Sri Mujirah Adam, 2 0 2 3. PENERAPAN METODE SUPPORT VECTOR MACHINE DENGAN SELEKSI FITUR PEARSON CORRELATION TERHADAP KLASIFIKASI CURAH HUJAN DI KABUPATEN BONE BOLANGO. Skripsi. Gorontalo. Program Studi Statistika. Jurusan Matematika. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Negeri Gorontalo. Pembimbing : (1) Dr. Ismail Djakaria, M.Si., (2) Nisky Imansyah Yahya, S.Pd., M.Si. Support Vector Machine merupakan salah satu metode klasifikasi yang dapat menangani masalah dengan data multi kelas. Terdapat permasalahan apabila data yang digunakan memiliki banyak fitur tetapi tidak semua fitur memberikan kontribusi yang sama dalam membangun model pembelajaran sehingga dibutuhkan metode seleksi fitur untuk dapat meningkatkan akurasi dan menghilangkan fitur yang tidak relevan terhadap model pembelajaran. Metode seleksi fitur yang digunakan yaitu Pearson Correlation untuk mengetahui kekuatan hubungan setiap atribut fitur terhadap atribut target. Tujuan penelitian ini yaitu membandingkan fungsi kernel, mengetahui akurasi klasifikasi tanpa dan dengan seleksi fitur dan mengetahui atribut terbaik yang dihasilkan dengan Pearson Correlation sebagai seleksi fitur. Klasifikasi menggunakan data iklim harian yang diperoleh dari NASA POWER dengan 17 fitur dan 1 atribut target yaitu curah hujan yang memiliki 3 kelas yaitu berawan, hujan ringan dan hujan sedang. Hasil penelitian diperoleh bahwa fungsi kernel RBF merupakan fungsi kernel terbaik dalam mengklasifikasikan data, akurasi klasifikasi tanpa seleksi fitur sebesar 93.44% sedangkan dengan seleksi fitur sebesar 96.81?n menghasilkan 16 fitur terbaik dengan 5 atribut yang memiliki nilai korelasi tertinggi yaitu Kelembaban Relatif pada 2 M (X17), Suhu Titik Embun pada 2 M (X11), Kelembaban Spesifik pada 2 M (X16), Suhu Maksimum pada 2 M (X14) dan Kecepatan Angin Minimum pada 10 M (X4). Kata Kunci: Support Vector Machine, Seleksi Fitur, Pearson Correlation, Curah Hujan