Prediksi Curah Hujan di Kediri Raya Berdasarkan Data Iklim Menggunakan Advanced Regression

INTAN LUTHFIYAH RAHMAH, 04321020 (2025) Prediksi Curah Hujan di Kediri Raya Berdasarkan Data Iklim Menggunakan Advanced Regression. Undergraduate thesis, UNIVERSITAS NAROTAMA.

	Text (COVER) cover - Intan Luthfiyah.pdf Download (2MB)
	Text (BAB I) bab I - Intan Luthfiyah.pdf Download (2MB)
	Text (BAB II) bab II - Intan Luthfiyah.pdf Download (725kB)
	Text (BAB III) bab III - Intan Luthfiyah.pdf Download (4MB)
	Text (BAB IV) bab IV - Intan Luthfiyah.pdf Download (1MB)
	Text (BAB V) bab V - Intan Luthfiyah.pdf Download (403kB)
	Text (DAFTAR PUSTAKA) daftar pustaka - Intan Luthfiyah.pdf Download (616kB)

Abstract

Curah hujan merupakan salah satu faktor penting dalam berbagai sektor, seperti pertanian, transportasi, dan mitigasi bencana. Kota Kediri sering mengalami permasalahan terkait prediksi curah hujan yang kurang presisi, yang berdampak pada kebijakan pengelolaan sumber daya air dan mitigasi banjir. Penelitian ini bertujuan untuk membangun model prediksi curah hujan di Kediri Raya menggunakan metode Advanced Regression, dengan pendekatan Generalized Linear Model (GLM), Random Forest (RF), dan Vector Autoregression (VAR). Dataset yang digunakan terdiri dari data iklim seperti suhu rata-rata, kelembapan, kecepatan angin, dan curah hujan harian yang diperoleh dari BMKG. Data ini dianalisis dan diuji menggunakan ketiga metode tersebut untuk mendapatkan hasil prediksi terbaik. Hasil penelitian menunjukkan bahwa VAR memiliki ketepatan paling tinggi dalam memperkirakan curah hujan dibandingkan dengan GLM dan RF, dengan nilai Mean Squared Error (MSE) yang lebih rendah. Penelitian ini menghasilkan model prediksi yang dapat digunakan sebagai alat bantu dan mitigasi bencana hidrometeorologi. Sehingga penelitian ini dapat berkontribusi dalam pengembangan sistem prediksi cuaca yang lebih efektif. Kata kunci: Curah hujan, prediksi cuaca, Advanced Regression, Generalized Linear Model, Random Forest, Vector Autoregression

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Repository Administrator
Date Deposited:	24 Dec 2025 08:01
Last Modified:	24 Dec 2025 08:01
URI:	http://repository.narotama.ac.id/id/eprint/2322

Actions (login required)

View Item

Downloads