Estimasi Nilai Ambang Batas Curah Hujan Dengan Machine Learning Untuk Peringatan Dini Banjir Pada DAS Bedadung

Abstract

Banjir merupakan salah satu bencana yang terjadi di Kabupaten Jember, khususnya pada DAS Bedadung. Umumnya, banjir terjadi akibat tingginya curah hujan dalam durasi yang panjang, sehingga menyebabkan luapan sungai. Kejadian banjir besar di masa lalu menegaskan pentingnya langkah mitigasi yang efektif untuk mengurangi banjir. Sistem peringatan dini yang berbasis perkiraan ambang batas curah hujan dapat menjadi salah satu alat mitigasi risiko. Penelitian ini bertujuan untuk memprediksi ambang batas curah hujan yang dapat memicu banjir di DAS Bedadung dengan teknik machine learning yang digunakan sebagai dasar untuk sistem peringatan dini banjir. Metodologi penelitian mencakup penentuan ambang batas curah hujan konvensional, identifikasi faktor-faktor pemicu banjir, prediksi nilai ambang batas curah hujan dengan machine learning, dan sistem peringatan dini. Data curah hujan historis, baik dari stasiun observasi maupun satelit, digunakan untuk membangun model prediksi. Enam algoritma machine learning digunakan, yaitu Boosting, Decision Tree, K-Nearest Neighbors, Regresi Linear, Random Forest, dan Support Vector Machine. Model terbaik dipilih berdasarkan evaluasi kinerja menggunakan MSE, RMSE, MAE, MAPE, dan R2 . Hasil penelitian menunjukkan bahwa model KNN merupakan algoritma machine learning paling baik dalam memprediksi nilai ambang batas curah hujan di DAS Bedadung dan digunakan dalam sistem peringatan dini banjir. Model yang dihasilkan menunjukkan tingkat akurasi 95,7% dalam meramalkan kejadian banjir di DAS Bedadung. Dengan begitu, sistem peringatan dini banjir berbasis prediksi ambang batas curah hujan dapat diimplementasikan sebagai langkah mitigasi bencana di DAS Bedadung.