TEUKU MUHAMMAD FAIZ NUZULLAH Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Statistika 2025

Skripsi

Upwelling merupakan fenomena naiknya massa air dari lapisan bawah ke permukaan danau yang membawa zat-zat beracun, sehingga terjadi kematian ikan secara massal. Klasifikasi adalah teknik dalam machine learning yang digunakan untuk mengelompokkan data ke dalam kategori atau label tertentu berdasarkan pola yang dipelajari dari data latih. Dalam penelitian ini, klasifikasi diterapkan untuk membedakan kondisi upwelling menjadi dua label, yaitu berpotensi dan tidak berpotensi upwelling. Penelitian ini bertujuan untuk mengembangkan model prediksi kejadian upwelling menggunakan semi-supervised learning, guna memberikan wawasan yang lebih baik terhadap pola kejadian ini. Penelitian ini menggunakan desain observasional dengan analisis data iklim harian dari 2017 hingga 2023, yang mencakup 2.556 observasi. Data diperoleh dari situs NASA dengan titik koordinat di Danau Laut Tawar, Aceh Tengah. Variabel penelitian meliputi kejernihan langit, suhu udara, suhu permukaan, curah hujan, tekanan permukaan, dan kecepatan angin. Analisis data dilakukan menggunakan algoritma K-Means clustering untuk menentukan klaster, diikuti oleh klasifikasi dengan Support Vector Machine (SVM) menggunakan kernel linier, polinomial, dan radial basis function (RBF). Evaluasi model dilakukan dengan menggunakan confusion matrix dan metrik seperti akurasi, presisi, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa dua klaster optimal diperoleh melalui metode elbow dan silhouette score, membagi data menjadi kategori "berpotensi upwelling" dan "tidak berpotensi upwelling" dengan silhouette score 0,7737. Model SVM dengan kernel polinomial dan RBF menunjukkan performa terbaik, dengan akurasi hingga 1, presisi 1, recall 1, dan F1-Score 1 pada konfigurasi data training 90% dan testing 10%. Model SVM dengan kernel polinomial dan RBF terbukti efektif dalam memprediksi upwelling di Danau Laut Tawar. Kata kunci: upwelling, data iklim historis, k-means clustering, support vector machine 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 153951 2025-04-21 12:17:40 2025-04-21 15:43:11 machine generated