Optimasi XGBoost untuk Identifikasi Wilayah Prioritas Mitigasi Banjir di Kabupaten Sigi menggunakan Metode Particle Swarm Optimization

Angelin Kristiani Tarese (Universitas Tadulako, Palu, Indonesia)
Dwi Shinta Angreni (Universitas Tadulako, Palu, Indonesia)

Jurnal Manajemen Pendidikan dan Ilmu Sosial (JMPIS)
Vol. 7 No. 1 (2025): Jurnal Manajemen Pendidikan dan Ilmu Sosial (Desember 2025 - Januari 2026)

Kabupaten Sigi, Sulawesi Tengah, sering mengalami banjir hidrometeorologi akibat kondisi geografis yang rawan, menyebabkan kerugian infrastruktur dan mengancam keselamatan jiwa. Penelitian ini bertujuan mengembangkan model klasifikasi untuk mengidentifikasi wilayah prioritas mitigasi banjir dengan menggabungkan algoritma Extreme Gradient Boosting (XGBoost) dan metode Particle Swarm Optimization (PSO). Data yang digunakan mencakup curah hujan, limpasan permukaan, kelembapan tanah, elevasi, kemiringan lereng, dan data historis banjir. Model dasar XGBoost menunjukkan performa baik dengan akurasi 90,32%, F1-score 0,9057, dan AUC 0,9278. Setelah dilakukan optimasi hyperparameter menggunakan PSO, performa meningkat signifikan dengan akurasi 95,2%, F1-score 0,948, dan AUC 0,962. Hasil ini membuktikan bahwa PSO efektif dalam meningkatkan kemampuan model dalam mengklasifikasikan risiko banjir menjadi tiga kategori (rendah, sedang, tinggi). Kesimpulannya, integrasi XGBoost dan PSO mampu memberikan dasar ilmiah yang kuat bagi perencanaan mitigasi banjir yang lebih akurat dan efisien. Disarankan untuk mengintegrasikan model ini dengan sistem peringatan dini dan pembaruan data real-time guna memperkuat respons kebencanaan.