Publisher

NURISNURIS

Journal Sains Data Jurnal Studi Matematika dan TeknologiSains Data Jurnal Studi Matematika dan Teknologi Abstract

Perubahan iklim menjadi salah satu isu paling kritis saat ini, dengan pengaruh yang dirasakan di berbagai negara, termasuk Indonesia. Fenomena ini memengaruhi berbagai aspek kehidupan, salah satunya adalah perubahan pola cuaca. Musim hujan sering ditandai dengan peningkatan intensitas curah hujan secara signifikan dalam jangka waktu tertentu. Cuaca yang tidak menentu dapat menyebabkan perubahan curah hujan yang drastis, berdampak pada sektor pertanian, transportasi, dan industri. Oleh karena itu, prediksi curah hujan menjadi penting untuk memahami pola hujan di masa depan. Penelitian ini menggunakan data iklim harian dari BMKG Stasiun Meteorologi Perak I Surabaya selama Januari 2018 hingga Desember 2024 dengan 2.557 data yang mencakup 4 parameter: curah hujan, temperatur, kelembapan, dan kecepatan angin. Tahapan penelitian meliputi pra pemrosesan data, seperti penanganan data hilang, identifikasi outlier, normalisasi, dan sliding window untuk membentuk data supervised. Metode Ensemble berbasis Support Vector Regression (SVR) digunakan untuk membangun model prediksi. Hasil evaluasi menunjukkan bahwa skenario 9, dengan kernel polynomial, C = 1, epsilon = 0,01, degree = 2, dan 20 estimator, memberikan nilai MAE terbaik sebesar 0,02329. Hal ini menunjukkan bahwa pemilihan kernel dan hyperparameter yang tepat sangat berpengaruh terhadap akurasi model.

Conclusion

Penelitian ini menunjukkan bahwa metode Support Vector Regression (SVR) dengan pendekatan ensemble bagging memberikan hasil yang baik dalam peramalan curah hujan.Dari sembilan skenario pengujian, performa model sangat dipengaruhi oleh jenis kernel, jumlah estimator, dan kombinasi hyperparameter.Kernel RBF memberikan hasil terbaik pada skenario 4 dengan RMSE sebesar 0,072318 dan MAE sebesar 0,023846, menggunakan kombinasi hyperparameter C = 1, epsilon = 0,01, gamma = 0,01, dan jumlah estimator 5.Sementara itu, kernel Polynomial menunjukkan performa terbaik pada skenario 9 dengan RMSE sebesar 0,072695 dan MAE 0,023299 dengan kombinasi C = 1, epsilon = 0,01, degree = 2, dan jumlah estimator 20.Kernel Linear memiliki performa yang lebih rendah dibandingkan kernel non-linear, dengan hasil terbaik pada skenario 1 (RMSE 0,072511, MAE 0,024008).Meskipun jumlah estimator yang lebih besar dapat meningkatkan stabilitas model, hasil pengujian menunjukkan bahwa peningkatan jumlah estimator dari 5 ke 10 atau 20 tidak selalu memberikan peningkatan akurasi yang signifikan.Selain itu, tuning hyperparameter seperti nilai C, epsilon, gamma, dan degree berperan penting dalam mengoptimalkan performa model.

Future Research

Penelitian lanjutan dapat fokus pada pengembangan model prediksi curah hujan dengan mempertimbangkan interaksi antara variabel eksogen (seperti kelembapan dan kecepatan angin) dan endogen secara simultan, bukan secara terpisah. Selain itu, peneliti dapat mengeksplorasi penggunaan data berbasis musim atau bulanan untuk meningkatkan sensitivitas model terhadap pola musiman yang spesifik. Penelitian juga disarankan untuk membandingkan performa model ensemble dengan pendekatan deep learning seperti LSTM atau GRU, terutama untuk data time series multivariate yang kompleks. Dengan pendekatan ini, diharapkan dapat ditemukan model yang lebih akurat dan adaptif dalam menghadapi variasi cuaca ekstrem yang semakin sering terjadi akibat perubahan iklim.

References

1. ANALISIS PERBANDINGAN METODE ARIMA DAN DOUBLE EXPONENTIAL SMOOTHING DARI BROWN PADA PERAMALAN INFLASI... ejournal2.undip.ac.id/index.php/jfma/article/view/15312ANALISIS PERBANDINGAN METODE ARIMA DAN DOUBLE EXPONENTIAL SMOOTHING DARI BROWN PADA PERAMALAN INFLASI ejournal2 undip ac index php jfma article view 15312
2. Identifikasi Data Outlier (Pencilan) dan Kenormalan Data Pada Data Univariat serta Alternatif Penyelesaiannya... doi.org/10.11594/jesi.02.03.07Identifikasi Data Outlier Pencilan dan Kenormalan Data Pada Data Univariat serta Alternatif Penyelesaiannya doi 10 11594 jesi 02 03 07
3. Application Of Game Theory In Determining Optimum Marketing Strategy In Marketplace | JURNAL RISET RUMPUN... doi.org/10.55606/jurrimipa.v2i2.1336Application Of Game Theory In Determining Optimum Marketing Strategy In Marketplace JURNAL RISET RUMPUN doi 10 55606 jurrimipa v2i2 1336

Metadata

File size	529.9 KB
Pages	9
DMCA	Report