2016 : PERAMALAN CURAH HUJAN DI KABUPATEN LAMONGAN MENGGUNAKAN GENETIC ALGORITHM-SUPPORT VECTOR REGRESSION (GA-SVR)

Dr. Irhamah S.Si., M.Si.
Noviyanti Santoso S.Si., M.Si.

External link

Type

RESEARCH

Keywords

-


Abstract

Data yang diperoleh dari pengamatan dan dikumpulkan secara berurutan dari waktu ke waktu adalah sangat umum. Pada bidang meteorologi, kita mengamati indeks kekeringan setiap tahun curah hujan setiap bulan, suhu tinggi dan rendah setiap hari dan kondisi angin setiap jam. Data dengan karakteristik demikian disebut dengan deret waktu (time series) sehingga analisis deret waktu sangat diperlukan. Secara umum, analisis deret waktu mempunyai dua tujuan utama, pertama mengetahui model stokastik yang dibentuk oleh data, selanjutnya memprediksi atau meramalkan nilai di masa mendatang berdasarkan pada pola data dan kemungkinan keterkaitan antar deret. Metode analisis deret waktu yang sering digunakan untuk peramalan adalah autoregressive integrated moving average (ARIMA). Metode ARIMA cukup baik digunakan untuk data linier, namun akan mengalami penurunan keakuratan jika terdapat komponen non linier pada data pengamatan. Dalam perkembangan analisis deret waktu, telah banyak pengamatan yang merupakan data non linier, sehingga terdapat beberapa peneliti yang telah mengembangkan metode deret waktu untuk data non linier yaitu support vector machine (SVM). SVM berada dalam satu kelas dengan artifial neural network (ANN), yaitu termasuk dalam kelas supervisied learning, namun dalam implementasinya SVM memberikan hasil yang lebih baik daripada ANN. Metode SVM yang digunakan dalam penelitian ini adalah metode SVM untuk regresi yang biasa dikenal dengan support vector for regression (SVR). Pada penelitian kali ini akan menerapkan metode GA-SVR untuk meramalkan curah hujan di Kabupaten Lamongan sebagai salah satu sentra padi di Jawa Timur. Diusulkan metode GA-SVR karena metode ini dapat mengatasi kasus non linier yang terdapat pada peramalan curah hujan. Pemilihan parameter SVR adalah penting untuk akurasi peramalan, sehingga dalam kasus ini genetic algorithm (GA) digunakan untuk optimasi nilai parameter SVR secara otomatis dengan harapan dapat menghasilkan peramalan yang akurat.