PREDIKSI POTENSI AWAN CUMULONIMBUS (CB) DI CILACAP TENGAH DENGAN METODE K-NEAREST NEIGHBOR (KNN)

Cumulonimbus atau CB adalah jenis awan rendah berbentuk gumpalan berwarna hitam pekat dan menjulang tinggi yang dapat menibulkan dampak cuaca buruk sepert angin kencang, puting beliung, petir, hujan lebat tanpa atau disertai es. Cuaca buruk tersebut dapat mengakibatkan kerugian berbagai pihak. Untuk mengetahui potensi pertumbuhan Cumulonimbus perlu adanya sebuah prediksi. Prediksi bertujuan untuk memperoleh informasi lebih dini atas cuaca kedepan. Makin dini informasi yang diberikan semakin cepat kebijakan
diambil oleh pihak terkait. Untuk mengatasi permasalahan diatas dibuatlah solusi berupa prediksi guna meprediksi potensi pertumbuhan awan CB menggunakan machine learning. Algortima machine learning yang digunakan untuk memprediksi awan CB di Cilacap adalah algortima KNN. Sementara itu dataset yang digunakan adalah nilai indeks labilitas udara atas yang diperoleh dari pengamatan Rawindsonde oleh Badan Meteorologi K;imatologi dan Geofisika Cilacap berupa Showalter Index (SI), Lifted Index (LI), Konvergence Index (KI), dan Total-Total Index (TT). Algoritma machine learning yang dibuat mampu berjalan dengan baik dan digunakan untuk memprediksi awan CB di Cilacap dengan akurasi yang dihasilkan menggunakan metode KNN akurasi yang dihasilkan adalah sebesar 75%, Oleh karena itu dapat disimpulkan bahwa algortima KNN dapat digunakan untuk memprediksi awan CB di Cilacap dengan tingkat akurasi 75 %. Kata kunci: Cumulonimbus, machine learning, KNN, Rawindsonde