Implementasi Metode Random Forest untuk Prediksi Bencana Banjir Bulanan di Wilayah Kabupaten Kediri
DOI:
https://doi.org/10.29407/52qp9398Abstract
Kejadian banjir yang dipengaruhi oleh tingginya curah hujan dan jumlah hari hujan dapat menimbulkan berbagai dampak bagi masyarakat, terutama pada wilayah yang memiliki potensi banjir cukup tinggi seperti Kabupaten Kediri. Proses identifikasi potensi banjir secara manual dinilai kurang efeketif dalam mengenali pola hubungan data historis sehingga diperlukan sistem prediksi yang mampu membantu proses klasifikasi kondisi banjir secara lebih cepat dan terstruktur. Penelitian ini bertujuan membangun sistem prediksi bencana banjir bulanan menggunakan metode Random Forest dengan tahapan pra-pemrosesan berupa penggabungan data, transformasi data, normalisasi data dan pembagian data latih serta data uji. Hasil evaluasi model menunjukkan bahwa Random Forest memperoleh nilai akurasi sebesar 75% sehingga metode ini dinilai cukup baik dalam melakukan klasifikasi kondisi banjir dan tidak banjir. Model yang telah melalui proses evaluasi kemudian diimplementasikan ke dalam aplikasi berbasis web menggunakan framework Streamlit untuk membantu proses prediksi banjir secara lebih cepat dan terstruktur berdasarkan data yang dimasukkan pengguna.
Keywords:
banjir, klasifikasi, machine learning, random forest, sistem prediksi##plugins.themes.default.displayStats.downloads##
References
[1] D. Sunarya and E. Sutoyo, ―STRATEGI PENANGANAN BANJIR DI KAMPUNG
BABAKAN BANDUNG DESA LEUWISADENG KECAMATAN LEUWISADENG,‖
JPMUJ, vol. 1, no. 1, pp. 40–45, Feb. 2023, doi: 10.32832/JPMUJ.V1I1.1672.
[2] H. Kurniawan, A. Khamid, D. D. Apriliano, Imron, and W. Diantoro, ―Evaluasi dan
Rencana Pengembangan Sistem Drainase di Kota Tegal (Studi Kasus di Kecamatan
Tegal Barat),‖ Era Sains J. Penelit. Sains, Keteknikan dan Inform., vol. 1, no. 2, pp. 1–
11, Jun. 2023, Accessed: May 22, 2026. [Online]. Available:
https://jurnal.eraliterasi.com/index.php/erasains/article/view/105
[3] F. B. Arashi et al., ―Analisis Dampak Bencana Banjir terhadap Kondisi Sosial dan
Ekonomi pada Masyarakat : Analysis of the Impact of Flood Disaster on Social and
Economic Conditions in the Society,‖ BANDAR J. Civ. Eng., vol. 6, no. 2, pp. 56–64,
Nov. 2024, doi: 10.31605/BJCE.V6I2.3788.
[4] P. Pengendalian Banjir Di Kali Hardisingat Kabupaten Kediri Menggunakan HEC-RAS
et al., ―Pemodelan Pengendalian Banjir Di Kali Hardisingat Kabupaten Kediri
Menggunakan HEC-RAS 6.2,‖ J. Teknol. dan Rekayasa Sumber Daya Air, vol. 4, no. 1,
pp. 778–789, Jan. 2024, doi: 10.21776/UB.JTRESDA.2024.004.01.066.
[5] S. Suhadi, F. Mabruroh, A. Wiyanto, and I. Ikra, ―ANALISIS FENOMENA
PERUBAHAN IKLIM TERHADAP CURAH HUJAN EKSTRIM,‖ Opt. J. Pendidik.
Fis., vol. 7, no. 1, pp. 94–100, Jun. 2023, doi: 10.37478/OPTIKA.V7I1.2738.
[6] U. Nurul et al., ―Analisis Potensi Bencana Banjir Berdasarkan Hasil Prediksi Curah
Hujan di Kabupaten Sumbawa,‖ Titian Ilmu J. Ilm. Multi Sci., vol. 16, no. 2, pp. 124–
133, Jul. 2024, doi: 10.30599/JTI.V16I2.3436.
[7] J. Elektronika and D. Komputer, ―Mengoptimalkan Proses Pembersihan Data dalam
Analisis Big Data Menggunakan Pipeline Berbasis AI,‖ Elkom J. Elektron. dan Komput.,
vol. 17, no. 2, pp. 657–666, Dec. 2024, doi: 10.51903/ELKOM.V17I2.2311.
[8] N. Susi, S. Sugiana, and B. Musty, ―Analisis Data Sistem Informasi Monitoring
Marketing; Tools Pengambilan Keputusan Strategic,‖ Jutisi J. Ilm. Tek. Inform. dan
Sist. Inf., vol. 12, no. 2, pp. 696–708, Aug. 2023, doi: 10.35889/JUTISI.V12I2.1240.
[9] A. Ryan Pratama et al., ―Literature Review The Impact of Machine Learning in Modern
Industries,‖ Nian Tana Sikk. J. ilmiah Mahasiswa, vol. 3, no. 1, pp. 177–182, Jan. 2025,
doi: 10.59603/NIANTANASIKKA.V3I1.680.
[10] A. Putra Argadianata, D. Abdul Fatah, H. Sukri, J. Raya Telang, K. Kamal, and J.
Timur, ―KLASIFIKASI KUALITAS BUAH APEL MENGGUNAKAN METODE
RANDOM FOREST,‖ JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 2, pp. 2016–2022,
Mar. 2025, doi: 10.36040/JATI.V9I2.12854.
[11] C. N. Syahputri and M. S. Hasibuan, ―OPTIMASI KLASIFIKASI DECISION TREE
DENGAN TEKNIK PRUNING UNTUK MENGURANGI OVERFITTING,‖ JSiI
(Jurnal Sist. Informasi), vol. 11, no. 2, pp. 87–96, Sep. 2024, doi:
10.30656/JSII.V11I2.9161.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
