ANALISIS PERFORMA REGRESI LINEAR DAN SUPPORT VECTOR MACHINE DALAM DETEKSI CUACA BERDASARKAN DATA SKLEARN

• RAFLY SAPUTRA
• 2024

---

Penelitian ini membandingkan akurasi Regresi Linear dan Support Vector Machine (SVM) dalam memprediksi curah hujan menggunakan data historis cuaca sintetis. Data yang digunakan mencakup variabel seperti suhu, kelembapan, kecepatan angin, tekanan udara, serta durasi dan intensitas cahaya matahari. Regresi Linear diterapkan untuk memodelkan hubungan linier antara variabel cuaca dan curah hujan, sedangkan SVM digunakan untuk mengklasifikasikan kondisi cuaca menjadi dua kategori, yaitu hujan dan tidak hujan. Evaluasi kinerja kedua model dilakukan menggunakan K-Fold Cross Validation untuk memastikan hasil yang lebih stabil dan akurat. Hasil penelitian menunjukkan bahwa model Regresi Linear memiliki Mean Squared Error (MSE) sebesar 0.27 dan R-squared -0.09, yang mengindikasikan kinerja yang kurang memadai dalam memprediksi curah hujan. Di sisi lain, SVM mencapai akurasi 60%, dengan precision 62.7%, recall 61%, dan F1-score 61.5%, yang lebih unggul dalam tugas klasifikasi sederhana. Namun, Regresi Linear menawarkan wawasan yang lebih mendalam terkait hubungan antara variabel-variabel cuaca. Penelitian ini menyimpulkan bahwa kombinasi kedua metode tersebut dapat meningkatkan akurasi dan adaptabilitas prediksi cuaca, terutama dalam menghadapi variasi data yang kompleks.

• Regresi Linear
• Support Vector Machine
• Akurasi
• K-Fold Cross Validation
• Cuaca

https://repository.bsi.ac.id/repo/52061/ANALISIS-PERFORMA-REGRESI-LINEAR-DAN-SUPPORT-VECTOR-MACHINE-DALAM-DETEKSI-CUACA-BERDASARKAN-DATA-SKLEARN
Anda dapat membaca file tugas akhir ini di repository.