Text

Peramalan Curah Hujan Di Kabupaten Semarang Menggunakan Model Support Vector Regression Dengan Optimasi Particle Swarm Optimization

---

ABSTRAK

Support Vector Regression (SVR) merupakan sebuah metode Support Vector Machine (SVM) yang digunakan pada kasus regresi. SVR bertujuan untuk menemukan sebuah fungsi sebagai hyperplane dengan membuat error sekecil mungkin. SVR memiliki dua parameter, yaitu cost (C) dan epsilon (ε). Parameter cost merupakan nilai yang menentukan ketipisan fungsi dengan batas atas deviasi sedangkan epsilon merupakan nilai toleransi kesalahan. Pemilihan fungsi kernel, loss function, serta parameter cost dan epsilon pada SVR ditentukan dengan trial and error yang kemudian dioptimasi dengan PSO. Kriteria pemilihan parameter terbaik menggunakan Mean Square Error (MSE). Particle Swarm Optimization (PSO) merupakan salah satu teknik optimasi yang dapat mengoptimasi nilai parameter menjadi lebih optimal. Pada penelitian ini, gabungan model SVR dengan PSO bertujuan untuk mengoptimasi parameter C dan ε. Model yang terbentuk digunakan untuk meramalkan nilai curah hujan di masa mendatang. Penelitian ini menunjukkan bahwa hasil prediksi dari SVR menggunakan PSO lebih baik daripada trial and error.
Kata Kunci : curah hujan, Support Vector Regression (SVR), fungsi kernel,
MSE, loss function, Particle Swarm Optimization (PSO)

ABSTRACT
Support Vector Regression (SVR) is an Support Vector Machine (SVM) method used in regression cases. The purpose of SVR is to find a function as hyperplane by making the error as small as possible. SVR has two parameters, namely cost (C) and epsilon (ε). The cost parameter is a positive integer that determines thinness of the function with the upper limit of deviation while the epsilon is a tolerance value of fault. Selections of kernel function, loss function, and the cost and epsilon parameters on SVR are determined by trial and error. The selection criteria of best parameter is uses Mean Square Error (MSE). Particle Swarm Optimization (PSO) is one of the optimization technique that can optimize the parameter values to be more optimal. In this research, the hybrid of SVR model with PSO to optimize the parameter of C and ε. The formed model is used to predict the value of rainfall in the future. This research shows that the predicted result of SVR using PSO is better than trial and error.
Keywords : rainfall, Support Vector Regression (SVR), kernel function, MSE,
loss function, Particle Swarm Optimization (PSO)

---

Ketersediaan

664E18III

664 E 18

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

664 E 18

Penerbit

: ., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

2234

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Pandu Anggara

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar