Isran K. Hasan
Program Studi Matematika, Jurusan Matematika, Universitas Negeri Gorontalo, Gorontalo

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisis Kinerja Model Random Forest dan Logistic Regression untuk Memprediksi Pengaruh Lingkungan terhadap Zona Nilai Tanah (ZNT) di Kota Gorontalo Irnawati Dau; Isran K. Hasan; Armayani Arsal
Jurnal Riset Mahasiswa Matematika Vol 5, No 5 (2026): Jurnal Riset Mahasiswa Matematika
Publisher : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/jrmm.v5i5.43715

Abstract

Zona Nilai Tanah (ZNT) merupakan indikator penting dalam menentukan nilai ekonomi suatu wilayah yang dipengaruhi oleh berbagai faktor lingkungan dan spasial. Penelitian ini bertujuan untuk membandingkan kinerja model Regresi Logistik Ordinal dan Random Forest dalam mengklasifikasikan ZNT berdasarkan variabel lingkungan di Kota Gorontalo. Data yang digunakan merupakan data sekunder berbasis spasial yang berasal dari Peta ZNT tahun 2023 dan 2024 dengan total 560 sampel. Variabel prediktor meliputi topografi, jarak terhadap sumber daya alam, jarak terhadap ruang terbuka hijau, jarak terhadap fasilitas umum, jarak terhadap kawasan pencemar, dan penggunaan lahan, sedangkan variabel respon berupa klasifikasi ZNT ke dalam kategori rendah, sedang, dan tinggi. Tahapan analisis meliputi pra-pemrosesan data, transformasi variabel, pembagian data latih dan data uji dengan proporsi 80:20, serta pemodelan menggunakan Regresi Logistik Ordinal dan Random Forest. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua model menghasilkan kinerja klasifikasi yang setara dengan nilai accuracy sebesar 96,43\%, precision sebesar 96,52\%, recall sebesar 96,43\%, dan F1-score sebesar 96,43\%. Pada model Regresi Logistik Ordinal, variabel jarak terhadap fasilitas umum merupakan variabel yang signifikan terhadap klasifikasi ZNT, sedangkan pada model Random Forest variabel jarak terhadap fasilitas umum dan penggunaan lahan menunjukkan kontribusi prediktif yang relatif lebih tinggi dibandingkan variabel lainnya.