Short-term Forecasting pada Suatu Miniatur Stasiun Cuaca Menggunakan Algoritma Apriori = Short-term Forecasting on a Miniature Weather Station Using the Apriori Algorithm

Indonesia adalah negara kepulauan yang terletak di sepanjang garis khatulistiwa. Karena letak dan bentuk geografisnya, Indonesia memiliki banyak variabel yang dapat memengaruhi kondisi cuacanya. Tidak sedikit bencana alam dan kerugian yang disebabkan oleh perubahan cuaca ekstrim dan sulitnya manusia dalam mengikuti perubahan tersebut. Dengan membuat sistem prakiraan cuaca yang akurat, berskala kecil dan beroperasi secara otonom diharapkan dapat mempermudah antisipasi dari bencana alam dan kerugian yang disebabkan oleh perubahan tersebut. Dalam penelitian ini dirancang sebuah sistem prakiraan cuaca menggunakan algoritma apriori. Data yang digunakan berjumlah 2098 baris data dan tiap baris diwakili oleh empat parameter cuaca, yaitu temperatur, kelembapan udara, kecepatan angin dan arah angin. Data tersebut ditangkap oleh sebuah miniatur stasiun cuaca hasil rancang bangun yang beroperasi selama ±100 jam. Adapun komponen dari stasiun cuaca adalah sensor DHT22, anemometer, wind vane, Arduino Mega 2560, LoRa Shield dan LoRa HAT, serta Raspberry Pi 3 model B. Penulis melakukan evaluasi variasi nilai minimum support dan minimum confidence, untuk menentukan nilai dari kedua variabel yang paling sesuai untuk data hasil tangkap dari rangkaian stasiun cuaca. Aturan-aturan ini kemudian digunakan untuk mengekstrak informasi yang dapat digunakan dalam prakiraan cuaca. Aturan dengan nilai confidence tertinggi yaitu {Barat Laut}{Tinggi,Hangat}|(C=0,713), {Selatan}{Panas,Normal}|(C=0,727), dan {Sdkt Tenang,Barat Laut}{Tinggi,Hangat}|(C=0,749) dengan menggunakan minconf = 0.7 pada kandidat frequent itemset dengan minsupp = 0.1.
Keywords : Miniatur stasiun cuaca, Arduino Mega 2560, prakiraan cuaca, algoritma apriori, aturan asosiasi