PERBANDINGAN HASIL KLASIFIKASI CURAH HUJAN MENGGUNAKAN METODE SVM DAN NBC

  • Marthin Luter Laia Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta
  • Yudi Setyawan Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta
Keywords: Curah Hujan, Support Vector Machine, Naïve Bayes Classifier, Akurasi

Abstract

Abstrak

Penelitian ini membahas pengklasifikasi curah hujan serta memprediksi curah hujan dengan menggunakan metode Support Vector Machine dan Naïve Bayes Classifier serta melihat nilai akurasi kedua metode. Support Vector Machine adalah salah satu metode machine learning yang bekerja atas prinsip structural risk minimization yang bertujuan untuk menemukan hyperplane terbaik yang dapat memisahkan kelas. Sedangkan Naïve Bayes Classifier adalah metode klasifikasi yang digunakan untuk menentukan probabilitas suatu anggota dari suatu kelas. Variabel yang digunakan yaitu rata-rata temperatur (X1), rata-rata kelembapan (X2), rata-rata lama penyinaran matahari (X3), dan rata-rata kecepatan angin (X4). Sedangkan variabel dependen (Y) adalah status curah hujan dikategorikan menjadi dua yaitu hujan dan tidak hujan. Data yang digunakan periode tahun 2017 sampai tahun 2018 yang diperoleh dari BMKG Stasiun Meteorologi Maritim Tanjung Priok, Jakarta Utara.

Berdasarkan hasil analisis klasifikasi didapatkan bahwa metode terbaik yaitu  Support Vector Machine hal ini dibuktikan dengan tingkat akurasi sebesar 79,45 % lebih besar dari tingkat akurasi metode Naïve Bayes Classifier  yaitu 65,75%.

 

Published
2020-07-16