Prediksi Curah Hujan Harian Dengan Metode K-Nearest Neighbor (KNN) Menggunakan Python
-
Afinn Fita Ningsih(1)
Universitas Nahdlatul Ulama Al Ghazali, Cilacap
-
Riski Aspriyani(2*)
Universitas Nahdlatul Ulama Al Ghazali, Cilacap
-
Mizan Ahmad(3)
Universitas Nahdlatul Ulama Al Ghazali, Cilacap
(*) Corresponding Author
Abstract
Climate is the average weather conditions over a relatively long period of time over a large area that requires monitoring and projection. Rainfall is important information, particularly in agriculture. Rainfall information is useful for anticipating the possibility of extreme events that cause failure in agricultural production. Therefore, daily rainfall predictions are necessary. In this study, the K-Nearest Neighbor (KNN) method was used to predict daily rainfall. The K-Nearest Neighbor (KNN) method was chosen because it is able to handle unpredictable rainfall data. The K-Nearest Neighbor (KNN) method is a modern heuristic method based on algorithms from the field of soft computing (SC). This study utilized daily rainfall data, average air temperature, average humidity, average air pressure, wind speed, and sunshine duration from 2021 to 2025. The number of each data set was 1,826, with training data and sampling data comprising 80% and 20%, respectively. Based on the classification evaluation report, the results were 71% accuracy, 56% precision, 71% recall, and 61% f1-score. The classification performance criteria based on the accuracy produced in this study was 71%, so the value falls within the sufficient performance range.
Downloads
References
Alkhatib, K., Najadat, H., Hmeidi, I., & Shatnawi, M. K. A. (2013). Stock Price Prediction Using K-Nearest Neighbor ( kNN ) Algorithm. International Journal of Business, Humanities and Technology, 3(3), 32–44.
Amelia, Y. R. (2018). Penerapan Data Mining untuk Prediksi Penjualan Produk Elektronik Terlaris Menggunakan Metode K-Nearest Neighbor (Studi Kasus : PT. Bintang Multi Sarana Palembang). Universitas Islam Negeri Raden Fatah.
Darmayanti, I., Subarkah, P., Anunggilarso, L. R., & Suhaman, J. (2021). Prediksi Potensi Siswa Putus Sekolah Akibat Pandemi Covid-19 Menggunakan Algoritme K-Nearest Neighbor. JST (Jurnal Sains Dan Teknologi), 10(2), 230–238. https://doi.org/10.23887/jstundiksha.v10i2.39151
Fatimah, V., Arifin, A. Z., & Putro, S. (2025). Peramalan Curah Hujan di Kabupaten Tuban Menggunakan Algoritma KNN. Imajiner: Jurnal Matematika Dan Pendidikan Matematika, 7(4), 297–306.
Limahelu, E. L., Herwanto, B., Thenu, Y. M., Umar, N., Putri, A. P. S., Subagya, M., Rachman, A. J., Antariksa, A. Y., & Hakim, L. (2020). Buletin Edisi Juli 2020 Stasiun Meteorologi Umbu Mehang Kunda Sumba Timur. Stasiun Meteorologi Umbu Mehang Kunda Sumba Timur.
Lumbanraja, F. R., Sani, R. S., Kurniawan, D., & Irawati, A. R. (2019). Implementasi Metode Support Vector Machine Dalam Prediksi Persebaran Demam Berdarah Di Kota Bandar Lampung. Jurnal Komputasi, 7(2), 63–73. https://doi.org/10.23960/komputasi.v7i2.2426
Nanda, D. M., Pudjiantoro, T. H., & Sabrina, P. N. (2022). Metode K-Nearest Neighbor (KNN) dalam Memprediksi Curah Hujan di Kota Bandung. Snestik II, 387–393. https://ejurnal.itats.ac.id/snestikdanhttps://snestik.itats.ac.id
Priyotomo, H., Subekti, I. A., & Rahmawati. (2021). Statistika Daerah Kabupaten Cilacap 2021 (Solikhin (ed.)). Badan Pusat Statistika Kabupaten Cilacap.
Rachma, C. A. (2022). Implementasi Algoritma K-Nearest Neighbor Dalam Penentuan Klasifikasi Tingkat Kedalaman Kemiskinan Provinsi Jawa Timur. Universitas Islam Negeri Maulana Malik Ibrahim.
Rakhmalia, R. I. (2018). Perbandingan Hasil Metode Naïve Bayes Classifier Dan Support Vector Machine Dalam Klasifikasi Curah Hujan (Studi Kasus : Curah Hujan di Jawa Timur Tahun 2013 - 2017).
Rangkuti, M. Y. R., Alfansyuri, M. V., & Gunawan, W. (2021). Penerapan Algoritma K-Nearest Neighbor (KNN) Dalam Memprediksi Dan Menghitung Tingkat Akurasi Data Cuaca Di Indonesia. Jurnal Teknik Dan Sains, 2(2), 11–16. https://doi.org/10.36761/hexagon.v2i2.1082
Rina. (2023). Algoritma k-Nearest Neighbot (KNN): Penjelasan dan Imlementasi untuk Klasifikasi Kanker. https://esairina.medium.com/algoritma-k-nearest-neighbor-knn-penjelasan-dan-implementasi-untuk-klasifikasi-kanker-ff9b7fbe0a4
Sukamto, S., Adriyani, Y., & Aulia, R. (2020). Prediksi Kelompok UKT Mahasiswa Menggunakan Algoritma K-Nearest Neighbor. JUITA: Jurnal Informatika, 8(1), 121–130. https://doi.org/10.30595/juita.v8i1.6267
Tjasyono, B. (2012). Meteorologi Indonesia Volume I Karakteristik dan Sirkulasi Atmosfer: Vol. I (D. L. S. Suratno, Welly Fitria (ed.); 4th ed.). Badan Meteorologi Klimatologi dan Geofisika.
Copyright (c) 2026 FRAKTAL: JURNAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
- Hak publikasi atas semua materi naskah jurnal yang diterbitkan/dipublikasikan dalam situs E-Journal Fraktal ini dipegang oleh dewan redaksi dengan sepengetahuan penulis (hak moral tetap milik penulis naskah).
- Ketentuan legal formal untuk akses artikel digital jurnal elektronik ini tunduk pada ketentuan lisensi Creative Commons Attribution-ShareAlike (CC BY-SA), yang berarti Jurnal Fraktal berhak menyimpan, mengalih media/format-kan, mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan artikel tanpa meminta izin dari Penulis selama tetap mencantumkan nama Penulis sebagai pemilik Hak Cipta.
- Naskah yang diterbitkan/dipublikasikan secara cetak dan elektronik bersifat open access untuk tujuan pendidikan, penelitian, dan perpustakaan. Selain tujuan tersebut, dewan redaksi tidak bertanggung jawab atas pelanggaran terhadap hukum hak cipta.
