Author
Mochammad Rizki Aji Santoso(1
), Mula'ab Mula'ab(2), Rika Yunitarini(3),
(1) Universitas Trunodjoyo Madura, Indonesia
(2) Universitas Trunodjoyo Madura, Indonesia
(3) Universitas Trunodjoyo Madura, Indonesia
Corresponding Author
| Article Analytic |
Available online: 2026-02-10 | Published : 2026-02-10
Copyright (c) 2026 Mochammad Rizki Aji Santoso, Mula'ab Mula'ab, Rika Yunitarini
Article can trace at:
Article Metrics
Abstract Views: 62 times
PDF Downloaded: 34 times
Abstract
Perubahan iklim menjadi salah satu isu paling kritis saat ini, dengan pengaruh yang dirasakan di berbagai negara, termasuk Indonesia. Fenomena ini memengaruhi berbagai aspek kehidupan, salah satunya adalah perubahan pola cuaca. Musim hujan sering ditandai dengan peningkatan intensitas curah hujan secara signifikan dalam jangka waktu tertentu. Cuaca yang tidak menentu dapat menyebabkan perubahan curah hujan yang drastis, berdampak pada sektor pertanian, transportasi, dan industri. Oleh karena itu, prediksi curah hujan menjadi penting untuk memahami pola hujan di masa depan. Penelitian ini menggunakan data iklim harian dari BMKG Stasiun Meteorologi Perak I Surabaya selama Januari 2018 hingga Desember 2024 dengan 2.557 data yang mencakup 4 parameter: curah hujan, temperatur, kelembapan, dan kecepatan angin. Tahapan penelitian meliputi pra pemrosesan data, seperti penanganan data hilang, identifikasi outlier, normalisasi, dan sliding window untuk membentuk data supervised. Metode Ensemble berbasis Support Vector Regression (SVR) digunakan untuk membangun model prediksi. Hasil evaluasi menunjukkan bahwa skenario 9, dengan kernel polynomial, C = 1, epsilon = 0,01, degree = 2, dan 20 estimator, memberikan nilai MAE terbaik sebesar 0,02329. Hal ini menunjukkan bahwa pemilihan kernel dan hyperparameter yang tepat sangat berpengaruh terhadap akurasi model.
Keywords
References
. Aldrian, E., Pengkajian, B., Teknologi, P., & Thamrin, J. M. H. (n.d.). Sistem Peringatan Dini Menghadapi Iklim Ekstrem Early Warning System for Climate Extreme.
. Joewono, T. B., Susilo, Y. O., & Santosa, W. (2009). An Exploration of Public Transport Users’ Attitudes and Preferences towards Various Policies in Indonesia: Some Preliminary Results. Journal of the Eastern Asia Society for Transportation Studies, 8. https://doi.org/10.11175/easts.8.1230.
. Hartatie, D., Taufika, R., & Achmad, P. B. (2021). Pengaruh Curah Hujan dan Pemupukan terhadap Produksi Tebu (Saccharum officinarum L.) di Pabrik Gula Asembagus Kabupaten Situbondo. Jurnal Ilmiah Inovasi, 21(2), 66–72. https://doi.org/10.25047/jii.v21i2.2592
. Juliati., Sulistiawaty., & Tiwow, V. A. (2023). Analisis Karakteristik Curah Hujan Dengan Menggunakan Klasifikasi Schmidt-Ferguson di Kota Makassar. Jurnal Sains dan Pendidikan Fisika (JSPF), 19(2), 229-235. https://ojs.unm.ac.id/jsdpf
. Syamsiah, N. O., & Purwandani, I. (2021). Penerapan Ensemble Stacking untuk Peramalan Laba Bersih Bank Syariah Indonesia (BSI). Building of Informatics, Technology and Science (BITS), 3(3), 295–301. https://doi.org/10.47065/bits.v3i3.1017
. Sugara , B., & Subekti, A. (2019). PENERAPAN SUPPORT VECTOR MACHINE (SVM) PADA SMALL DATASET UNTUK DETEKSI DINI GANGGUAN AUTISME. Jurnal Pilar Nusa Mandiri, 15(2), 177–182. https://doi.org/10.33480/pilar.v15i2.649.
. Somantri, O., Wiro Sasmito, G., & Sobri Sungkar, M. (2014). Optimalisasi Neural Network dengan Bootstrap Aggregating (Bagging) untuk Penentuan Prediksi Harga Listrik. Scientific Journal of Informatics, 1(2), 2407–7658. http://journal.unnes.ac.id/nju/index.php/sji
. Dachi, J. M. A. S., & Sitompul, P. (2023). Analisis Perbandingan Algoritma XGBoost dan Algoritma Random Forest Ensemble Learning pada Klasifikasi Keputusan Kredit. Jurnal Riset Rumpun Matematika dan Ilmu Pengetahuan Alam (JURRIMIPA), 2(2), 87–103. https://doi.org/10.55606/jurrimipa.v2i2.1336.
. Furi, R. P., Jondri, M. S., & Saepudin, D. (2015). Prediksi Financial Time Series Menggunakan Independent Component Analysis dan Support Vector Regression Studi Kasus : IHSG dan JII. 2(2) ISSN : 2355-9365
. Wijaya, A. B., Dewi, C., & Rahayudi, B. (2018). Peramalan Curah Hujan Menggunakan Metode High Order Fuzzy Time Series Multi Factors (Vol. 2, Issue 3). http://j-ptiik.ub.ac.id
. Kurniawati, A., Sabri Ahmad, M., Fhadli, M., & Lutfi, S. (2023). ANALISIS PERBANDINGAN METODE TIME SERIES FORECASTING UNTUK PREDIKSI PENJUALAN OBAT DI APOTEK (STUDI KASUS: KIMIA FARMA APOTEK TAKOMA) (Vol. 3, Issue 1).
. Lamabelawa, M. I. J. (2018). “PERBANDINGAN INTERPOLASI DAN EKSTRAPOLASI NEWTON UNTUK PREDIKSIDATA TIME SERIES”. JURNAL TEKNOLOGI INFORMASI, 10(2) e-ISSN: 2620-7427.
. Sihombing, P. R., Suryadiningrat, S., Sunarjo, D. A., & Yuda, Y. P. A. C. (2023). Identifikasi Data Outlier (Pencilan) dan Kenormalan Data Pada Data Univariat serta Alternatif Penyelesaiannya. Jurnal Ekonomi Dan Statistik Indonesia, 2(3), 307–316. https://doi.org/10.11594/jesi.02.03.07
. Whendasmoro, R. G., & Joseph, J. (2022). Analisis Penerapan Normalisasi Data Dengan Menggunakan Z-Score Pada Kinerja Algoritma K-NN. JURIKOM (Jurnal Riset Komputer), 9(4), 872. https://doi.org/10.30865/jurikom.v9i4.4526
. Dini Maulana, N., Darma Setiawan, B., & Dewi, C. (2019). Implementasi Metode Support Vector Regression (SVR) Dalam Peramalan Penjualan Roti (Studi Kasus: Harum Bakery) (Vol. 3, Issue 3). http://j-ptiik.ub.ac.id
. Saragih, S. M., & Sembiring, P. (2022). ANALISIS PERBANDINGAN METODE ARIMA DAN DOUBLE EXPONENTIAL SMOOTHING DARI BROWN PADA PERAMALAN INFLASI DI INDONESIA. Journal of Fundamental Mathematics and Applications (JFMA), 5(2), 176–191. https://doi.org/10.14710/jfma.v5i2.15312
. Prasetio, R. T., & Pratiwi, D. (2015). PENERAPAN TEKNIK BAGGING PADA ALGORITMA KLASIFIKASI UNTUK MENGATASI KETIDAKSEIMBANGAN KELAS DATASET MEDIS: Vol. II (Issue 2).
. Amansyah, I., Indra, J., Nurlaelasari, E., & Juwita, A. R. (2024). Prediksi Penjualan Kendaraan Menggunakan Regresi Linear: Studi Kasus pada Industri Otomotif di Indonesia. INNOVATIVE: Journal Of Social Science Research, 4(4), E-ISSN 2807-4238.
Refbacks
- There are currently no refbacks.
