| dc.description.abstract | Curah hujan memiliki manfaat yang cukup tinggi terhadap beberapa aspek,
terutama di bidang pertanian. BMKG mendefinisikan sifat curah hujan ekstrem
dengan ketentuan, nilai curah hujan lebih dari 115% terhadap rataan perbulannya.
Pendekatan lain yang dapat digunakan untuk identifikasi curah hujan ekstrem
adalah dengan menggunakan metode peaks over threshold (POT). Tujuan
penelitian ini adalah membuat pemodelan support vector machine (SVM) untuk
klasifikasi curah hujan dengan respons berupa data hasil pengkategorian curah
hujan menggunakan batasan BMKG dan metode POT dan data global preciptation
climatology project sebagai peubah penjelas. Pemodelan SVM dilakukan dengan
menggunakan soft margin hyperplane, kernel Gaussian Radial Basic Function
(RBF) dan kernel Polynomial dengan beberapa parameter yang berbeda. Dari
proses tersebut, pemodelan klasifikasi dengan kernel RBF menghasilkan nilai
akurasi paling baik. Berdasarkan batasan pengkategorian peubah respons, nilai
akurasi klasifikasi SVM menggunakan respons hasil kategori POT lebih tinggi
dibandingkan dengan menggunakan respons hasil kategori batasan BMKG, dengan
selisih lebih dari 9%. | id |
