PERBANDINGAN HASIL METODE NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE DALAM KLASIFIKASI CURAH HUJAN (Studi Kasus : Curah Hujan di Jawa Timur Tahun 2013 - 2017)

Abstract

Curah hujan merupakan salah satu elemen pada iklim. Intensitas curah hujan yang tinggi atau yang sering disebut hujan ekstrem dapat mengakibatkan terjadinya banjir. Untuk meminimalisir terjadinya banjir yang diakibatkan oleh curah hujan, maka diperlukan prakiraan curah hujan harian. Prakiraan curah hujan telah menjadi salah satu masalah yang paling ilmiah dan teknologi menantang seluruh dunia pada abad terakhir. Metode Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM) merupakan metode klasifikasi yang dapat digunakan untuk prakiraan curah hujan pada penelitian ini. Provinsi Jawa Timur merupakan provinsi dengan curah hujan yang tinggi. Oleh karena itu, pada penelitian ini akan membahas mengenai klasifikasi curah hujan dengan metode NBC dan SVM. Data yang digunakan berasal dari BMKG dari tahun 2013 hingga tahun 2017 dengan empat variabel independen. Hasil dari penelitian menunjukkan untuk data training metode NBC menghasilkan akurasi sebesar 0,7830805, metode SVM dengan kernel RBF C=1 dan Gamma=1 akurasi sebesar 0,806018 dan metode SVM dengan kernel polynomial C=5 dan Degree=1 akurasi sebesar 0,79011. Oleh karena itu model yang digunakan untuk prediksi curah hujan harian berikutnya adalah metode SVM dengan Kernel RBF (C=1, Gamma=1). Rainfall is one of element in the climate. The intensity of high rainfall or called extreme rain can lead to flooding. To minimize the occurrence of floods caused by rainfall, the daily rainfall forecast is required. Weather forecasting has been one of the most scientifically and technologically challenging problems around the world in the last century. Naïve Bayes Classifier (NBC) and Support Vector Machine (SVM) methode is classification method that can be used to rainfall forecast in this research. East Java is the province with the high of rainfall. Therefore, in this research will be discuss about classification of rainfall using NBC and SVM method. This research used data in BMKG from 2013 until 2017 with four independent variable. The result of this research shown for training data NBC method has the accuracy 0,7830805, SVM methood with RBF kernel C=1 and Gamma=1 has accuracy 0,806018, and for SVM method with polynomial kernel C=5 and Degree=1 has accuracy 0,79011. Therefore, the method can used for predicting the daily rainfall in the next period is SVM method with RBF kernel (C=1, Gamma=1).