Handling Missing Values Using the Weighted Linear Combination KNN–SVD Method: A Case Study on Rainfall Data in West Java

Dalam melaksanakan kebijakan lingkungan seperti penangulangan banjir, pengelolaan sumber daya air dan lainnya data curah hujan diperlukan. Hasil analisis menggunakan Data curah hujan yang ada di stasiun kurang akurat karena sering memiliki masalah missing value dikarenakan berbagai faktor diantaranya human error dan machine error. Penelitian ini bertujuan untuk mengatasi masalah missing value pada data curah hujan di jawa barat. Sampel pada penelitian ini adalah lima stasiun BMKG yang ada di jawa barat. Metode integrasi digunakan untuk mengatasi keterbatasan dari metode tunggal. Metode K-Nearest Neighbors (KNN) dan Singular value decomposition (SVD) dipilih pada dataset ini. Data dibagi menjadi data training dan testing dengan proporsi 95:5%, 90:10%, 80:20%, 70:30%, dan 64:40%. Berdasarkan hasil analisis data, metode integrasi KNN-SVD lebih baik dibandingkan metode KNN dan SVD tunggal. Hasil MAE dan RMSE pada proporsi 95:5% lebih kecil dibandingkan proporsi lainnya. Metode integrasi KNN-SVD memberikan nilai MAE dan RMSE yang paling kecil berturut-turut 7,35 dan 13,22. Imputasi missing value menggunakan model integrasi KNN-SVD dengan metode weight linear combination memberikan hasil lebih baik dibandingkan model imputasi tunggal.