PERBANDINGAN HASIL KLASIFIKASI CURAH HUJAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN NAÏVE BAYES CLASSIFIER (Studi Kasus: Curah Hujan di Jakarta Utara Periode 2017-2018)

Laia, Marthin Luter (2020) PERBANDINGAN HASIL KLASIFIKASI CURAH HUJAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN NAÏVE BAYES CLASSIFIER (Studi Kasus: Curah Hujan di Jakarta Utara Periode 2017-2018). Sarjana thesis, INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA.

Text SKRIPSI.pdf - Accepted Version Restricted to Registered users only Download (2MB) | Request a copy

Abstract

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%.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Curah Hujan, Support Vector Machine, Naïve Bayes Classifier, Akurasi.
Subjects:	H Social Sciences > HA Statistics
Divisions:	Fakultas Sains Terapan > Statistika (S1)
Depositing User:	Unnamed user with email [email protected]
Date Deposited:	08 Jan 2024 05:09
Last Modified:	08 Jan 2024 05:09
URI:	http://eprints.akprind.ac.id/id/eprint/2704

Actions (login required)

View Item