PEMODELAN PREDIKSI ZONA RAWAN BANJIR DENGAN PENDEKATAN MACHINE LEARNING RANDOM FOREST DI PROVINSI LAMPUNG
Banjir merupakan salah satu bencana hidrometeorologi yang paling sering terjadi di Provinsi Lampung dan menimbulkan berbagai dampak terhadap aspek sosial, ekonomi, serta lingkungan. Kompleksitas faktor penyebab banjir memerlukan pendekatan yang mampu mengakomodasi hubungan nonlinier antarparameter lingkungan untuk menghasilkan informasi kerawanan yang lebih akurat. Penelitian ini bertujuan untuk memodelkan zona rawan banjir di Provinsi Lampung menggunakan algoritma Random Forest, mengidentifikasi parameter yang paling berpengaruh terhadap kejadian banjir, serta mengevaluasi kinerja model yang dihasilkan. Penelitian dilakukan pada wilayah daratan utama Provinsi Lampung dengan menggunakan tujuh parameter lingkungan, yaitu curah hujan, elevasi, kemiringan lereng, jarak terhadap sungai, jenis tanah, tutupan lahan, dan geologi, serta data historis kejadian banjir sebagai data target. Seluruh data diolah dalam lingkungan Sistem Informasi Geografis (SIG) dan dianalisis menggunakan algoritma Random Forest. Evaluasi model dilakukan menggunakan metode Receiver Operating Characteristic–Area Under Curve (ROC-AUC). Hasil penelitian menunjukkan bahwa wilayah dengan tingkat kerawanan banjir tinggi hingga sangat tinggi dominan berada pada bagian tengah dan timur Provinsi Lampung, terutama di Kabupaten Tulang Bawang, Lampung Tengah, dan Lampung Timur. Analisis feature importance menunjukkan bahwa jenis tanah dan tutupan lahan merupakan parameter yang paling dominan dalam memengaruhi kejadian banjir. Model yang dibangun menghasilkan nilai AUC sebesar 0,820 yang menunjukkan kemampuan klasifikasi sangat baik. Hasil penelitian ini diharapkan dapat menjadi informasi pendukung dalam upaya mitigasi bencana banjir, perencanaan tata ruang, serta pengambilan keputusan pembangunan wilayah yang berkelanjutan di Provinsi Lampung.
URI
https://repo.itera.ac.id/depan/submission/SB2607100006
Keyword
Banjir Kerawanan Banjir Provinsi Lampung Random Forest Sistem Informasi Geografis