Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN)
Hermawan, Eki
Unknown Affiliation
Computer Science & IT Education

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

Found 1 Documents
Search

 1 
Sistem Prediksi Banjir Rob Kota Pontianak Berbasis Machine Learning Menggunakan Framework Streamlit Hermawan, Eki; Panjaitan, Seno Darmawan; Ripanti, Eva Faja
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 3 (2024): Volume 10 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i3.79955

Abstract

 Kota Pontianak yang terletak di garis ekuator merupakan salah satu wilayah di Indonesia dimana sering terjadi bencana hidrometeorologi. Dengan topografi wilayah yang datar dan terletak di dataran rendah dengan ketinggian antara 0,8 meter hingga 1,5 meter diatas permukaan laut berdampak signifikan terhadap bencana, salah satunya banjir rob. Luapan Sungai Kapuas akibat adanya pasang maksimum yang dipengaruhi oleh angin munson Asia menyebabkan terjadinya banjir rob. Kejadian ini memiliki resiko tinggi terhadap masyarakat di sepanjang bantaran Sungai Kapuas. Langkah untuk mitigasi bencana dan pemberian informasi terkait kejadian banjir rob kepada masyarakan perlu dilakukan, salah satunya melalui pendekatan dengan mengimplementasikan sistem prediksi menggunakan teknologi machine learning. Sistem dirancang menggunakan data historis yang diperoleh dari Stasiun Meteorologi Maritim Pontianak pada tahun 2017 hingga 2023 dan diolah menggunakan algoritma support vector machine, random forest dan k-nearest neighbor. Algoritma random forest memiliki kinerja paling optimal dalam membangun model dengan nilai akurasi 0,99 dan waktu komputasi 1,84 second pada skenario uji 70:30. Implementasi model yang dibangun dengan algoritma random forest divisualisakan berbasis website menggunakan framework streamlit. Sistem dapat melakukan klasifikasi tingkat kejadian banjir dan prediksi nilai ketinggian air sesuai dengan kategori yang telah ditentukan. Pengujian dilakukan saat terjadinya banjir rob pada 23 Desember 2022 pukul 05:00 WIB, menunjukkan nilai ketinggian air 34 cm dari permukaan tanah. Nilai MAE yang diperoleh yaitu 3.24, RMSE 4.86 dan MAPE 1,52% menunjukkan sistem yang dibangun memiliki tingkat keakuratan model yang sangat baik dan dapat digunakan secara optimal.
Co-Authors Eva Faja Ripanti Seno Darmawan Panjaitan