Peramalan Curah Hujan Di Kota Medan menggunakan Metode Support Vector Regression

Nadhilla Asyraf Siregar

Abstract


Penelitian ini dilakukan pada data curah hujan Kota Medan. Selama ini curah hujan  tidak dapat ditebak tinggi-rendahnya, sehingga banyak dari masyarakat yang masih kurang strategi dalam menghadapi naik turunnya curah hujan. curah hujan  merupakan salah satu variabel penentu kondisi iklim, berkaitan langsung dengan keberhasilan bidang pertanian, dan perkebunan. Peningkatan jumlah penduduk, pembangunan dan perkembangan kota, pertumbuhan industri, kepadatan lalu lintas, deforestasi, dan lain sebagainya juga telah banyak menarik perhatian dalam masalah perubahan iklim. Oleh karena itu, digunakan metode SVR (Support Vector Regression) untuk memprediksi curah hujan setiap bulan di tahun yang akan datang agar membantu pihak-pihak yang terdampak curah hujan memantapkan strategi dalam menghadapi naik-turunnya curah hujan. Tujuan penelitian ini untuk mengetahui peramalan curah hujan di Kota Medan dan mengetahui ketepatan peramalan. Hasil Prediksi SVR menunjukkan bahwa metode prediksi SVR ini sangat bagus digunakan untuk memprediksi curah hujan dengan ketepatan peramalan dilihat dari pengujian nilai RMSE terhadap nilai parameter pada model SVR. Adapun RMSE terbaik sebesar 0.038800637 dengan gamma sebesar 0.0005, C sebesar 0,0001, dan epsilon sebesar 1.

Full Text:

PDF

References


REFERENCES

Gita Adhani, 2014. Optimasi Support Vector Regression Menggunakan Genetic Algorithm Dan Particle Swarm Optimization Untuk Prediksi Curah Hujan Musim Kemarau. Institut Pertanian Bogor: Bogor [thesis].

Mulyana, E., 2014. Hubungan Antara Enso dengan Variasi Curah Hujan di Indonesia. Jurnal Sains & Teknologi, 3, pp.1-4.

Albana, I. A., (2017): Prediksi Curah Hujan dengan Menggunakan Fuzzy Forecasting Berbasis Automatic Clustering dan Axiomatic Fuzzy Set Classification, e-Proceeding of Engineering Vol 23 No. 12

Muhammad, H, 2017. Optimasi Support Vector Regression (SVR) Menggunakan Algoritma Improved-Particle Swarm Optimization (IPSO) untuk Peramalan Curah Hujan. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN : 2548-964X. Vol. 1, No. 11.

Rifqi, Raabith, dkk. 2018. Support Vector Reression untuk Peramalan Darah:Studi Kasus Unit Transfusi Darah Cabang-PMI Kota Malang.Jurnal Pengambangan Teknologi Informasi dan Ilmu Komputer. Vol.2, No. 10.

Gunn, S. 1998. Support Vector Machines for Classification. Technical Report Southampton: University of Southampton.

Misza, I. S., Nelwamondo F. V. dan Marwala T., 2008. Water Demand Prediction using Artificial Neural Networks and Support Vector Regression. Journal of Computers, Vol. 3, No. 11, November 2008.

Prakoso, H, B. 2017. Pengaruh Preprocessing Data pada Metode SVR dalam Memprediksi Permintaan Obat. Jurnal Sistem & Teknologi Informasi Indonesia, Vol. 2, No. 2. JUSTINDO, Hal 92.

Furi, R. P., Jordi & Saepudin, D., 2015. Prediksi Financial Time Series Menggunakan Independent Component Analysis dan Support Vector Regression Studi Kasus : IHSG dan JII. e-proceding of engineering, Volume 2 , p. 3610.

Amanda, R., Yasin, H., dan Prahutama, A. 2014. Analisis Support Vector Regression (SVR) dalam Memprediksi Kurs Rupiah terhadap Dollar Amerika Serikat. Jurnal Gaussian. 3(4).




DOI: https://doi.org/10.24114/j-ids.v1i1.38544

Article Metrics

Abstract view : 528 times
PDF - 599 times

Refbacks

  • There are currently no refbacks.


Journal of Informatics and Data Science (J-IDS)

ISSN (Online) : 2964-0415

Published By Computer Science Study Program, Faculty of Mathematics and Natural Sciences, Universitas Negeri Medan.

Website: https://jurnal.unimed.ac.id/2012/index.php/jids/index

Email : jids@unimed.ac.id

This work is licensed under a Creative Commons Attribution 4.0 International License.

slot gacor slot