Abstract
Indonesia merupakan negara kepulauan yang dilintasi oleh garis khatulistiwa, dimana hal tersebut membuat Indonesia sering mengalami perubahan cuaca yang disebut dengan El-Nino dan La-Nina. Cuaca merupakan kondisi udara pada waktu tertentu dalam suatu wilayah untuk menentukan kondisi iklim yang berupa rata – rata cuaca pada jangka waktu tertentu. Curah hujan merupakan salah satu faktor yang mempengaruhi perubahan iklim pada suatu wilayah dan sangat sulit untuk diramalkan, sedangkan informasi curah hujan sendiri sangat penting bagi masyarakat. Peramalan dapat dilakukan dengan menggunakan data data histori yang ada dengan bantuan komputasi matematika dalam pemodelannya. Metode Support Vector Regression (SVR) merupakan salah satu metode yang dapat digunakan untuk menghitung nilai data curah hujan yang besifat nonlinier dengan menggunakan fungsi regresi. Dalam perhitungan menggunakan fungsi regresi diperlukan pemilihan parameter SVR yang tepat agar menghasilkan peramalan dengan tingkat akurasi yang tinggi. Metode Particle Swarm Optimization (PSO) merupakan salah satu metode yang dapat digunakan untuk mengoptimasi parameter metode SVR yang ada, sehingga nantinya akan menghasilkan nilai parameter SVR dengan tingkat akurasi yang tinggi. Peramalan runut waktu curah hujan pada wilayah Poncokusumo dengan menggunakan metode SVR-PSO memiliki nilai evaluasi kinerja yang mengacu pada nilai Root Mean Square Error (RMSE). Terdapat berberapa kernel yang akan digunakan pada permalan runut waktu curah hujan dengan menggunakan metode SVR-PSO yaitu kernel Linear, kernel Gaussian RBF, dan kernel ANOVA RBF. Hasil nilai evaluasi kinerja yang didapatkan dengan mengacu pada nilai RMSE untuk kernel Linear sebesar 8.67904, kernel Gaussian RBF sebesar 25.17489, dan kernel ANOVA RBF sebesar 2.18107.
