Implementasi metode random forest dan support vector machine dalam pemetaan daerah rawan banjir di kota pangkalpinang

Nikken Halim, (NIM. 1072111011) (2026) Implementasi metode random forest dan support vector machine dalam pemetaan daerah rawan banjir di kota pangkalpinang. Other thesis, Universitas Bangka Belitung.

	Text HALAMAN DEPAN.pdf Restricted to Registered users only Download (2MB)
	Text BAB I.pdf Restricted to Registered users only Download (877kB)
	Text BAB II.pdf Restricted to Registered users only Download (2MB)
	Text BAB III.pdf Restricted to Registered users only Download (868kB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Restricted to Registered users only Download (501kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (627kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (4MB)

Abstract

Kota Pangkalpinang merupakan ibukota Provinsi Kepulauan Bangka Belitung yang selalu mengalami bencana banjir setiap tahunnya. Bencana ini disebabkan oleh hujan dengan intensitas relatif tinggi, kondisi pasang air laut, cuaca ekstrim, dan alih fungsi lahan. Penelitian ini bertujuan untuk menganalisis klasifikasi daerah rawan bencana banjir di Kota Pangkalpinang menggunakan metode Random Forest dan Support Vector Machine (SVM). Data yang digunakan adalah data kejadian banjir pada tahun 2024 dengan enam parameter yaitu data curah hujan, peta tata guna lahan, peta kemiringan lereng, peta elevasi, peta buffer sungai, data kepadatan penduduk. Hasil penelitian menunjukkan bahwa pada metode yang lebih baik digunakan untuk mengklasifikasikan kerawanan banjir adalah metode Random Forest dengan akurasi 78,89 % dan nilai Area Under Curve (AUC)=1,0. Kerawanan banjir diklasifikasikan menjadi kelas rawan banjir dan kelas tidak rawan banjir. Berdasarkan 42 kelurahan di Kota Pangkalpinang, kelurahan yang termasuk ke dalam kelas rawan banjir adalah Kelurahan Pasir Putih, Selindung, Kacang Pedang, Tua Tunu Indah, Sriwijaya, Rejosari, Bintang, Parit Lalang, Batin Tikal, Gedung Nasional, Opas Indah dan Rawa Bangun.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi, banjir, random forest, SVM
Subjects:	Q Sains > QA Mathematics
Divisions:	FAKULTAS SAINS DAN TEKNIK > MATEMATIKA > SKRIPSI
Depositing User:	Merty Merty
Date Deposited:	05 Jun 2026 08:34
Last Modified:	05 Jun 2026 08:34
URI:	https://repository.ubb.ac.id/id/eprint/13822

Actions (login required)

View Item