<![CDATA[Fenomena perubahan iklim yang semakin kompleks telah memengaruhi pola cuaca di berbagai wilayah, termasuk Kabupaten Sintang, yang ditandai dengan meningkatnya intensitas hujan deras maupun suhu panas tinggi yang berpotensi mengganggu aktivitas sosial dan ekonomi masyarakat. Kondisi tersebut menuntut adanya model klasifikasi yang mampu mengidentifikasi cuaca ekstrim secara akurat guna mendukung mitigasi bencana dan kebijakan daerah. Penelitian ini bertujuan membandingkan kinerja algoritma naïve bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan cuaca ekstrim menggunakan parameter meteorologi pada periode 2020–2024. Data diolah melalui normalisasi Min-Max Scaler, pembagian data latih dan uji, serta pengujian performa menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC-ROC. Hasil penelitian menunjukkan bahwa SVM menghasilkan performa lebih baik dibandingkan naïve bayes dengan nilai akurasi dan metrik evaluasi lainnya yang lebih tinggi. Pembagian data dengan proporsi 80:20 memberikan akurasi terbaik dan lebih stabil dibandingkan proporsi lainnya. Uji validasi variabel menunjukkan bahwa curah hujan (RR) merupakan faktor paling dominan, dibuktikan dengan penurunan akurasi signifikan hingga 0,59 ketika variabel ini dihilangkan. Dengan demikian, algoritma SVM dinyatakan lebih sesuai digunakan untuk klasifikasi cuaca ekstrim di Kabupaten Sintang, serta hasil penelitian ini diharapkan menjadi dasar strategi mitigasi bencana dan perumusan kebijakan berbasis data.]]>
