View/Open

Author
PATRICIA, LEONDREA DIAJENG PUTRI

Date Published
29 Jun 2026

Advisor
Febri Dwi Irawati, S.Si., M.Si,
Rohmi Dyah Astuti, S.Si., M.Cs.,

Subject
Sains Data

Publisher

Data cuaca harian berbentuk deret waktu memiliki pola yang berubah-ubah, sehingga diperlukan metode yang mampu mengenali kemiripan pola secara fleksibel. Penelitian ini bertujuan mengelompokkan pola cuaca harian di Pelabuhan Panjang menggunakan metode Agglomerative Hierarchical Clustering (AHC) berbasis Dynamic Time Warping (DTW). Data yang digunakan merupakan data cuaca harian periode 1 Januari 2020--31 Desember 2025 yang meliputi curah hujan, suhu, kelembapan, arah dan kecepatan angin, serta lama penyinaran matahari. Data diproses melalui penanganan nilai non-numerik, transformasi arah angin, dan normalisasi Min-Max, kemudian dibentuk menjadi deret waktu menggunakan skenario non-overlap dan overlap window berukuran 3 dan 7 hari. Evaluasi menggunakan koefisien silhouette menunjukkan nilai relatif rendah pada seluruh skenario. Meskipun demikian, hasil pengelompokan mampu mengidentifikasi pola cuaca dominan serta beberapa pola menyimpang yang diinterpretasikan sebagai anomali. Temuan ini dapat digunakan untuk memahami cuaca tidak normal serta mendukung pengambilan keputusan dalam aktivitas operasional pelabuhan.

URI
https://repo.itera.ac.id/depan/submission/SB2606230196

Keyword
Dynamic Time Warping (DTW) Agglomerative Hierarchical Clustering (AHC) deret waktu data cuaca sliding window deteksi anomali