Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Indonesian Journal of Computing and Modeling
Yansen Bagas Christianto
Universitas Kristen Satya Wacana
Agriculture, Biological Sciences & Forestry Computer Science & IT Earth & Planetary Sciences Education Mathematics

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

Found 1 Documents
Search
Journal : Indonesian Journal of Computing and Modeling

 1 
Analisis Data Citra Landsat 8 OLI Sebagai Indeks Prediksi Kekeringan Menggunakan Machine Learning di Wilayah Kabupaten Boyolali dan Purworejo Yansen Bagas Christianto; Sri Yulianto Joko Prasetyo; Kristoko Dwi Hartomo
Indonesian Journal of Computing and Modeling Vol 2 No 2 (2019)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (419.504 KB)

Abstract

Abstrak Bencana kekeringan merupakan salah satu bencana yang tidak dapat di hindari lagi keberadaannya. Berdasarkan data dari tahun 1815 sampai tahun 2015 telah terjadi 382 kejadian. Berdasarkan kajian BNPB Kabupaten Boyolali dan Kabupaten Purworejo memiliki resiko tinggi terpapar bencana kekeringan. Untuk itu perlu adanya informasi wilayah resiko bencana kekeringan. Penggunaan data citra satelit Landsat 8 OLI sebagai media informasi vegetasi dan pendekatan Machine Learning untuk menganalisa data ekstraksi pada citra satelit berupa indeks vegetasi. Indeks vegetasi yang di gunakan yaitu NDVI, VCI, VHI, dan TCI dengan implementasi metode XGBoost dan Random Forest untuk mendapatkan hasil prediksi. Hasil yang diperoleh dengan menggunakan perhitungan metode XGBoost ada total 9 kecamatan yang diprediksi terkena bencana kekeringan sangat parah, dan 9 kecamatan dengan metode Random Forest terindikasi kekeringan sangat parah. metode XGBoost memiliki nilai akurasi 0.8286 dan nilai kappa 0.6477 dan metode Random Forest memiliki nilai akurasi 0.6857 dan Nilai Kappa 0.3699. dimana semakin tinggi nilai akurasi dan kappa semakin tepat hasil prediksi yang dilakukan.
Co-Authors Rony, Zahara Tussoleha Sri Yulianto Joko Prasetyo