Yulianto, Fendy (2017) Peramalan Runut Waktu Curah Hujan Menggunakan Metode "SVR-PSO". Sarjana thesis, Universitas Brawijaya.
Abstract
Indonesia merupakan negara kepulauan yang dilintasi oleh garis khatulistiwa, dimana hal tersebut membuat Indonesia sering mengalami perubahan cuaca yang disebut dengan El-Nino dan La-Nina. Cuaca merupakan kondisi udara pada waktu tertentu dalam suatu wilayah untuk menentukan kondisi iklim yang berupa rata–rata cuaca pada jangka waktu tertentu. Curah hujan merupakan salah satu faktor yang mempengaruhi perubahan iklim pada suatu wilayah dan sangat sulit untuk diramalkan, sedangkan informasi curah hujan sendiri sangat penting bagi masyarakat. Peramalan dapat dilakukan dengan menggunakan data data histori yang ada dengan bantuan komputasi matematika dalam pemodelannya. Metode Support Vector Regression (SVR) merupakan salah satu metode yang dapat digunakan untuk menghitung nilai data curah hujan yang besifat nonlinier dengan menggunakan fungsi regresi. Dalam perhitungan menggunakan fungsi regresi diperlukan pemilihan parameter SVR yang tepat agar menghasilkan peramalan dengan tingkat akurasi yang tinggi. Metode Particle Swarm Optimization (PSO) merupakan salah satu metode yang dapat digunakan untuk mengoptimasi parameter metode SVR yang ada, sehingga nantinya akan menghasilkan nilai parameter SVR dengan tingkat akurasi yang tinggi. Peramalan runut waktu curah hujan pada wilayah Poncokusumo dengan menggunakan metode SVR-PSO memiliki nilai evaluasi kinerja yang mengacu pada nilai Root Mean Square Error (RMSE). Terdapat berberapa kernel yang akan digunakan pada permalan runut waktu curah hujan dengan menggunakan metode SVR-PSO yaitu kernel Linier, kernel Gaussian RBF, dan kernel ANOVA RBF. Hasil nilai evaluasi kinerja yang didapatkan dengan mengacu pada nilai RMSE untuk kernel Linier sebesar 8.6790, kernel Gaussian RBF sebesar 25.1749, dan kernel ANOVA RFB sebesar 2.1811.
English Abstract
Indonesia is an archipelago country which is crossed by the equator, where it makes Indonesia frequent weather changes known as El-Nino and La-Nina. Weather is the condition of the air at a certain time in a territory to determine climatic conditions such as the average weather at a certain period. Rainfall is one of the factors that affect climate change in the region and is very difficult to predict, while the rainfall information itself is very important for the people. Forecasting can be done by using the history data that exist with the help of computational mathematics in modeling. Method of Support Vector Regression (SVR) is one method that can be used to calculate the value of rainfall data which is a nonlinier by using a regression function. In the calculation using the regression function required proper selection of parameters SVR in order to produce the forecast with a high degree of accuracy. Method Particle Swarm Optimization (PSO) is one method that can be used to optimize existing SVR method parameters, so that will generate parameter values SVR with a high degree of accuracy. Forecasting time series of rainfall in the region Poncokusumo using the SVR-PSO has a performance evaluation value refers to the value Root Mean Square Error (RMSE). There are several kernel that will be used in forecasting rainfall forecasts using the SVR-PSO is Linier kernel, Gaussian RBF kernel, and ANOVA RBF kernel. The results of the performance evaluation value obtained by reference to the RMSE for Linier kernel is 8.6790, Gaussian RBF kernel is 25.1749, and ANOVA RFB is 2.1811.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2017/24/051701120 |
Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Kustati |
Date Deposited: | 14 Feb 2017 09:52 |
Last Modified: | 22 Oct 2021 06:08 |
URI: | http://repository.ub.ac.id/id/eprint/147452 |
Preview |
Text
2017-24-01-125150207111019-Paper_Skripsi.pdf Download (2MB) | Preview |
Preview |
Text
2017-24-01-125150207111019-Fendy_Yulianto.pdf Download (9MB) | Preview |
Actions (login required)
![]() |
View Item |