MODEL PREDIKSI PASANG SURUT AIR LAUT PADA STASIUN PUSHIDROSAL BAKAUHENI LAMPUNG MENGGUNAKAN SUPPORT VECTOR REGRESSION

Willdan Aprizal Arifin, Ishak Ariawan, Ayang Armelita Rosalia, Agung Setyo Sasongko, Muhamad Renaldi Apriansyah, Ahmad Satibi

Abstract


Salah satu wilayah yang memiliki stasiun pengamatan pasang surut air laut di Indonesia adalah Bakauheni, Lampung. Pasang surut merupakan suatu fenomena pergerakan naik turun permukaan air laut secara berkala pada waktu tertentu. Pasang surut air laut dapat mempengaruhi kegiatan masyarakat disekitar pesisir, oleh karena itu dengan teknologi saat ini melalui bidang ilmu Machine Learning, melakukan proses prediksi terhadap ketinggian pasang surut air laut dapat menjadi solusi untuk kelancaran kegiatan masyarakat yang dilakukan di laut. Dengan memanfaatkan data pasang surut yang direkam secara realtime di stasiun pengamatan pushidrosal bakauheni Lampung dapat dilakukan pemodelan prediksi. Data yang digunakan adalah data rekaman yang terkumpul dari tahun 2016 sampai dengan tahun 2019. Data tersebut kemudian dibagi menjadi data latih dan data uji untuk selanjutnya dibentuk menjadi model prediksi. Pembentukan model prediksi dilakukan dengan algoritme Support Vector Regression dengan kernel Radial Basis Function (RBF). Berhasarkan hasil tuning parameter yang dilakukan pada parameter gamma, menghasilkan nilai terbaik menggunakan parameter gamma sebesar 1000. Nilai RMSE yang dihasilkan pada parameter gamma tersebut adalah 0.4938244 dengan nilai korelasinya yang diperoleh adalah 0.9202879. Berdasarkan hasil tersebut, model prediksi yang dibentuk dianggap cukup baik dalam melakukan prediksi terhadap  pasang surut air laut pada stasiun pushidrosal bakauheni, Lampung.


Keywords


Machine Learning; Pasut; Prediksi; SVR

References


Arifin, W. A. (2019). MODEL PREDIKSI KUALITAS LULUSAN SISWA SMP DENGAN PENGARUH SISTEM ZONASI MENGGUNAKAN SUPPORT VECTOR REGRESSION. [TESIS] Institut Pertanian Bogor.

Bermolen, P., & Rossi, D. (2008). Support Vector Regression for Link Load Prediction. 2008 4th International Telecommunication Networking Workshop on QoS in Multiservice IP Networks, 53(2), 268–273. https://doi.org/10.1016/j.comnet.2008.09.018

Chai, T., & Draxler, R. R. (2014). Root Mean Square Error (RMSE) or Mean Absolute Error (MAE)? -Arguments Against Avoiding RMSE in The Titerature. Geoscientific Model Development, 7(3), 1247–1250. https://doi.org/10.5194/gmd-7-1247-2014

Davidson, R., & Arnott. (2010). Introduction to Coastal Processes and Geomorphology. Cambridge University Press.

Dey, A. (2016). Machine Learning Algorithms: A Review. International Journal of Computer Science and Information Technologies, 7(3), 1174–1179. www.ijcsit.com

Fitriana, I., & Aini, L. N. (2017). Penataan kawasan pesisir pantai desa bakauheni sebagai kawasan ekowisata. 2014.

Gaffar, A. W. M., & Sitanggang, I. S. (2019). Spatial model for predicting sugarcane crop productivity using support vector regression. IOP Conference Series: Earth and Environmental Science, 335(1). https://doi.org/10.1088/1755-1315/335/1/012009

Kusmanto, E., Hasanudin, M., & Setyawan, W. B. (2016). Amplifikasi Pasang Surut dan Dampaknya terhadap Perairan Pesisir Probolinggo. Oseanologi Dan Limnologi Di Indonesia, 1(3), 69–80.

Mendenhall, W., Beaver, R. J., & Beaver, B. M. (2012). Introduction to Probability and Statistics. Cengage Learning.

Nikentari, N., Ritha, N., & Haryadi, T. (2018). Prediksi Pasang Surut Air Laut Menggunakan Jaringan Syaraf Tiruan Backpropagation. Jurnal Sustainable: Jurnal Hasil Penelitian Dan Industri Terapan, 7(1), 1–6. https://doi.org/10.31629/sustainable.v7i1.443

Nontji, D. A. (2007). Laut Nusantara. Djambatan.

Santosa, B. (2007). Data Mining : Teknik Pemanfaatan Data untuk Keperluan Bisnis. Graha Ilmu.

Smola, A. J., & Scholkopf, B. (2004). A tutorial on support vector regression. Statistics and Computing, 14, 199–222. http://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=1CAD92EF8CCE726A305D8A41F873EEFC?doi=10.1.1.114.4288&rep=rep1&type=pdf%0Ahttp://download.springer.com/static/pdf/493/art%3A10.1023%2FB%3ASTCO.0000035301.49549.88.pdf?auth66=1408162706_8a28764ed0fae9

Yadav, S., & Shukla, S. (2016). Analysis of k-Fold Cross-Validation over Hold-Out Validation on Colossal Datasets for Quality Classification. Proceedings - 6th International Advanced Computing Conference, IACC 2016, Cv, 78–83. https://doi.org/10.1109/IACC.2016.25

Yulius, Heriati, A., Mustikasari, E., & Zahara, R. I. (2017). KARAKTERISTIK PASANG SURUT DAN GELOMBANG DI PERAIRAN TELUK SALEH, NUSA TENGGARA BARAT. 13(1), 65–73.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Jurnal Kemaritiman: Indonesian Journal of Maritime

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Indexed by:

Creative Commons License
Jurnal Kemaritiman: Indonesian Journal of Maritime is licensed under a Creative Commons Attribution 4.0 International License.

p-ISSN: 2722-1946 , e-ISSN: 2722-4260