PENGOLAHAN DATA INDEKS RAWINDSONDE GUNA MEMPREDIKSI POTENSI AWAN CUMULONIMBUS DI BANDAR UDARA TUNGGUL WULUNG CILACAP BERBASIS MACHINE LEARNING

Awan Cumulonimbus atau CB adalah awan rendah berbentuk gumpalan berwarna hitam dan menjulang tinggi yang menyebabkan cuaca buruk sepert angin kencang, puting beliung, petir, hujan lebat tanpa atau disertai es. Awan CB juga sangat berpengaruh buruk dalam dunia penerbangan, terutama pada proses take off- landing pesawat di bandara yaitu adanya headwind, tailwind dan crosswind. Cuaca buruk yang diakibatkan oleh awan CB juga kerap menggangu jalur penerbangan pesawat sehingga tak jarang mengalami keterlambatan jadwal penerbangan yang mengakibatkan kerugian berbagai pihak. Salah satu bandara yang mengalami dampak langsung dari adanya awan CB adalah Bandar Udara Tunggul Wulung Cilacap. Dari permasalahan diatas maka dibuatlah solusi berupa prediksi guna meprediksi potensi pertumbuhan awan CB menggunakan machine learning. Algortima machine learning yang digunakan untuk memprediksi awan cumulonimbus di Bandar Udara Tunggul Wulung Cilacap adalah algortima KNN, Naive Bayesdan SVM. Dataset yang digunakan adalah nilai indeks labilitas udara atas yang diperoleh dari pengamatan Rawindsonde oleh BMKG Cilacap berupa Showalter Index (SI), Lifted Index (LI), Konvergence Index (KI), dan Total-Total Index (TT). Dari machine learning yang dibuat terbukti mampu berjalan dengan baik digunakan untuk memprediksi awan CB di Bandar Udara Tunggul Wulung Cilacap dengan Akurasi yang dihasilkan menggunakan metode Naive Bayes sebesar 63.1 %, sedangkan meggunakan metode KNN akurasi yang dihasilkan adalah sebesar 93.3%, sedangkan meggunakan metode SVM akurasi yang dihasilkan adalah sebesar 67.6%. Dari ketiga algortima diatas diperoleh bahwa algortima KNN adalah yang paling baik digunakan untuk memprediksi awan CB di Bandar Udara Tunggul Wulung Cilacap dengan tingkat akurasi 93.3 %. Kata kunci: cumulonimbus, machine learning, knn, naive bayes, rawindsonde