<![CDATA[Bencana banjir merupakan permasalahan signifikan di Jakarta yang dipengaruhi oleh curah hujan tinggi, sehingga diperlukan sistem prediksi yang andal untuk mitigasi. Penelitian ini menerapkan Logistic Regression Neural Network (LRNN), metode hybrid yang menggabungkan Logistic Regression dan Artificial Neural Network, untuk mendeteksi potensi banjir berdasarkan data cuaca harian wilayah Jakarta periode 2016-2020. Teknik resampling SMOTE-RUS digunakan untuk menangani ketidakseimbangan data, dengan rasio kelas mayoritas dan minoritas yang awalnya 12:1. Model diuji menggunakan data validasi dengan evaluasi metrik recall untuk kedua kelas. Hasil penelitian menunjukkan bahwa model LRNN dengan SMOTE-RUS memiliki recall sebesar 0,75 untuk kelas banjir dan 0,79 untuk kelas tidak banjir, menunjukkan kemampuan model dalam memprediksi kedua kelas secara seimbang, dengan nilai akurasi sebesar 0,79 dan F1 Macro sebesar 0,61. Temuan ini menunjukkan bahwa metode hybrid meningkatkan kinerja prediksi pada kelas banjir dibandingkan metode Logistic Regression biasa, sehingga memberikan kontribusi penting dalam mitigasi bencana.]]>
Copyrights © 2025
