Zannuba Fatichatul Rizqi, 4112320041 (2023) Perbandingan Hasil Metode Support Vector Machine dan Naïve Bayes Classifier dalam Klasifikasi Curah Hujan di Kota Semarang. Diploma thesis, UNNES.

	PDF - Published Version Download (412kB)
	PDF - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	PDF - Published Version Download (238kB)
	PDF - Published Version Download (200kB)
	PDF - Published Version Download (631kB)
	PDF - Published Version Restricted to Repository staff only Download (534kB) | Request a copy

Abstract

Curah hujan merupakan salah satu komponen dalam iklim. Curah hujan yang tidak menentu sangat berpengaruh terhadap aktivitas masyarakat di Kota Semarang sehari-hari. Klasifikasi curah hujan menjadi salah satu masalah yang cukup menarik. Besarnya curah hujan tidak dapat ditentukan secara pasti namun dapat diperkirakan. Oleh karena itu, perlu dilakukan klasifikasi curah hujan di Kota Semarang, agar dapat mengantisipasi masyarakat terhadap bencana alam yang disebabkan oleh hujan. Tujuan penelitian ini adalah untuk mengetahui klasifikasi curah hujan di Kota Semarang pada tahun 2018-2022 menggunakan metode Support Vector Machine (SVM) dan Naïve bayes Classifier (NBC) serta melihat nilai akurasi dari kedua metode untuk mengetahui metode terbaik dalam melakukan klasifikasi. Data yang digunakan diperoleh dari website BMKG Stasiun Klimatologi Jawa Tengah periode tahun 2018-2022. Variabel yang digunakan yaitu rata-rata suhu, rata-rata kelembapan, rata-rata lama penyinaran, dan rata-rata kecepatan angin. Hasil penelitian ini menunjukkan bahwa status curah hujan sebanyak 1.654 kejadian berawan-hujan ringan, 128 kejadian hujan sedang, dan 44 kejadian hujan lebat-hujan ekstrem. Pada pengujian tingkat ketepatan klasifikasi yang diperoleh adalah metode SVM dengan kernel RBF

Actions (login required)

View Item