Abstract
Informasi cuaca dapat digunakan masyarakat untuk mengantisipasi kejadian buruk yang menimbulkan bencana, sehingga merugikan jiwa dan harta. Cuaca merupakan kondisi sementara rata-rata udara yang menjadi hal utama untuk penentuan iklim di suatu wilayah berupa rata-rata cuaca pada jangka waktu tertentu, sedangkan curah hujan menjadi unsur yang berpengaruh terhadap perubahan iklim di suatu wilayah. Curah hujan merupakan fenomena yang rumit dan bersifat non linier. Selain itu, curah hujan juga menjadi variabel penting untuk peramalan cuaca yang dapat mempengaruhi kehidupan. Oleh sebab itu, diperlukan peramalan curah hujan yang akan terjadi di waktu mendatang untuk dapat mendukung penentuan cuaca dan iklim di suatu wilayah pada waktu tertentu. Peramalan dapat dilakukan berdasarkan pendekatan secara objektif dengan melakukan komputasi matematika pada data historis runut waktu. Metode Support Vector Regression (SVR) merupakan machine learning pengembangan dari metode Support Vector Machine (SVM) yang dapat melakukan peramalan objek bersifat non linier. Untuk meningkatkan akurasi regresi metode SVR diperlukan penentuan nilai parameter SVR yang tepat, seperti parameter C dan ?. Metode Particle Swarm Optimization (PSO) yang terinspirasi dari tingkah laku sekumpulan makhluk hidup dapat melakukan optimasi parameter metode SVR dan strategi Parallel PSO (PPSO) dapat meningkatkan pencarian solusi optimum secara global. Berdasarkan evaluasi kinerja peramalan runut waktu curah hujan di wilayah Poncokusumo menggunakan metode SVR-PPSO yang mengacu pada nilai Root Mean Square Error (RMSE). Metode SVR-PPSO dapat melakukan peramalan runut waktu curah hujan tahunan dengan nilai RMSE 41.51560, hujan musiman dengan nilai RMSE 56.11680, dan hujan tahun ke tahun dengan nilai RMSE 23.35970.
