Analisis Kernel dan Parameter Cost pada Klasifikasi Cuaca Harian Menggunakan Metode Support Vector Machine
DOI:
https://doi.org/10.33830/saintek.v1i1.10039.2024Kata Kunci:
cost, cuaca harian, kernel, klasifikasi, SVMAbstrak
Salah satu dampak posisi Indonesia sebagai negara tropis adalah mudahnya cuaca berubah dari berawan menjadi hujan lebat. Prediksi cuaca dibutuhkan sebagai alat peringatan dini yang bermanfaat di berbagai sektor. Untuk menangani permasalahan tersebut diperlukan prediksi prakiraan cuaca yang akurat. Salah satu model yang dapat digunakan adalah Support Vector Machine (SVM). Artikel ini akan mengkaji model algoritma klasifikasi SVM dengan kernel dan parameter cost C. Kernel yang akan dikaji adalah linear, Radial Basis Function (RBF), polinomial, dan sigmoid. Nilai C yang akan digunakan adalah 1, 10, 100, dan 1000. Output prediksi cuaca dalam kasus ini adalah kategori berawan atau kategori hujan. Variabel input yang digunakan adalah temperatur, kelembaban, curah hujan, lama penyinaran matahari, dan kecepatan angin. Data observasi yang digunakan adalah data harian periode 1 Januari 2016 – 31 Desember 2023 dari Stasiun Geofisika Sleman. Perbandingan data latih dan data uji yang digunakan sebesar 80:20. Hasil yang diperoleh menunjukkan bahwa parameter untuk model klasifikasi SVM yang memberikan akurasi terbaik adalah kernel linear dengan nilai C 10 dengan akurasi sebesar 100%.
Referensi
Awad, M. & Khanna, R. (2015). Support Vector Machines for Classification. Dalam Efficient Learning Machines. Apress, Berkeley, CA. doi:10.1007/978-1-4302-5990-9_3
Belete, D. M., & Huchaiah, M. D. (2021). Grid Search in Hyperparameter Optimization of Machine Learning Models for Prediction of HIV/AIDS Test Result. INTERNATIONAL JOURNAL OF COMPUTERS AND APPLICATIONS. doi:10.1080/1206212X.2021.1974663
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer New York, NY.
BMKG. (2024). Informasi Cuaca - Probabilistik Curah Hujan 20 mm (tiap 24 jam). Diambil kembali dari Badan Meteorologi Klimatologi dan Geofisika: https://www.bmkg.go.id/
BMKG. (2024). Prediksi Musim Kemarau 2024 di Indonesia. Jakarta: Badan Meteorologi Klimatologi dan Geofisika.
Dasmasela, R., Tomasouw, B. P., & Leleury, Z. A. (2022). Penerapan Metode Support Vector Machine (SVM). PARAMETER - JURNAL MATEMATIKA, STATISTIKA DAN TERAPANNYA. doi:doi.org/10.30598/parameterv1i2pp111-122
Fremmuzar, P. & Baita, A. (2023). Uji Kernel SVM dalam Analisis Sentimen Terhadap Layanan Telkomsel di Media Sosial Twitter. KOMPUTIKA. doi:10.34010/komputika.v12i2.9460
James, G., Witten, D., Hastie, T., Tibshirani, R., & Taylor, J. (2013). An Introduction to Statistical Learning: with Application in R. Springer New York, NY.
Jayadianti. (2020). Metode Komparasi Artificial Neural Network Pada Prediksi Curah Hujan. Jurnal Tekno Insentif. doi:10.36787/jti.v14i2.150
Lomboy, K. E. & Hernandez, R. M. (2021). A comparative performance of breast cancer classification using hyper-parameterized machine learning models. International Journal of Advanced Technology and Engineering Exploration. doi:10.19101/IJATEE.2021.874380
Mardyansyah, R. Y., Kurniawan, B., Soekirno, S., Nuryanto, D. E., & Satria, H. (2022). Artificial Intelligent For Rainfall Estimation In. IOP Conference Series: Earth and. doi:10.1088/1755-1315/1105/1/012024
Pratiwi, N. & Setyawan, Y. (2021). Analisis Akurasi dari Perbedaan Fungsi Kernel dan Cost pada Support Vector Machine Studi Kasus Klasifikasi Curah Hujan di Jakarta. doi:10.14710/jfma.v4i2.11691
Pridiptama, R. P., Wasono, W., & Amijaya, F. D. (2024). Perbandingan Algoritma Support Vector Machine dan Naive Bayes pada Klasifikasi Penyakit Tekanan Darah Tinggi. Basis. doi:10.30872/basis.v3i1.1264
Putra, A. P., Debataraja, N. N., & Kusnandar, D. (2020). Tingkat Akurasi Klasifikasi Jarak Kelahiran di Kampung Keluarga Berencana (KB) dengan Metode SVM. BIMASTER. doi:10.26418/bbimst.v9i3.40891
Sunarmi, N., Kumailia, E. N., Nurfaiza, N., Nikmah, A. K., Aisyah, H. N., Sriwahyuni, I., & Laily, S. N. (2022). Analisis Faktor Unsur Cuaca terhadap Perubahan Iklim Di Kabupaten Pasuruan. Newton-Maxwell Journal of Physics. doi:10.33369/nmj.v3i2.23380.
