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