Support Vector Machine, Naive Bayes Classifier, dan Regresi Logistik Ordinal dalam Prediksi Cuaca

SEFRI IMANUEL FALLO, Dr. Abdurakhman, S.Si., M.Si.

2021 | Tesis | MAGISTER MATEMATIKA

Pembelajaran mesin, cabang dari kecerdasan buatan, adalah disiplin ilmu yang mencakup perancangan dan pengembangan algoritma yang memungkinkan komputer untuk mengembangkan perilaku yang didasarkan pada data empiris. Dalam pembelajaran mesin, terdapat beberapa teknik, salah satu di antaranya adalah klasifikasi. Pada penelitian ini metode klasifikasi yang digunakan adalah metode perbandingan antara support sector machine, Naive Bayes classifier, dan regresi logistik ordinal . Data yang digunakan dalam penelitian adalah data cuaca Bogor, data cuaca Malang, dan data cuaca Jakarta Utara. Peneliti membandikan ketiga metode tersebut dengan menggunakan data cuaca yang kemudian dibagi dalam tiga proporsi data training yang berbeda yaitu 70%, 60%, dan 90% dengan melihat kebaikan modelnya menggunakan hasil akurasi. Rata-rata akurasi dari support vector machine dengan kernel RBF, support vector machine dengan kernel linear, Naive Bayes classifier, dan regresi logistik ordinal adalah 67.69%,67.99%, 69.40%, dan 69.63%. Berdasarkan hasil analisis ketiga metode tersebut, dapat disimpulkan bahwa regresi logistik ordinal merupakan metode yang paling baik dibandingkan dengan support vector machine dan Naive Bayes classifier. Nilai akurasi metode regresi logistik ordinal menghasilkan akurasi tertinggi sehingga metode regresi logistik ordinal layak digunakan untuk memprediksi data testing.

Machine learning is a branch of artificial intelligence, is a discipline that includes the design and development of algorithms that allow computers to develop behaviors based on empirical data. In machine learning, there are several techniques, one of which is classification. In this study the classification method used is the comparison method between support sector machine, Naive Bayes classifier, and ordinal logistic regression. The data used in this study are Bogor weather data, weather data Malang, and North Jakarta weather data. The researcher compared the three methods using weather data which was then divided into three different proportions of training data, namely 70%, 60%, and 90% by looking at the goodness of the model using the results The mean accuracy of support vector machine with RBF kernel, support vector machine with linear kernel, Naive Bayes classifier, and ordinal logistic regression are 67.69%,67.99 %, 69.40%, and 69.63%. Based on the results of the analysis of the three methods, it can be concluded that ordinal logistic regression is the best method compared to support vector machine and Naive Bayes classifier. Therefore the ordinal logistic regression method is feasible to use to predict the testing data.

Kata Kunci : Machine Learning, Klasifikasi, Support Vector Machine, Naive Bayes Classifier, Regresi Logistik Ordinal, Akurasi, Cuaca