Perbandingan Metode Supervised Machine Learning untuk Prediksi Kelembapan Tanah di Jakarta

Abstract

Air merupakan sumber daya terpenting untuk keberlangsungan makhluk hidup. Seiring dengan meningkatnya populasi dan aktivitas penduduk, ketersediaan air bersih cukup mengkhawatirkan. Penelitian ini bertujuan memprediksi kelembapan tanah yang dilakukan menggunakan metode Random Forest, Neural Network, dan SVM dengan data ERA5-Land. Hasil menunjukkan metode Random Forest menghasilkan R-Squared tertinggi 70,18% dengan MAPE 0,0302 dan RMSE 0,0158 sehingga model dapat memprediksi kelembapan tanah dengan cukup baik. Algoritma Random Forest menjadi model terbaik untuk melakukan prediksi kelembapan tanah. Hal ini nantinya dapat membantu dalam pengelolaan air tanah dan menindaklajuti kebijakan mengenai air tanah.