Klasifikasi Kejadian Banjir di DKI Jakarta Berdasarkan Data Historis BPBD Menggunakan Algoritma C4.5 Berbasis Decision tree

Klasifikasi Kejadian Banjir di DKI Jakarta Berdasarkan Data Historis BPBD Menggunakan Algoritma C4.5 Berbasis Decision tree

• By Dewi Irena, Alfikri M.Farid, Santoso Rame, Purwandan Indah;
• Jurnal Nasional Terakreditasi
• 81
• 1-14

Banjir merupakan permasalahan utama di DKI Jakarta yang berdampak besar pada aspek ekonomi, sosial, dan infrastruktur. Penelitian ini bertujuan mengklasifikasikan tingkat kejadian banjir berdasarkan data historis BPBD DKI Jakarta periode 2020–2023 menggunakan algoritma C4.5 berbasis Decision Tree. Analisis dilakukan melalui dua pendekatan, yaitu perhitungan manual (entropy dan information gain) serta implementasi menggunakan RapidMiner. Tahapan penelitian mencakup pengumpulan dan pra-pemrosesan data, penerapan algoritma, serta evaluasi model menggunakan confusion matrix. Hasil menunjukkan bahwa algoritma C4.5 berhasil membentuk pohon keputusan yang konsisten antara perhitungan manual dan implementasi, serta mampu mengklasifikasikan wilayah ke dalam dua kategori, yaitu aman dan rawan, dengan akurasi yang baik. Model ini diharapkan menjadi dasar pengembangan sistem pendukung keputusan dalam mitigasi dan penanganan banjir di DKI Jakarta.

• Katakunci Algoritma C4.5, Decision Tree, Klasifikasi Banjir, Rapidminer, DKI Jakarta
• URL https://e-jurnal.stmikbinsa.ac.id/index.php/simkom
• Penerbit Sekolah Tinggi Manajemen Informatika dan Komputer Bina Bangsa, Kendari Sulawesi Tenggara

REFERENSI

[1]        A. M. Alawiyah, “Journal of Geospatial Information Science and Engineering,” vol. 4, no. 2, pp. 95–101, 2021, doi: 10.22146/jgise.

[2]        S. Azizah, Sustainable Livelihood Strategy , Keberlanjutan Usaha Peternakan sapi Pedaging Pasca Bencana Banjir, no. December. 2024.

[3]        B. B. Karnisah Iin, Astor. Yackob, Sistem informasi geografis (sig) pengendalian banjir, no. 043. 2019.

[4]        I. Risnawati et al., “Klasifikasi Data Mining Untuk Mengestimasi Potensi Curah Hujan Berdampak Banjir Daerah Menggunakan Algoritma C4.5,” J. Insa. J. Inf. Syst. Manag. Innov., vol. 3, no. 2, pp. 78–84, 2023, doi: 10.31294/jinsan.v3i2.3050.

[5]        M. F. Nasrullah, R. R. Saedudin, and F. Hamami, “Perbandingan Akurasi Algoritma C4.5 Dan K-Nearest Neighbors Untuk Klasifikasi Curah Hujan Berdasarkan Iklim Indonesia,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 9, no. 2, pp. 628–638, 2024, doi: 10.29100/jipi.v9i2.4655.

[6]        A. Abdullah and I. Koma, “Prediksi Banjir Di Kota Pontianak Menggunakan Metode Decision Tree C4 . 5,” Justek  J. Sains Dan Teknol., vol. 8, no. 1, pp. 40–50, 2025.

[7]        R. Nurdiyani Sari and S. S. Azharina, “Penerapan Algoritma C4.5 Untuk Memprediksi Bencana Gunung Meletus Di Indonesia,” Jts, vol. 3, no. 2, pp. 1–9, 2024.

[8]        I. Iddrus and D. W. Sari, “Penerapan Data Mining Menggunakan Algoritma Decision Tree C4.5 Untuk Memprediksi Mahasiswa Drop Out Di Universitas Wiraraja,” J. Adv. Res. Inform., vol. 1, no. 02, pp. 1–7, 2023, doi: 10.24929/jars.v1i02.2684.

[9]        F. N. Umma, B. Warsito, and D. A. I. Maruddani, “Klasifikasi Status Kemiskinan Rumah Tangga Dengan Algoritma C5.0 Di Kabupaten Pemalang,” J. Gaussian, vol. 10, no. 2, pp. 221–229, 2021, doi: 10.14710/j.gauss.v10i2.29934.

[10]      I. A. Siregar, “ALACRITY : Journal Of Education,” vol. 1, no. 2, pp. 39–48, 2021.