<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="154157">
 <titleInfo>
  <title>PENERAPAN METODE-METODE SINGLE IMPUTATION DAN FUNGSI KERNEL SUPPORT VECTOR REGRESSION PADA DATA IKLIM KOTA BANDA ACEH</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Wildatunnisa</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA Statistika</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Perubahan iklim berdampak signifikan terhadap kondisi atmosfer, termasuk meningkatnya frekuensi kekeringan yang memengaruhi ketersediaan air dan ketahanan pangan. Kota Banda Aceh mengalami variabilitas iklim yang tinggi, sehingga penelitian ini bertujuan untuk menentukan metode imputasi terbaik dalam menangani data iklim yang hilang serta memilih fungsi kernel optimal pada Support Vector Regression (SVR) dalam memprediksi indeks kekeringan. Penelitian ini menggunakan data iklim harian Kota Banda Aceh periode 2010–2024 yang bersumber dari website Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Data ini mencakup variabel temperatur, kelembapan, curah hujan, lamanya penyinaran matahari, dan kecepatan angin. Metode single imputation yang diuji mencakup Last Observation Carried Forward (LOCF), Next Observation Carried Backward (NOCB), dan Baseline Observation Carried Forward (BOCF). Evaluasi kinerja metode imputasi dilakukan menggunakan metrik Mean Absolute Error (MAE), Mean Absolute Scaled Error (MASE), Relative Absolute Error (RAE), dan Weighted Mean Absolute Percentage Error (WMAPE). Setelah imputasi menggunakan metode terbaik, diterapkan SVR dengan kernel linier, polinomial, Radial Basis Function (RBF), dan sigmoid. Evaluasi kinerja fungsi kernel dilakukan menggunakan metrik Root Mean Square Error (RMSE), Median Absolute Error (MedAE), dan MAE. Hasil penelitian menunjukkan bahwa metode NOCB memberikan performa terbaik dalam menangani data hilang pada data iklim Kota Banda Aceh dengan kesalahan terendah di mana nilai MAE, MASE, RAE, dan WMAPE secara berturut turut sebesar 0,965; 0,023; 0,040; dan 4,047. Sementara itu, model SVR dengan kernel linier memiliki nilai kesalahan paling rendah berdasarkan metrik RMSE, MedAE, dan MAE secara berturut-berturut 0,300; 0,216; dan 0,248 untuk SPI serta 0,256; 0,186; dan 0,208 untuk SPEI yang menunjukkan bahwa kernel linier paling optimal dalam memprediksi indeks kekeringan di Kota Banda Aceh.</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>CLIMATOLOGY</topic>
 </subject>
 <subject authority="">
  <topic>CLIMATE CONTROL</topic>
 </subject>
 <classification>551.68</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>154157</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-04-22 10:12:31</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-04-22 12:14:16</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>