Penentuan Wilayah Resiko Bencana Kekeringan di Jawa Tengah Menggunakan Machine Learning dan Indeks Vegetasi pada Citra Landsat 8 OLI

Septian Silvianugroho (Universitas Kristen Satya Wacana)
Sri Yulianto Joko Prasetyo (Fakultas Teknologi Informasi Universitas Kristen Satya Wacana)
Kristoko Dwi Hartomo (Fakultas Teknologi Informasi Universitas Kristen Satya Wacana)

Indonesian Journal of Computing and Modeling
Vol 2 No 2 (2019)

Bencana kekeringan di Indonesia terjadi hampir setiap tahun, khususnya untuk provinsi Jawa Tengah yang mana tercatat dalam sejarah dari tahun 1815 sampai tahun 2015 telah terjadi 382 kejadian. Untuk itu diperlukan adanya prediksi penentuan wilayah kekeringan di seluruh kecamatan di Jawa Tengah. Pada penelitian ini prediksi kekeringan menggunakan Machine Learning untuk menganalisa hasil ekstraksi dari citra Landsat-8 OLI yang berupa indeks vegetasi yaitu NDVI, SAVI, VCI, VHI dan TCI dengan menggunakan beberapa algoritma, diantaranya adalah Decision Tree, Principal Component Analisys(PCA) dan Random Forest. Hasil yang diperoleh ada total 17 kecamatan yang diprediksi terkena bencana kekeringan yang sangat parah, dengan nilai accuracy 0,7507463, logloss 0,6232992 dan Mean Sequare Error (MSE) sebesar 0,1795135.