Pelatihan dan Pengujian Menggunakan Model SVR Evaluasi dan Validasi Model

Dimana : Y oi Y = Observasi pada periode ke-i i=1,2, ... , n pi n = Panjang periode prakiraan = Hasil prakiraan pada periode ke-i i=1,2, ... , n Kriterian kebaikan model lainnya yang digunakan yaitu Mean Absolute Error Prediction MAEP. MAEP adalah rata-rata nilai absolute dari kesalahan meramal tidak dihiraukan tanda positif atau negatifnya. Nilai MAEP diperoleh dengan rumus : ....................... 7 Dimana : Y oi Y = Observasi pada periode ke-i i=1,2, ... , n pi n = Panjang periode prakiraan = Hasil prakiraan pada periode ke-i i=1,2, ... , n Sedangkan kriteria kebaikan model lainnya yang juga dapat digunakan adalah nilai R 2 prediction atau disebut koefisien determinasi. Koefisien determinasi menunjukan proporsi keragaman total nilai-nilai variabel respon yang dapat diterangkan oleh variable prediktor dalam model yang digunakan. Berikut adalah rumus mencari nilai R 2 prediction ..................... 8 : Dimana : R 2 Y = Koefisien Determinasi Korelasi i Y = Observasi pada periode ke-i i=1,2, ... , n i Y = Rata – rata Observasi pada periode ke-i i=1,2, ... , n i Tahapan terakhir dari penelitian ini yaitu melakukan dokumentasi dan pelaporan akhir hasil penelitian. = Hasil prakiraan pada periode ke-i i=1,2, ... , n

3.2 Lingkup Pengembangan Model

Perangkat keras yang digunakan berupa Personal Computer PC dengan spesifikasi : a. Processor: Intel Core i5 3.20 GHz, b. Memory : 2 GB, dan Harddisk: 500 GB. Perangkat lunak yang digunakan yaitu: a. Sistem Operasi: Windows 7 Ultimate, b. Matlab 7.7.0, c. Microsoft Excel 2007, d. MS. Visual Studio 2008 e. Notepad ++

BAB IV HASIL DAN PEMBAHASAN

4.1 Pemodelan Downscaling Menggunakan Suport Vector Regression SVR

Penelitian ini dilakukan dengan melakukan percobaan menggunakan SVR terhadap luaran GCM dan anomali SST Nino 3.4 serta 13 stasiun pemantauan curah hujan di Kabupaten Indramayu selama 22 tahun 1979-2000. Berdasarkan hasil ujicoba terhadap model pendugaan luaran GCM dan anomali SST Nino 3.4 serta observasi 13 stasiun pemantauan curah hujan menghasilkan suatu nilai pendugaan cukup baik apabila melakukan perbandingan rataan pengamatan stasiun hujan dengan rataan prediksi yang dihasilkan dari model SVR, seperti disajikan pada gambar 6. Gambar 6 Plot hasil rataan prediksi dan observasi curah hujan bulanan berdasarkan luaran GCM dan anomali SST Nino 3.4 Model SVR fungsi kernel linear. Pada gambar 6, menunjukan bahwa secara umum hasil pendugaan yang diperoleh dengan menggunakan model fungsi SVR kernel linear menghasilkan sebuah pola distribusi hasil estimasi curah hujan bulanan sudah hampir mendekati data observasinya dari 13 stasiun curah hujan plot hasil rataan prediksi dan observasi untuk semua model luaran GCM dan anomali SST Nino 3.4 fungsi kernel polynomial dan RBF disajikan pada lampiran 1. Akan tetapi 21