Alexis, Mizero
Unknown Affiliation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Model Deteksi Tutupan Lahan di Kecamatan Gunungsitoli Menggunakan Algoritma Decision Tree Berbasis Machine Learning Hulu, Amati Eltriman; Alexis, Mizero
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.12955

Abstract

Perkembangan teknologi penginderaan jauh semakin berkembang, integrasi data penginderan jauh dan artificial intelligence-machine learning menjadi pendekatan yang sangat efisien dalam mendeteksi tutupan lahan. Penelitian ini bertujuan untuk untuk membangun model algoritma tutupan lahan menggunakan algoritma decision tree. Data yang digunakan yakni Citra PlanetScope NICFI Level 1 yang diturunkan menjadi beberapa indeks spektral yang terdiri atas Normalized Difference Vegetation Index (NDVI), Visible Atmospherically Resistant Index (VARI),  Soil Adjusted Vegetation Index (SAVI), Normalized Difference Water Index (NDWI), dan Green-Red Vegetation Index (GRVI). Untuk mengukur setia variabel digunakan Information Gain, Gini Index, dan Gain Ratio. Hasil penelitian menunjukan bahwa SAVI dan NDVI merupakan variabel yang informatif dalam membangun model. Distribusi tutupan lahan di Kecamatan Gunungsitoli didominasi oleh tutupan hutan. Kata Kunci – Decision Tree, Machine Learning, Tutupan Lahan, Gunungsitoli
Pemodelan Spasial Kerawanan Banjir di Kepulauan Nias dan sekitarnya berbasis Sistem Informasi Geografis dan Multi-Criteria Decision Analysis Hulu, Amati Eltriman; R, Dandy Adriansyah; Alexis, Mizero; Arianingsih, Ida; Hamka, Hamka; Purnama, Rizky; Maiwa, Arman
Jurnal Ilmu Lingkungan Vol 23, No 5 (2025): September 2025
Publisher : School of Postgraduate Studies, Diponegoro Univer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jil.23.5.1243-1252

Abstract

Peningkatan kejadian Banjir di Kepulauan Nias dalam dekade terakhir menimbulkan kerugian ekonomi dan sosial yang besar. Penelitian ini bertujuan mengembangkan model spasial untuk pemetaan tingkat kerawanan banjir di Kepulauan Nias dan Sekitarnya. Metode yang digunakan adalah Multi-Criteria Decision Analysis (MCDA) berbasis Analytical Hierarchy Process (AHP) yang diintegrasikan dengan Sistem Informasi Geografis (SIG). Enam variabel kriteria dianalisis yaitu kemiringan lereng, ketinggian, curah hujan, jenis tanah, tutupan lahan, dan jarak dari sungai. Hasil analisis AHP menunjukkan bahwa ketinggian dan curah hujan merupakan faktor yang paling berpengaruh signifikan terhadap kerawanan banjir. Model yang dibangun kemudian mengklasifikasikan wilayah ke dalam tiga tingkat kerawanan yaitu rendah, sedang, dan tinggi. Hasil penelitian mengungkapkan bahwa Kabupaten Nias Utara dan Nias Barat memiliki proporsi wilayah dengan kerawanan tinggi yang cukup besar. Sebaliknya, Kota Gunungsitoli dan Kabupaten Nias Selatan didominasi oleh wilayah dengan kerawanan rendah. Model spasial ini dapat berfungsi sebagai alat pendukung keputusan yang efektif bagi pemerintah daerah dan pemangku kepentingan dalam perencanaan mitigasi bencana, pengembangan tata ruang berbasis kebencanaan, dan pengembangan sistem peringatan dini banjir yang terintegrasi di Kepulauan Nias dan Sekitarnya.