{"title":"Penerapan Deteksi Bencana Banjir Menggunakan Metode Machine Learning","authors":"Nenden Siti Fatonah","doi":"10.22441/FORMAT.2021.V10.I2.002","DOIUrl":null,"url":null,"abstract":"Bencana alam dapat di definisikan sebagai sebuah kejadian yang tidak terduga terjadi nya, hal tersebut sering terjadi di Indonesia terutama bencana banjir yang terjadi dalam kurun waktu 5 tahunan namun akhir-akhir ini bencana banjir tersebut sudah dapat dirasakan hampir setiap tahun di beberapa bagian wilayah di indonesia. Banjir dapat diartikan sebagai suatu kejadian yang hadir dengan tiba-tiba secara cukup cepat di mana tidak tertampungnya debit air dalam saluran pembuangan (palung sungai) atau terhambatnya aliran debit air yang menuju ke laut di dalam saluran pembuangan, sehingga daerah yang terhambat dengan debit air mengakibatkan meluapnya debit air pada saluran penampungan pada beberapa daerah sekitarnya dan merupakan salah satu bencana alam yang terjadi dengan waktu yang tak terduga tidak dapat dicegah, karena hal tersebut maka perlu diupayakan sebuah penerapan untuk mendeteksi bagaimana dapat menanggulangi bencana banjir untuk tahun-tahun selanjutnya untuk mengurangi dampak kerugian yang diakibatkannya bagi populasi manusia. Pada penelitian ini dilakukan bagaimana dapat mendeteksi bencana banjir yang telah terjadi di bulan sebelumnya agar pada tahun ini dan tahun selanjutnya pihak yang terkait dan masyarakat sekitar daerah tersebut dapat mengetahui seberapa besarnya dampak bencana banjir yang akan terjadi. Penelitian kali ini menggunakan metode Data Mining dengan algoritma yang digunakan adalah algoritma Naïve Bayes. Hasil yang di hasilkan dalam penelitian ini adalah 76,73% dengan menggunakan algoritma Naïve Bayes untuk ke accuracyan nya. Namun tools yang digunakan belum mampu memprediksi hari terjadinya bencana banjir.","PeriodicalId":187186,"journal":{"name":"Format Jurnal Ilmiah Teknik Informatika","volume":"91 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-07-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Format Jurnal Ilmiah Teknik Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22441/FORMAT.2021.V10.I2.002","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2
Abstract
Bencana alam dapat di definisikan sebagai sebuah kejadian yang tidak terduga terjadi nya, hal tersebut sering terjadi di Indonesia terutama bencana banjir yang terjadi dalam kurun waktu 5 tahunan namun akhir-akhir ini bencana banjir tersebut sudah dapat dirasakan hampir setiap tahun di beberapa bagian wilayah di indonesia. Banjir dapat diartikan sebagai suatu kejadian yang hadir dengan tiba-tiba secara cukup cepat di mana tidak tertampungnya debit air dalam saluran pembuangan (palung sungai) atau terhambatnya aliran debit air yang menuju ke laut di dalam saluran pembuangan, sehingga daerah yang terhambat dengan debit air mengakibatkan meluapnya debit air pada saluran penampungan pada beberapa daerah sekitarnya dan merupakan salah satu bencana alam yang terjadi dengan waktu yang tak terduga tidak dapat dicegah, karena hal tersebut maka perlu diupayakan sebuah penerapan untuk mendeteksi bagaimana dapat menanggulangi bencana banjir untuk tahun-tahun selanjutnya untuk mengurangi dampak kerugian yang diakibatkannya bagi populasi manusia. Pada penelitian ini dilakukan bagaimana dapat mendeteksi bencana banjir yang telah terjadi di bulan sebelumnya agar pada tahun ini dan tahun selanjutnya pihak yang terkait dan masyarakat sekitar daerah tersebut dapat mengetahui seberapa besarnya dampak bencana banjir yang akan terjadi. Penelitian kali ini menggunakan metode Data Mining dengan algoritma yang digunakan adalah algoritma Naïve Bayes. Hasil yang di hasilkan dalam penelitian ini adalah 76,73% dengan menggunakan algoritma Naïve Bayes untuk ke accuracyan nya. Namun tools yang digunakan belum mampu memprediksi hari terjadinya bencana banjir.