Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Pendidikan Matematika (JUDIKA EDUCATION)
Karnisih, Karnisih
Unknown Affiliation
Computer Science & IT Education Engineering Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Algoritma Linear Regression dan Support Vector Regression dalam Prediksi Temperatur Udara di Malang Karnisih, Karnisih; Sunarno, Sunarno; Iqbal, Iqbal; Djuniadi , Djuniadi; Pribadi, Feddy Setio
Techno.Com Vol. 24 No. 1 (2025): Februari 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i1.12094

Abstract

Perubahan iklim global dan peningkatan variabilitas cuaca membuat prediksi temperatur udara menjadi salah satu kebutuhan penting di berbagai sektor. Temperatur udara merupakan parameter penting dalam meteorologi yang mempengaruhi berbagai aspek kehidupan manusia. Predisi temperatur udara saat ini banyak memanfaatkan algoritma machine learning, namum nilai akurasi masih belum optimal. Tujuan dari penelitian ini untuk meningkatkan akurasi prediksi temperatur udara rata-rata dengan menggunakan pendekatan berbasis machine learning. Metode dalam penelitian ini menggunakan algoritma Linear Regression dan Support Vector Regression (linier dan gaussian non linear) karena memiliki akurasi prediksi data yang cukup baik di berbagai bidang termasuk bidang hidrologi. Penelitian ini menggunakan data dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) lokasi Stasiun Klimatologi Jawa Timur periode data tahun 2019-2023 dengan parameter cuaca temperatur rata-rata (TAV), kelembaban udara (HAV), kecepatan angin (WAV), curah hujan (RR), tekanan udara (PPP), Penyinaran matahari (SUN) dan titik embun (DEW_POINT). Kinerja model dievaluasi menggunakan pengukuran metrik MSE, RMSE, MAE, MAPE dan R². Hasil pengukuran kinerja model algoritma Gaussian support vector Regression (non linier SVR) lebih baik dibanding dengan linear support vector Regression (linear SVR) dan  algoritma linear regression dengan nilai yang lebih tinggi R² sebesar  0,9891 ± 0,0011 dan nilai error yang lebih rendah pada semua metrik pengukuran. Kata kunci: Prediksi temperatur udara, machine learning, Linear Regression,  Suport Vektor Regression
Prediksi Suhu Udara dengan Algoritma Artificial Neural Network di Jawa Timur Karnisih, Karnisih; Sunarno, Sunarno; Iqbal
Jurnal Pendidikan Matematika : Judika Education Vol. 9 No. 1 (2026): Jurnal Pendidikan Matematika: Judika Education
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/s5kx4a49

Abstract

This study aims to systematically optimize the hyperparameters of an Artificial Neural Network (ANN) using an algorithm-based approach to obtain the best configuration, as well as to compare the air temperature prediction accuracy of ANN with other machine learning algorithms. Feature selection was performed using a physical approach to identify variables that significantly influence air temperature, while ANN hyperparameter optimization was conducted using the Random Search method. The ANN model was compared with Linear Regression (LR), Random Forest (RF), and Support Vector Regression (SVR) in predicting air temperature. Model performance was evaluated using Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), and the coefficient of determination (R²). The results indicate that the ANN model generally achieved lower MSE, RMSE, MAE, and MAPE values and higher R² values compared to the other methods across four study locations: Banyuwangi, Juanda, Sangkapura, and Pasuruan. These findings demonstrate that ANN with properly optimized hyperparameters can provide more accurate air temperature predictions..   Keywords: Artificial Neural Network, East Java, Machine Learning, Air Temperature
Co-Authors Djuniadi , Djuniadi Feddy Setio Pribadi Iqbal Iqbal Iqbal Sunarno Sunarno