAMBAR
Gambar 2.1 Skema Bagging (Sumber Faisal dan Nugrahadi, 2016: 246) ... 14
Gambar 3.1 Diagram Alir Metode Bagging dengan Algoritma KNN ... 20
Gambar 3.2 Diagram Alir Preprocessing ... 21
Gambar 3.3 Diagram Alir Algoritma KNN ... 22
Gambar 3.4 Arsitektur Umum Sistem ... 23
Gambar 3.5 Entity Relationship Diagram (ERD) ... 45
Gambar 3.6 Data Flow Diagram (DFD) ... 46
Gambar 3.7 DFD Level 1 ... 47
Gambar 3.8 DFD Level 2 - Proses Kelola Data Klasifikasi ... 49
Gambar 3.9 DFD Level 2 - Proses Kelola Data Utama... 50
Gambar 3.10 DFD Level 2 - Proses Bagging ... 51
Gambar 3.11 DFD Level 2 - Proses Kelola KNN ... 52
Gambar 3.12 Rancangan Halaman Login ... 53
Gambar 3.13 Rancangan Halaman Dashboard Utama ... 54
Gambar 3.14 Rancangan Halaman Users ... 55
Gambar 3.15 Rancangan Form Add Users ... 55
Gambar 3.16 Rancangan Halaman Kelola Jenis Klasifikasi Cuaca ... 56
Gambar 3.17 Rancangan Form Jenis Cuaca ... 57
Gambar 3.18 Rancangan Halaman Master Data ... 58
Gambar 3.19 Rancangan Form Input Data ... 59
Gambar 3.20 Rancangan Halaman Normalisasi ... 60
Gambar 3.21 Rancangan Halaman Bagging... 61
Gambar 3.22 Rancangan Halaman Proses KNN ... 62
Gambar 3.23 Rancangan Halaman Klasifikasi ... 62
Gambar 3.24 Rancangan Form Proses Perhitungan KNN ... 63
Gambar 3.25 Tampilan Halaman Login ... 64
Gambar 3.26 Tampilan Halaman Dashboard ... 64
Gambar 3.27 Tampilan Halaman Users ... 65
Gambar 3.28 Form Input User ... 65
Gambar 3.29 Form Edit User ... 66
xv
Gambar 3.30 Tampilan Halaman Data Jenis Klasifikasi Cuaca ... 67
Gambar 3.31 Form Kelola Klasifikasi Cuaca ... 67
Gambar 3.32 Tampilan Halaman Master Data ... 68
Gambar 3.33 Tampilan Form Input Data Cuaca ... 68
Gambar 3.34 Tampilan Halaman Normalisasi ... 69
Gambar 3.35 Tampilan Halaman Bagging ... 69
Gambar 3.36 Tampilan Halaman KNN ... 70
Gambar 3.37 Tampilan Halaman Klasifikasi ... 71
Gambar 3.38 Form Penghitungan Klasifikasi ... 71
Gambar 4.1 Visualisasi Uji Akurasi Bootstrap = 50 dan K = 5 ... 74
Gambar 4.2 Perbandingan Persentase Keseluruhan Pengujian ... 74
xvi GLOSARIUM
Atmosfer lapisan gas seperti nitrogen, oksigen, dan karbon dioksida yang mengelilingi serta berperan mengatur suhu bumi dan melindunginya dari radiasi berbahaya matahari.
AUC area dua dimensi di bawah seluruh kurva ROC (Receiver Operating Characteristic).
GLM model regresi untuk memodelkan hubungan antara variabel respon dan variabel prediktor.
Overfitting model yang dibuat terlalu cocok dengan data pelatihan, sehingga tidak dapat tergeneralisasi baik pada data baru.
Overshooting model terlalu sensitif terhadap perubahan kecil data input, sehingga hasil tidak stabil atau tidak akurat.
Teknik Ansamble pemodelan untuk menggabungkan hasil dari beberapa model atau prediktor yang berbeda.
VGG16Net arsitektur Convolutional Neural Network (CNN) yang terkenal dan sering digunakan untuk pengenalan gambar.
