Source : Health Detik
Halo Sobat Data!
Halo Sobat Data!
Selamat datang pada sesi #IDEA (Insight Data Eksplorasi Akademik). Sobat Data akan diajak mengeksplorasi jurnal penelitian yang menyoroti temuan utama, data yang digunakan, hingga potensi dampaknya di dunia nyata.
Yuk, kita jelajahi kekayaan ilmu dari sains data dan temukan inspirasi baru yang bisa diaplikasikan! Pastikan kamu simak sampai akhir agar tidak ketinggalan insight berharga ya Sobat Data!
Pada edisi ini, Sobat Data akan diajak menjelajahi jurnal dari Dosen Sains Data Telkom University Surabaya yaitu Ibu Regita Putri Permata, S.Stat., M.Stat. dan Ibu Rifdatun Ni’mah, S.Si., M.Si. dengan jurnal yang berjudul “Daily Rainfall Forecasting with ARIMA Exogenous Variables and Support Vector Regression”. Penasaran lebih lanjut? Yuk kita bahas di bawah ya Sobat Data!
Apakah Sobat Data pernah mendengar tentang metode ARIMAX dan Support Vector Regression (SVR) dalam peramalan curah hujan?
Cuaca yang semakin sulit ditebak, terutama akibat perubahan iklim, menuntut metode prediksi yang lebih akurat dan adaptif. Hal inilah yang melatarbelakangi penelitian oleh Ibu Regita Putri Permata bersama tim dari Telkom University dan Universitas Mulawarman. Dalam jurnalnya, mereka memprediksi curah hujan harian di Surabaya dengan pendekatan gabungan antara metode statistik klasik dan machine learning, yaitu ARIMAX dan SVR.
Penelitian ini menggunakan data harian curah hujan dari enam pos pengamatan di Surabaya, yakni Keputih, Kedung Cowek, Gubeng, Wonorejo, Wonokromo, dan Gunung Sari, selama periode 2009 hingga 2018. Dengan melihat karakteristik musiman dan tren yang terbentuk dari data tersebut, metode ARIMAX digunakan untuk mengakomodasi pengaruh faktor eksternal seperti musim (melalui variabel dummy bulan), sementara SVR ditambahkan untuk menangani pola data yang bersifat non-linear.
ARIMAX sendiri merupakan pengembangan dari metode ARIMA yang memungkinkan model memperhitungkan variabel tambahan di luar data historis utama. Dalam penelitian ini, dummy bulan digunakan sebagai variabel eksogen untuk mengidentifikasi musim hujan dan kemarau secara lebih tajam. Namun, mengingat data curah hujan kerap kali menunjukkan pola yang tidak linier dan fluktuatif, maka digunakanlah metode Support Vector Regression sebagai pelengkap. SVR memiliki keunggulan dalam menangkap pola kompleks melalui fungsi kernel seperti Radial Basis Function (RBF), serta kemampuan dalam meminimalkan kesalahan prediksi dengan pendekatan margin toleransi.
Menariknya, pemilihan input pada model SVR tidak dilakukan sembarangan. Input lag yang digunakan berasal dari hasil model ARIMAX sebelumnya, sehingga kombinasi kedua pendekatan ini saling melengkapi. Setelah dilakukan evaluasi menggunakan Root Mean Square Error (RMSE), hasilnya menunjukkan bahwa metode SVR mampu memberikan prediksi yang lebih akurat pada beberapa lokasi seperti Keputih dan Kedung Cowek. Sementara itu, di pos pengamatan seperti Gubeng dan Wonorejo, model ARIMAX masih memberikan hasil terbaik.
Hasil penelitian ini menunjukkan bahwa pendekatan hybrid yang menggabungkan metode statistik klasik dan machine learning dapat memberikan hasil prediksi yang lebih baik dibandingkan jika digunakan secara terpisah. Di tengah kondisi iklim yang makin tidak menentu, penggunaan model-model seperti ini menjadi semakin penting, terutama untuk pengambilan keputusan yang berkaitan dengan manajemen air dan mitigasi bencana.
Jadi, melalui penelitian ini kita bisa melihat bagaimana peran Sains Data tidak hanya sekadar mengolah angka, tapi juga memberikan solusi nyata bagi masalah lingkungan dan sosial. Tertarik belajar lebih dalam soal pemodelan seperti ini? Program Studi Sains Data Telkom University Surabaya adalah tempat yang tepat untuk memulainya.
Baca dan eksplorasi lebih lanjut disini ya Sobat Data!
Terus ikuti sesi #IDEA untuk mengeksplorasi lebih banyak penelitian menarik di bidang sains data dan aplikasinya di dunia nyata!
Yuk segera daftarkan diri kamu di Data Science Telkom University Surabaya dan wujudkan impianmu!
Playing with Data, Winning the Era.
More info :
-Website : https://bds-sby.telkomuniversity.ac.id/
-Instagram : https://www.instagram.com/ds.telkomsurabaya/