Analisis Prediksi Banjir di Indonesia Menggunakan Algoritma Support Vector Machine dan Random Forest

Purnomo, Indarto Aditya (2024) Analisis Prediksi Banjir di Indonesia Menggunakan Algoritma Support Vector Machine dan Random Forest. Journal of Information System Research (JOSH), 6 (1).

[thumbnail of 1. File Judul_240030_20416255201036_Indarto Aditya Purnomo.pdf] Text
1. File Judul_240030_20416255201036_Indarto Aditya Purnomo.pdf

Download (1MB)
[thumbnail of 2. Daftar Isi_240030_20416255201036_Indarto Aditya Purnomo.pdf] Text
2. Daftar Isi_240030_20416255201036_Indarto Aditya Purnomo.pdf

Download (154kB)
[thumbnail of 3. Artikel Utama_240030_20416255201036_Indarto Aditya Purnomo.pdf] Text
3. Artikel Utama_240030_20416255201036_Indarto Aditya Purnomo.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of 4. Daftar Pustaka_240030_20416255201036_Indarto Aditya Purnomo.pdf] Text
4. Daftar Pustaka_240030_20416255201036_Indarto Aditya Purnomo.pdf

Download (601kB)
[thumbnail of 5. Lampiran_240030_20416255201036_Indarto Aditya Purnomo.pdf] Text
5. Lampiran_240030_20416255201036_Indarto Aditya Purnomo.pdf
Restricted to Registered users only

Download (2MB)

Abstract

Bencana alam sering terjadi di indonesia seperti banjir, tanah longsor, dan gunung meletus. Faktor geologis, seperti pertemuan empat lempeng utama, membuat Indonesia rentan terhadap bencana alam. Data statistik dari Badan Penanggulangan Bencana Alam menunjukkan peningkatan kejadian banjir setiap tahun, mencapai puncaknya pada tahun 2021 dengan 1.794 kejadian. Antisipasi diperlukan sejak dini untuk meminimalisir dampak bencana alam, dan pola prediksi menjadi pengetahuan baru untuk mencegah dan menanggulangi bencana tersebut. Pada penelitian ini menerapkan algoritma Support Vector Machine dan Random Forest. Hasil dari penelitian ini prediksi banjir pada tahun 2024 – 2026 terbesar di Indonesia ialah Aceh sebanyak 240 banjir, Sumatera Utara 215 banjir, Jawa Barat sebanyak 210 banjir dan Jawa Tengah sebanyak 160 banjir, hasil perbandingan algoritma terbaik di peroleh Random Forest sebesar 99,6% dengan nilai rata – rata RSME 3.853.
Kata Kunci: Banjir; Support Vector Machine; Random Forest; RSME; Prediksi

Item Type: Article
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Pustakawan UBP Karawang
Date Deposited: 29 Sep 2025 02:42
Last Modified: 29 Sep 2025 02:42
URI: http://repository.ubpkarawang.ac.id/id/eprint/4278

Actions (login required)

View Item
View Item