Astutik, VoniTri (2017) Peramalan Runut Waktu Curah Hujan Menggunakan Metode “SVR –ANT CO”. Sarjana thesis, Universitas Brawijaya.
Abstract
Curah hujan merupakan salah satu faktor penentu perubahan iklim yang terjadi di suatu wilayah. Curah hujan memiliki pola yang tidak dapat dipastikan, sedangkan curah hujan merupakan salah satu unsur iklim yang berpengaruh di berbagai sektor kehidupan seperti manajemen sumber daya air. Untuk dapat mendukung penentuan cuaca dan iklim disuatu wilayah pada waktu tertentu maka diperlukan peramalan curah hujan untuk menentukan curah hujan yang akan terjadi diwaktu mendatang. Banyak metode peramalan yang telah digunakan untuk meramalkan data runut waktu seperti Support Vector Regression (SVR) yang terbukti pada beberapa kasus dapat memberikan hasil peramalan yang baik. Metode Support Vector Regression (SVR) merupakan machine learning pengembangan dari metode Support Vector Machine (SVM) yang dapat melakukan peramalan bersifat non linier. Untuk meningkatkan akurasi regresi metode SVR diperlukan pemilihan parameter SVR yang tepat. Parameter tersebut adalah cLR, kompleksitas (C), epsilon (ε), lambda (), degree (d), gamma kernel (k). Metode optimasi seperti Ant Colony Optimization (ANT CO) dapat melakukan optimasi pemilihan parameter metode. Dengan digunakannya ANT CO maka menghasilkan error rate yang kebih rendah dan meningkatnya nilai akurasi metode SVR. Hasil dari pengujian yang dilakukan menggunakan data dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) yang berupa data curah hujan pada tahun 2001 hingga 2015 wilayah Poncokusumo. Berdasarkan evaluasi kinerja peramalan runut waktu curah hujan diwilayah Poncokusumo menggunakan metode SVR-ANT CO mengacu pada nilai Root Mean Square Error (RMSE). Metode SVR yang dioptimasi menggunakan ANT CO dapat menghasilkan nilai RMSE sebesar 9.482.
English Abstract
Rainfall is one of the determining factors of climate change in a region. Rainfall has a pattern that can not be ascertained, in other hand rainfall is one of the climate factor that affect various sectors in social life such as the management of water resource. To be able make determination of the weather and climate in certain region and time, forcasting of the rainfall is needed. Many forecasting methods that have been used to predict the time series data such as Support Vector Regression (SVR) which is proven in some cases can provide better forecasting results. Support Vector Regression (SVR) is the development methods of machine learning Support Vector Machine (SVM) which can perform non linear forecasting. To improve the accuracy of regression methods required good parameter selection. The parameter that need the optimation are cLR, Complexity (C), epsilon (ε), lambda (), degree (d), gamma kernel (k). Optimization methods such as Ant Colony Optimization (ANT CO) can optimize the choice of method parameters. The ANT CO can make significantly lower error rate and increased accuracy values SVR methods. Results of testing conducted using data from the Meteorology, Climatology and Geophysics (BMKG) in the form of rainfall data from 2001 to 2015 in Poncokusumo region. Based on the performance evaluation of time-series forecasting of rainfall in the region Poncokusumo using SVR-ANT CO refers to the value Root Mean Square Error (RMSE). The value of RMSE using SVR optimized by ANT CO is 9.482.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/55/051701151 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Kustati |
| Date Deposited: | 13 Feb 2017 09:02 |
| Last Modified: | 22 Oct 2021 06:27 |
| URI: | http://repository.ub.ac.id/id/eprint/147486 |
Preview |
Text
125150201111058-Voni_Tri_-_Dokumen.pdf Download (6MB) | Preview |
Preview |
Text
125150201111058-Voni_Tri_Astutik_-_Paper.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |