Sistem Prediksi Banjir Rob Kota Pontianak Berbasis Machine Learning Menggunakan Framework Streamlit
DOI:
https://doi.org/10.26418/jp.v10i3.79955Abstract
Kota Pontianak yang terletak di garis ekuator merupakan salah satu wilayah di Indonesia dimana sering terjadi bencana hidrometeorologi. Dengan topografi wilayah yang datar dan terletak di dataran rendah dengan ketinggian antara 0,8 meter hingga 1,5 meter diatas permukaan laut berdampak signifikan terhadap bencana, salah satunya banjir rob. Luapan Sungai Kapuas akibat adanya pasang maksimum yang dipengaruhi oleh angin munson Asia menyebabkan terjadinya banjir rob. Kejadian ini memiliki resiko tinggi terhadap masyarakat di sepanjang bantaran Sungai Kapuas. Langkah untuk mitigasi bencana dan pemberian informasi terkait kejadian banjir rob kepada masyarakan perlu dilakukan, salah satunya melalui pendekatan dengan mengimplementasikan sistem prediksi menggunakan teknologi machine learning. Sistem dirancang menggunakan data historis yang diperoleh dari Stasiun Meteorologi Maritim Pontianak pada tahun 2017 hingga 2023 dan diolah menggunakan algoritma support vector machine, random forest dan k-nearest neighbor. Algoritma random forest memiliki kinerja paling optimal dalam membangun model dengan nilai akurasi 0,99 dan waktu komputasi 1,84 second pada skenario uji 70:30. Implementasi model yang dibangun dengan algoritma random forest divisualisakan berbasis website menggunakan framework streamlit. Sistem dapat melakukan klasifikasi tingkat kejadian banjir dan prediksi nilai ketinggian air sesuai dengan kategori yang telah ditentukan. Pengujian dilakukan saat terjadinya banjir rob pada 23 Desember 2022 pukul 05:00 WIB, menunjukkan nilai ketinggian air 34 cm dari permukaan tanah. Nilai MAE yang diperoleh yaitu 3.24, RMSE 4.86 dan MAPE 1,52% menunjukkan sistem yang dibangun memiliki tingkat keakuratan model yang sangat baik dan dapat digunakan secara optimal.
References
I. A. Ardi And S. R. Hidayati, “Bencana Multi Bahaya Pada Daerah Aliran Sungai Kapuas, Kalimantan Barat,†Vol. 4, No. 2, 2021.
R. Ardianto, A. Ismanto, J. Sampurno, And S. Widada, “Tidal Flood Model Projection Using Land Subsidence Parameter In Pontianak, Indonesia,†Gt, Vol. 17, No. 2/2022, Pp. 135–147, Oct. 2022, Doi: 10.21163/Gt_2022.172.12.
R. Ardianto, A. Ismanto, S. Widada, And J. Sampurno, “Prediction Model For Tidal Flood Control Using One-Way Coupling Scheme In Pontianak, West Kalimantan,†Jth, Vol. 13, No. 2, Pp. 77–88, Dec. 2022, Doi: 10.32679/Jth.V13i2.707.
J. Sampurno, V. Vallaeys, R. Ardianto, And E. Hanert, “Modeling Interactions Between Tides, Storm Surges, And River Discharges In The Kapuas River Delta,†Biogeosciences, Vol. 19, No. 10, Pp. 2741–2757, Jun. 2022, Doi: 10.5194/Bg-19-2741-2022.
Peraturan Kepala Badan Meteorologi Klimatologi dan Geofisika No. 31 (2010) https://peraturan.bpk.go.id/Details/191418/perka-bmkg-no-kep9-tahun-2010.
A. Rachmawardani, S. K. Wijaya, Universitas Indonesia, A. Shopaheluwakan, And Badan Meteorologi Klimatologi Dan Geofisika, “Sistem Peringatan Dini Banjir Berbasis Machine Learning: Studi Literatur,†Jmika, Vol. 6, No. 6, Pp. 188–198, Oct. 2022, Doi: 10.46880/Jmika.Vol6no2.Pp188-198.
N. N. Shaaban, N. Hassan, A. Mustapha, And S. A. Mostafa, “Comparative Performance Of Supervised Learning Algorithms For Flood Prediction In Kemaman, Terengganu,†Journal Of Computer Science, Vol. 17, No. 5, Pp. 451–458, May 2021, Doi: 10.3844/Jcssp.2021.451.458.
I. Fitriyaningsih And Y. Basani, “Flood Prediction With Ensemble Machine Learning Using Bp-Nn And Svm,†Jurnal Teknologi Dan Sistem Komputer, Vol. 7, No. 3, Pp. 93–97, Jul. 2019, Doi: 10.14710/Jtsiskom.7.3.2019.93-97.
R. L. Puspasari, D. Yoon, H. Kim, And K.-W. Kim, “Machine Learning For Flood Prediction In Indonesia: Providing Online Access For Disaster Management Control,†Econ. Environ. Geol., Vol. 56, No. 1, Pp. 65–73, Feb. 2023, Doi: 10.9719/Eeg.2023.56.1.65.
M. B. Arya Darmawan, F. Dewanta, And S. Astuti, “Analisis Perbandingan Algoritma Decision Tree, Random Forest, Dan Naïve Bayes Untuk Prediksi Banjir Di Desa Dayeuhkolot,†Telka, Vol. 9, No. 1, Pp. 52–61, May 2023, Doi: 10.15575/Telka.V9n1.52-61.
R. F. P. Putra, T. I. Nasution, S. Humaidi, And Y. Darmawan, “Analysis Of Interaction Between Atmosphere And Sea Using The Delft3d Hydrodynamics Model For Mapping Coastal Flood Zone At Belawan Port And Coastal,†J. Prisma. Sains, Vol. 11, No. 2, P. 450, Apr. 2023, Doi: 10.33394/J-Ps.V11i2.7773.
A. W. Syafitri And A. Rochani, “Analisis Penyebab Banjir Rob Di Kawasan Pesisir Studi Kasus: Jakarta Utara, Semarang Timur, Kabupaten Brebes, Pekalongan,†Jkr, Vol. 1, No. 1, P. 16, Jan. 2022, Doi: 10.30659/Jkr.V1i1.19975.
M. S. Rafsanjani, V. Suryani, And R. R. Pahlevi, “Deteksi Serangan Botnet Pada Jaringan Internet Of Things Menggunakan Algoritma Random Forest (Rf)â€.
S. Adi And A. Wintarti, “Komparasi Metode Support Vector Machine (Svm), K-Nearest Neighbors (Knn), Dan Random Forest (Rf) Untuk Prediksi Penyakit Gagal Jantung,†Mu, Vol. 10, No. 2, Pp. 258–268, Jul. 2022, Doi: 10.26740/Mathunesa.V10n2.P258-268.
K. A. Rokhman, B. Berlilana, And P. Arsi, “Perbandingan Metode Support Vector Machine Dan Decision Tree Untuk Analisis Sentimen Review Komentar Pada Aplikasi Transportasi Online,†Joism, Vol. 3, No. 1, Pp. 1–7, Jan. 2021, Doi: 10.24076/Joism.2021v3i1.341.
N. Husin, “Komparasi Algoritma Random Forest, Naïve Bayes, Dan Bert Untuk Multi-Class Classification Pada Artikel Cable News Network (Cnn),†Infokom, Vol. 7, No. 1, Pp. 75–84, May 2023, Doi: 10.55886/Infokom.V7i1.608.
M. Ganjirad And M. R. Delavar, “Flood Risk Mapping Using Random Forest And Support Vector Machine,†Isprs Ann. Photogramm. Remote Sens. Spatial Inf. Sci., Vol. X-4/W1-2022, Pp. 201–208, Jan. 2023, Doi: 10.5194/Isprs-Annals-X-4-W1-2022-201-2023.
I. Daniel, H. Hartono, And Z. Situmorang, “Analysis Of Machine Learning Algorithms In Predicting The Flood Status Of Jakarta City,†Icostec, Vol. 2, No. 1, Pp. 82–87, Mar. 2023, Doi: 10.35842/Icostec.V2i1.42.
T. Tursina, H. Muhardi, And D. A. Sari, “Diagnosis Tahapan Pengguna Narkoba Menggunakan Metode K-Nearest Neighbor,†Jepin, Vol. 6, No. 1, P. 101, Apr. 2020, Doi: 10.26418/Jp.V6i1.36133.
W. Hastomo, N. Aini, A. S. B. Karno, And L. M. R. Rere, “Machine Learning Methods For Predicting Manure Management Emissions,†Vol. 11, No. 2, 2022.
P. Syahputra, “Prediksi Lama Rawat Pasien Covid-19 Berbasis Machine Learning,†Jatisi, Vol. 9, No. 4, Pp. 3374–3382, Dec. 2022, Doi: 10.35957/Jatisi.V9i4.2883.
L. Qadrini, “Undersampling Dan K-Fold Random Forest Untuk Klasifikasi Kelas Tidak Seimbang,†Bits, Vol. 4, No. 4, Mar. 2023, Doi: 10.47065/Bits.V4i4.3141.
M. Halim, M. Wook, N. Hasbullah, N. Razali, And H. Hamid, “Comparative Assessment Of Data Mining Techniques For Flash Flood Prediction,†Ijasca, Vol. 14, No. 1, Pp. 126–145, Apr. 2022, Doi: 10.15849/Ijasca.220328.09.
