ANALISIS PERFORMA REGRESI LINEAR DAN SUPPORT VECTOR MACHINE DALAM DETEKSI CUACA BERDASARKAN DATA SKLEARN

research
  • 15 Oct
  • 2024

ANALISIS PERFORMA REGRESI LINEAR DAN SUPPORT VECTOR MACHINE DALAM DETEKSI CUACA BERDASARKAN DATA SKLEARN

Penelitian ini membandingkan akurasi Regresi Linear dan Support Vector Machine (SVM) dalam memprediksi curah hujan menggunakan data historis cuaca sintetis. Data yang digunakan mencakup variabel seperti suhu, kelembapan, kecepatan angin, tekanan udara, serta durasi dan intensitas cahaya matahari. Regresi Linear diterapkan untuk memodelkan hubungan linier antara variabel cuaca dan curah hujan, sedangkan SVM digunakan untuk mengklasifikasikan kondisi cuaca menjadi dua kategori, yaitu hujan dan tidak hujan. Evaluasi kinerja kedua model dilakukan menggunakan K-Fold Cross Validation untuk memastikan hasil yang lebih stabil dan akurat. Hasil penelitian menunjukkan bahwa model Regresi Linear memiliki Mean Squared Error (MSE) sebesar 0.27 dan R-squared -0.09, yang mengindikasikan kinerja yang kurang memadai dalam memprediksi curah hujan. Di sisi lain, SVM mencapai akurasi 60%, dengan precision 62.7%, recall 61%, dan F1-score 61.5%, yang lebih unggul dalam tugas klasifikasi sederhana. Namun, Regresi Linear menawarkan wawasan yang lebih mendalam terkait hubungan antara variabel-variabel cuaca. Penelitian ini menyimpulkan bahwa kombinasi kedua metode tersebut dapat meningkatkan akurasi dan adaptabilitas prediksi cuaca, terutama dalam menghadapi variasi data yang kompleks.

Unduhan

 

REFERENSI

AH, H. (2022). Unifikasi Kalender Hijriah Nasional Menurut Perspektif Muhammadiyah Dan Nahdatul Ulama.

 

Amrozi, Y., Yuliati, D., Susilo, A., Novianto, N., & Ramadhan, R. (2022). Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 11(3), 394–399. https://doi.org/10.32736/sisfokom.v11i3.1502

 

Azhari, M., Situmorang, Z., & Rosnelly, R. (2021). Perbandingan Akurasi, Recall, dan Presisi Klasifikasi pada Algoritma C4.5, Random Forest, SVM dan Naive Bayes. JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(2), 640. https://doi.org/10.30865/mib.v5i2.2937

Fajri, M., Amin, A., Kunang, Y. N., Purnamasari, S. D., Darma, U. B., Jenderal, J., … Palembang, N. 02. (2019). Penerapan Model Regression Untuk Prediksi Cuaca Wilayah seberang Ulu 1 Palembang.

 

Fauzi, M., Mahendra, R., Azizah, N. L., & Sumarno, D. (2024). Implementasi Machine Learning Untuk Memprediksi Cuaca Menggunakan Support Vector Machine. 23. https://doi.org/10.32409/jikstik.23.1.3449

 

Hendra, H. (2023). Prediksi Daya Listrik Pada Pembangkit Listrik Siklus Gabungan Berdasarkan Kondisi Lingkungan Menggunakan Metode Machine Learning. Elektron : Jurnal Ilmiah, 72–82. https://doi.org/10.30630/eji.0.0.415

 

Julian, I., Nugrahaningsih, N., Lestari, A., Sylviana Lestari, F., Teknik Informatika, J., Teknik, F., … Raya, P. (2024). ANALISIS DAN IDENTIFIKASI GENRE MUSIK MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. JOINTECOMS (Journal of Information Technology and Computer Science), 4(2).

 

Kaestria, R., & Himmah, E. F. (2023). Implementasi Bahasa Pemrograman Python untuk Path analysis (Vol. 11).

 

Kahfi, M., Falgenti, K., Rizqi, L. D., Megawulan, D., Iqbal, M., & Furqon, F. (2023). Analisis pengaruh suhu udara rata-rata terhadap kelembaban di wilayah DKI Jakarta menggunakan Regresi Linear (Vol. 3). Retrieved from http://dataonline.bmkg.go.id/data_iklim

 

Kumala Sari, P., & Randy Suryono, R. (2024). KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK ANALISIS SENTIMEN METAVERSE (Vol. 7).

 

Luter Laia, M., & Setyawan, Y. (2020). PERBANDINGAN HASIL KLASIFIKASI CURAH HUJAN MENGGUNAKAN METODE SVM DAN NBC. 05, 51–61.

 

Pebralia, J. (2022). JIFP (Jurnal Ilmu Fisika dan Pembelajarannya) Analisis Curah Hujan Menggunakan Machine Learning Metode Regresi Linier Berganda Berbasis Python dan Jupyter Notebook Rainfall Analysis using Machine Learning-Multiple Linear Regression Method Based on Python and Jupyter Notebook. 6(2), 23–30. Retrieved from http://jurnal.radenfatah.ac.id/index.php/jifp/

 

Peryanto, A., Yudhana, A., & Umar, R. (2020). Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation. In Journal of Applied Informatics and Computing (JAIC) (Vol. 4). Retrieved from http://jurnal.polibatam.ac.id/index.php/JAIC

 

Rahmawati, L., Hakimuddin, A. M., & Umami, I. (2021). Implementasi Sensor Gas MQ-136 Dan MQ-137 Untuk Mendeteksi Kesegaran Daging Sapi Menggunakan Metode Neural Network.

 

Rifqi, M. N., & Aldisa, R. T. (2024). Penerapan Metode Support Vector Machine Dalam Memprediksi Prediksi Cuaca. Journal of Computer System and Informatics (JoSYC), 5(2), 368–379. https://doi.org/10.47065/josyc.v5i2.4961

 

 

 

Risanti, R. (2024). ANALISIS MODEL PREDIKSI CUACA MENGGUNAKAN SUPPORT VECTOR MACHINE, GRADIENT BOOSTING, RANDOM FOREST, DAN DECISION TREE. https://doi.org/10.21009/03.1201.FA18

 

Septiarini, A., Rizqi Saputra, Andi Tejawati, & Masna Wati. (2021). Deteksi Sarung Samarinda Menggunakan Metode Naive Bayes Berbasis Pengolahan Citra. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(5), 927–935. https://doi.org/10.29207/resti.v5i5.3435

 

Setyaningsih, R. R. A., & Hindriyanto Dwi Purnomo. (2022). ANALYSIS OF THE EFFECTS OF FERTILIZER ON THE QUALITY OF THE MUSTARD PLANT (BRASSICA CHENENSIS L) USING REGRESSION LOGISTICS METHOD. Jurnal Teknik Informatika (Jutif), 3(6), 1565–1572. https://doi.org/10.20884/1.jutif.2022.3.6.394

 

Severianus, Y., & Kolo, S. (2024). ANALISIS SENTIMEN TERHADAP OPINI MASYARAKAT TERKAIT PERUBAHAN CUACA DI INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE. In Jurnal Mahasiswa Teknik Informatika (Vol. 8).

 

Shaumi, R. F. (2023). PRAKIRAAN CUACA KOTA BANDAR LAMPUNG DENGAN MENGGUNAKAN RANDOM FOREST DAN C4.5 Tesis Oleh RAHMA FERIKA SHAUMI NPM 1925031007 FAKULTAS TEKNIK UNIVERSITAS LAMPUNG BANDAR LAMPUNG 2023.

 

Siregar, A. M. (2020). Klasifikasi Untuk Prediksi Cuaca Menggunakan Esemble Learning. PETIR, 13(2), 138–147. https://doi.org/10.33322/petir.v13i2.998

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru