Prediksi Tinggi Muka Air (TMA) Untuk Deteksi Dini Bencana Banjir Menggunakan SVR-TVIWPSO

Edit
Abstrak: Banjir merupakan salah satu jenis bencana alam yang tidak dapat diprediksi kedatangannya, salah satu penyebabnya adalah adanya hujan yang terus – menerus(dari peristiwa alam). Faktor penyebab banjir dari segi meteorologi yaitu curah hujan yang tinggi dan air laut yang sedang pasang sehingga mengakibatkan tinggi permukaan air meningkat. Analisis terhadap data curah hujan serta tinggi permukaan air setiap periodenya dirasa masih belum dapat menyelesaikan permasalahan yang ada. Oleh karena itu, pada penelitian ini diusulkan teknik integrasi metode Time Variant Inertia Weight Particle Swarm Optimization(TVIWPSO) dan Support Vector Regression(SVR). Implementasi memadukan metode Regresi yaitu SVR untuk forecasting TMA, sedangkan TVIWPSO digunakan untuk mengoptimalisasi parameter – parameter yang digunakan di dalam SVR untuk memperoleh kinerja yang maksimal dan hasil yang akurat. Harapannya sistem ini akan dapat membantu mengatasi permasalahan untuk pendeteksian dini bencana banjir karena faktor cuaca yang tidak menentu. Hasil pengujian yang didapat dari 10 data bulanan yang berbeda menunjukkan bahwa didapatkan nilai error terkecil sebesar 0.00755 dengan menggunakan Mean Absolute Error untuk data Juni 2007 dengan menggunakan integrasi metode SVR-TVIWPSO.
Kata Kunci: Support Vector Regression, Tinggi Muka Air, Time Variant Inertia Weight Particle Swarm Optimization
Penulis: Arief Andy Soebroto, Imam Cholissodin, Randy Cahya Wihandika, Maria Tenika Frestantiya, Ziya El Arief
Kode Jurnal: jptinformatikadd150553

Artikel Terkait :

Jp Teknik Informatika dd 2015