Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains Komputer dan Teknologi Informasi
Evitasari, Yuliana Dilla
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Evaluasi Support Vector Machine Dengan Optimasi Metode Genetic Algorithm Pada Klasifikasi Banjir Kota Samarinda Evitasari, Yuliana Dilla; Pranoto, Wawan Joko; Verdikha, Naufal Adzmi
Jurnal Sains Komputer dan Teknologi Informasi Vol. 6 No. 1 (2023): Jurnal Sains Komputer dan Teknologi Informasi
Publisher : Institute for Research and Community Services Universitas Muhammadiyah Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33084/jsakti.v6i1.5462

Abstract

Banjir merupakan bencana alam yang sering terjadi di Indonesia, terutama di kota Samarinda yang terletak di Kalimantan Timur. Penelitian ini bertujuan untuk meningkatkan akurasi dengan menerapkan metode seleksi fitur menggunakan Genetic Algorithm (GA). Melalui analisis data banjir kota Samarinda, ditemukan bahwa terdapat tiga atribut yang paling berpengaruh terhadap terjadinya banjir, yaitu kelembapan, lamanya penyinaran matahari, dan kecepatan angin. Selanjutnya, penelitian ini menggunakan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan data banjir. Dengan menerapkan seleksi fitur menggunakan GA, hasil pengujian menunjukkan peningkatan akurasi algoritma SVM sebesar 13.45%. Sebelum penerapan seleksi fitur, akurasi SVM hanya mencapai 52,71%, namun setelah penerapan seleksi fitur menggunakan GA, akurasi meningkat menjadi 66,16%. Hasil ini membuktikan bahwa seleksi fitur dengan menggunakan GA efektif dalam meningkatkan akurasi prediksi banjir. Kesimpulan dari penelitian ini adalah seleksi fitur menggunakan GA dapat mengidentifikasi atribut-atribut yang paling berpengaruh terhadap terjadinya banjir di kota Samarinda. Penerapan seleksi fitur ini menghasilkan peningkatan signifikan dalam akurasi algoritma SVM untuk prediksi banjir.
Co-Authors Naufal Azmi Verdikha Wawan Joko Pranoto