OPTIMASI KLASIFIKASI CURAH HUJAN MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) DAN RECURSIVE FEATURE ELIMINATION (RFE)

Arief Riski Indra Pratama
Siti Amalia Latipah (Universitas Singaperbangsa Karawang)
Betha Nurina Sari (Universitas Singaperbangsa Karawang)

JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Vol 7, No 2 (2022)

Indonesia merupakan negara tropis yang mempunyai curah hujan tinggi. Curah hujan yang tinggi dapat mengakibatkan efek samping berupa banjir. Untuk menanggulangi hal tersebut, perlu dilakukan prediksi cuaca yang akurat. Penelitian ini bertujuan untuk menyelesaikan masalah tersebut dengan mengklasifikasikan curah hujan dengan kategori hujan sedang dan hujan lebat menggunakan metode data mining CRISP-DM. Algoritma yang digunakan untuk klasifikasi curah hujan adalah SVM (Support Vector Machine) dengan metode optimasi seleksi fitur menggunakan RFE (Recursive Feature Elimination). Hasil evaluasi Confusion Matrix menggunakan SVM sebelum menerapkan RFE memiliki akurasi paling besar 77%, dan setelah menggunakan RFE akurasi paling besar meningkat 2% menjadi 79%. Hal ini menunjukkan penggunaan RFE pada SVM dapat meningkatkan akurasi klasifikasi curah hujan.