Penerapan Deteksi Bencana Banjir Menggunakan Metode Machine Learning

Authors

  • Nenden Siti Fatonah Universitas Mercu Buana

DOI:

https://doi.org/10.22441/format.2021.v10.i2.002

Keywords:

Bencana Alam, Bencana Banjir, Data Mining, Naive Bayes

Abstract

Bencana alam dapat di definisikan sebagai sebuah kejadian yang tidak terduga terjadi nya, hal tersebut sering terjadi di Indonesia terutama bencana banjir yang terjadi dalam kurun waktu 5 tahunan namun akhir-akhir ini bencana banjir tersebut sudah dapat dirasakan hampir setiap tahun di beberapa bagian wilayah di indonesia. Banjir dapat diartikan sebagai suatu kejadian yang hadir dengan tiba-tiba secara cukup cepat di mana tidak tertampungnya debit air dalam saluran pembuangan (palung sungai) atau terhambatnya aliran debit air yang menuju ke laut di dalam saluran pembuangan, sehingga daerah yang terhambat dengan debit air mengakibatkan meluapnya debit air pada saluran penampungan pada beberapa daerah sekitarnya dan merupakan salah satu bencana alam yang terjadi dengan waktu yang tak terduga  tidak dapat dicegah, karena hal tersebut maka perlu diupayakan sebuah penerapan untuk mendeteksi bagaimana dapat menanggulangi bencana banjir untuk tahun-tahun selanjutnya untuk mengurangi dampak kerugian yang diakibatkannya bagi populasi manusia. Pada penelitian ini dilakukan bagaimana dapat mendeteksi bencana banjir yang telah terjadi di bulan sebelumnya agar pada tahun ini dan tahun selanjutnya pihak yang terkait dan masyarakat sekitar daerah tersebut dapat mengetahui seberapa besarnya dampak bencana banjir yang akan terjadi. Penelitian kali ini menggunakan metode Data Mining dengan algoritma yang digunakan adalah algoritma Naïve Bayes. Hasil yang di hasilkan dalam penelitian ini adalah 76,73% dengan menggunakan algoritma Naïve Bayes untuk ke accuracyan nya. Namun tools yang digunakan belum mampu memprediksi hari terjadinya bencana banjir.

Downloads

Download data is not yet available.

References

Amril Mutoi Siregar. PENERAPAN ALGORITMA K-MEANS UNTUK PENGELOMPOKAN DAERAH RAWAN BENCANA DI INDONESIA. Universitas Buana Perjuangan Karawang

Rahayu, Harkunti P., I. I. Wahdiny, A. Utami dan M. Asparini. 2009. Banjir dan Upaya Penanggulangannya. Bandung : PROMISE Indonesia

Ligal, S. 2008. Pendekatan Pencegahan dan Penanggulangan Banjir. Jurnal. Dinamika Teknik Sipil Volume 8, No. 2 Juli 2008

FoxNews,(http://www.foxnews.com/story/2007/ 09/04/nasa-global-warming-tocausemore-severe-tornadoes-storms.html), diakses tanggal 10 Desember 2017.

Bayong, T. H. K. 1999. Klimatologi Umum. Bandung: ITB.

Purnamasari, Detty, Jonathan H, Yoga Perdana S, Fuji Ihsani, and I wayan S Wicaksana. Get Easy Using Weka. Jakarta Timur: Dapur Buku, 2013.

Yudhi Andrian, Erlinda Ningsih. "Prediksi Curah Hujan Di Kota Medan Menggunakan Metode Backpropagation Neural Network." Seminar Nasional Informatika. Medan: e-joyrnal potensi utama, 2014.

Cici Oktaviani, Afdal. "Prediksi Curah Hujan Bulanan Menggunakan Jaringan Syaraf Tiruandengan beberapa Fungsi Pelatihan Backpropagation." Jurnal fisika Unand, 2014: 228-237.

Arief Andy Soebroto, Imam Cholissodin, Randy Cahya Wihandika, Ziya El Arief. "Prediksi Tinggi Muka Air (TMA) Untuk Deteksi Dini Bencana Banjir Menggunakan SVRTVIWPSO." Jurnal Teknologi Informasi dan Ilmu Komputer, 2015: 79-86

Santosa, Budi. Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta : Graha Ilmu, 2007.

Han, J., and M.Kamber. 2006. Data Mining Concept and Techniques Second Edition. San Frasisco : Elsevier.

Larose, Daniel T. Data Mining Methods and Models. Canada : A Jhon Willey & Sons, Inc.,Publication, 2005.

Downloads

Published

2021-07-25

How to Cite

[1]
N. S. Fatonah, “Penerapan Deteksi Bencana Banjir Menggunakan Metode Machine Learning”, FORMAT, vol. 10, no. 2, pp. 119–126, Jul. 2021.

Issue

Section

Articles

Most read articles by the same author(s)

Similar Articles

> >> 

You may also start an advanced similarity search for this article.