SISTEM PREDIKSI TINGGI GELOMBANG LAUT DI SELAT
MAKASSAR MENGGUNAKAN DATA METEOROLOGI DAN
OSEANOGRAFI
Writer(s) : Maghfirah Tenri Sumpala Zani | Indrabayu | Elly Warni
Teknik Informatika | Teknik Informatika S1
Selat Makassar merupakan Alur Laut Kepulauan Indonesia (ALKI) yang
memiliki tingkat lalu lintas laut yang tinggi. Namun, seringkali terjadi insiden
kecelakaan laut di Selat Makassar yang diakibatkan oleh tingginya gelombang
laut. Faktor terjadinya gelombang laut yaitu akibat cuaca diantaranya angin dan
hujan. Selain itu, factor oseanografi juga secara tidak langsung mempengaruhi
gelombang laut seperti perubahan suhu permukaan laut akan mengakibatkan
perubahan cuaca kemudian mengakibatkan gelombang laut.
Penelitian ini bertujuan untuk menemukan hubungan atau pola item variabel
kecepatan angin, arah angin, suhu permukaan laut, curah hujan terhadap tinggi
gelombang laut. Berdasarkan pola antara item digunakan untuk menyaring fitur
yang dianggap relevan untuk digunakan dalam proses prediksi. Selain itu, pola
atau aturan asosiasi yang terbentuk dapat digunakan untuk mendukung hasil
prediksi. Penelitian ini juga bertujuan untuk membangun model sistem prediksi
tinggi gelombang laut di Selat Makassar.
Pencarian pola atau hubungan antar variabel menggunakan metode
association rule dengan Algoritma FP-Growth dengan penetapan minimum
support=0.003, minimum confidence = 0.98 dan nilai lift > 1. Adapun untuk
pembangunan model prediksi menggunakan algoritma Support Vector Regression.
Hasil asosiasi menunjukkan bahwa parameter yang paling berpengaruh
terhadap tinggi gelombang laut di masing-masing bagian di Selat Makassar yaitu
parameter angin diantaranya kecepatan angin dan arah angin. Hasil prediksi Pada
skenario 1 memiliki rata rata error pada data training yaitu 0.0623 dan pada data
testing yaitu sebesar 0.0635. Sedangkan pada skenario 2 memiliki rata rata error
pada data training yaitu 0.0628 dan pada data testing yaitu sebesar 0.0635. Hal
ini membuktikan bahwa pada model yang dihasilkan oleh skenario 1 lebih unggul
dibandingkan skenario 2
Keyword(s): Gelombang Laut, Asosiasi, Prediksi, FP-Growth, Support Vector Regression
Year : 2018