Peramalan Runut Waktu Curah Hujan Menggunakan Metode "SVR - ADAPTIVE GA"
| Main Author: | Rohman, MohammadFatqur |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/147459/1/125150200111008_SKRIPSI.pdf http://repository.ub.ac.id/147459/2/125150200111008_Paper_Fatqur_Rohman.pdf http://repository.ub.ac.id/147459/ |
Daftar Isi:
- Informasi mengenai curah hujan bermanfaat bagi berbagai bidang seperti bidang pertanian, kehutanan dan sipil. Pada bidang pertanian dan perkebunan informasi curah hujan dapat digunakan untuk menentukan pola tanaman yang cocok digunakan. Pada bidang kehutanan, informasi ini dapat digunakan untuk mengetahui waktu penanaman. Pada bidang sipil, informasi curah hujan digunakan untuk menentukan standar rangcangan keteknikan seperti dalam perencanaan bangunan pengendali banjir. Pentingnya informasi mengenai curah hujan tersebut mengakibatkan peramalan curah hujan pada masa yang akan datang sangatlah diperlukan untuk melakukan perencanaan tindakan yang diperlukan. Support vector regression (SVR) telah berhasil melakukan peramalan dengan kemampuan generalisasi yang baik dibandingkan metode neural network. Akurasi metode SVR dalam melakukan peramalan dipengaruhi oleh parameter yang digunakan. Untuk menentukan parameter yang tepat, perlu dilakukan optimasi guna memperoleh hasil yang optimal. Algoritma Genetika (GA) telah berhasil menyelesaikan masalah optimasi dalam berbagai masalah yang komplek. Adaptive GA merupakan subset dari algoritma genetika yang mampu meningkatkan kinerja dari algoritma genetika. Adaptive GA melakukan perubahan secara adaptif pada tingkat crossover dan tingkat mutasi berdasarkan rata – rata nilai fitness populasi dan nilai fitness terbaik. Penelitian ini bertujuan untuk menerapkan metode SVR – Adaptive GA dalam melakukan peramalan runut waktu curah hujan. Evaluasi kinerja dilakukan dengan menghitung nilai error menggunakan RMSE. Pada pengujian menggunakan model vertikal menggunakan data dasarian ke 3 bulan November tahun 2000-2015 diperoleh nilai RMSE testing sebesar 21.026866. Pada model horizontal mengunakan data dasarian ke 1 bulan November 2010 sampai dasarian ke 1 bulan April 2011 diperoleh nilai RMSE testing sebesar 29.428082