Model Prediksi Risiko Banjir Menggunakan Algoritma Machine Learning: Kajian Literatur dan Aplikasi Metode Decision Tree

Abstract

Dengan menggunakan metode penelitian literatur, penelitian ini menyelidiki penerapan algoritma pembelajaran mesin, khususnya Decision Tree, dalam memprediksi risiko banjir. Banjir adalah bencana alam yang sering terjadi di negara tropis seperti Indonesia, terutama di daerah dataran rendah seperti Kota Pontianak. Penelitian ini melihat keakuratan, variabel input, dan performa algoritma pemodelan banjir melalui tinjauan sepuluh jurnal ilmiah. Selain itu, penelitian ini mengembangkan kerangka konseptual untuk sistem prediksi banjir berbasis Decision Tree yang menguji data klimatologi harian. Hasilnya menunjukkan bahwa faktor-faktor seperti kelembapan udara, curah hujan, dan penyinaran matahari sangat memengaruhi klasifikasi kondisi banjir. Meskipun model menunjukkan akurasi 87,7%, kesalahan prediksi minoritas tetap ada. Penelitian ini menunjukkan bahwa penggabungan pembelajaran mesin ke dalam sistem peringatan dini bencana sangat menjanjikan untuk pengambilan keputusan yang cepat dan fleksibel di wilayah yang rentan terhadap banjir.