Perbandingan Algoritma Machine Learning dalam Klasifikasi Status Banjir di Sumatera Utara

Abstract

Indonesia merupakan negara yang rawan mengalami bencana hidrometeorologi, salah satunya adalah banjir. Menurut BNPB, banjir merupakan bencana yang paling sering terjadi di Indonesia setelah gempa bumi dan tanah longsor. Pada 2023, wilayah yang paling mendominasi banjir di Indonesia adalah Pulau Sumatera dengan Provinsi Sumatera Utara sebagai provinsi dengan jumlah kasus banjir tertinggi sebesar 112 kejadian dalam kurun waktu satu tahun. Oleh karena itu, penelitian ini bertujuan untuk mengetahui model terbaik dalam klasifikasi kejadian banjir di Sumatera Utara. Model yang dibandingkan adalah Decision Tree, Naive Bayes, KNN, Random Forest, dan SVM. Parameter yang digunakan adalah NDVI, curah hujan, dan slope. Didapatkan hasil bahwa model Random Forest merupakan model terbaik yang dapat mengklasifikasikan kejadian banjir dengan akurasi sebesar 95,59%.