Cuaca merupakan keadaan udara pada lapisan atmoster di suatu tempat. Terdapat banyak kegiatan manusia yang bergantung pada keadaan cuaca sekitarnya. Berdasarkan hal tersebutlah prakiraan cuaca mampu menyelesaikan permasalahan yang terjadi disekitar. Proses penentuan prakiraan cuaca dengan metode pengamatan manual sering terjadi error. Berdasarkan hal tersebutlah dilakukan penelitian menggunakan metode pembelajaran berdasarkan data history cuaca dengan harapan dapat memberikan prakiraan cuaca yang lebih efisien dan memiliki tingkat akurasi yang lebih tinggi. Adapun metode yang digunakan adalah semi supervised learning menggunakan recursive k-means. Semi supervised learning menggunakan recursive k-means merupakan metode pengembangan dari metode k-means clustering. Metode semi supervised learning menggunakan recursive k-means adalah metode yang menggabungkan pendekatan supervised dan unsupervised dalam mengelompokkan data set yang memiliki label kelas maupun tidak memiliki label kelas kedalam beberapa klaster. Penelitian ini menggunakan lima variabel cuaca, antara lain: Suhu minimum, suhu maksimum, suhu rata-rata, kelembapan dan lama penyinaran matahari. Dilakukan percobaan dalam menentukan nilai threshold terbaik dan didapatkan nilai 10 untuk threshold terbaiknya. Proses testing menghasilkan tingkat akurasi terhadap Analisa pertama, ix Analisa kedua dan Analisa ketiga masing-masing bernilai 61,8131868%, 100% dan 96,789%. Dan untuk memudahkan pengguna dalam menggunakan sistem ini, maka penelitian ini juga membuat sistem antarmuka yang dapat digunakan oleh pengguna.
Kata Kunci: Decision Support System, Prakiraan Cuaca, Recursive K-means, Semi-Supervised
Weather is an air condition in the atmosphere layer somewhere. There are many human activities that depend on weather conditions. Based on this, weather forecasting is able to solve problems that occur around. The process of determining weather forecasts with manual observation methods often occur errors. Based on this, research is conducted using learning methods based on weather history data in the hope that it can provide weather forecasts that are more efficient and have a higher level of accuracy. The method used is semi supervised learning using recursive k-means. Semi supervised learning uses recursive k-means is a method of development of the k-means clustering method. The semi supervised learning method using recursive k-means is a method that combines the supervised and unsupervised approaches in classifying data sets that have class labels or do not have class labels into several clusters. This study uses five temperature variables, including: Minimum temperature, maximum temperature, average temperature, humidity and duration of solar radiation. Experiment in determining the best threshold value and get a value of 10 for the best threshold. The testing process produces an accuracy rate of the first analysis, the second analysis and three analyzes are worth 61.8131868%, 100% and 96.789% respectively. And to make it easier for users to use this system, this research also creates an interface system that can be used by users.
Keywords : Decision Support System, Weather Forecasting, Recursive K-means, Semi-Supervised