RANCANG BANGUN DECISION SUPPORT SYSTEM PREDIKSI BANJIR DI DKI JAKARTA MENGGUNAKAN ALGORITMA RANDOM FOREST BERBASIS DATA CUACA DAN TINGGI MUKA AIR
DOI:
https://doi.org/10.59134/jimat.v4i1.841Keywords:
Prediksi Banjir, Cuaca, sistem informasi, Random Forest, DKI JakartaAbstract
Bencana banjir di DKI Jakarta kerap terkendala keterlambatan peringatan dini dan belum terpadunya data cuaca dengan tinggi muka air sungai. Penelitian ini merancang sistem pendukung keputusan prediksi banjir berbasis web dan bot notifikasi gawai menggunakan algoritma Random Forest. Data meteorologi dan elevasi pintu air ditarik secara otomatis untuk memproses estimasi risiko. Pengujian model menghasilkan akurasi 99,45%, presisi 100%, sensitivitas 86,67%, dan nilai AUC 1,000 tanpa alarm palsu. Pengujian fungsional membuktikan seluruh fitur visualisasi dan diseminasi pesan darurat bekerja valid. Sistem ini diharapkan mempermudah mitigasi serta meningkatkan kesiapsiagaan masyarakat menghadapi potensi banjir
References
Ahrens, C. D. (2022). Meteorology Today: An Introduction to Weather, Climate, and the Environment.
Aqilla, O. :, & Alliyu, A. (2023). BENCANA BANJIR : PENGERTIAN PENYEBAB, DAMPAK DAN USAHA PENANGGULANGANNYA BERDASARKAN UU PENATAAN RUANG DAN RUU CIPTA KERJA.
Elsa Damayanti, A., Andriani, E., & Giyanfranco Zola, M. (2025). Implementasi Machine Learning Untuk Prediksi Curah Hujan di Daerah Rawan Banjir. In Prosiding Seminar Nasional Ilmu Matematika dan Sains (Number 1).
Hadi, F. A. A., Sidek, L. M., Salih, G. H. A., Basri, H., Sammen, S. S., Dom, N. M., Ali, Z. M., & Ahmed, A. N. (2024). Machine learning techniques for flood forecasting. Journal of Hydroinformatics, 26(4), 779–799. https://doi.org/10.2166/hydro.2024.208
Laudon, K. C., & Laudon, J. P. (2022). Management Information Systems: Managing the Digital Firm (17th ed.). Pearson Education.
Narulita, S., Nugroho, A., & Abdillah, M. Z. (2024). Diagram Unified Modelling Language ( UML ) untuk Perancangan Sistem Informasi Manajemen Penelitian dan Pengabdian Masyarakat ( SIMLITABMAS ) Universitas Nasional Karangturi Semarang , Indonesia ( deskripsi ) dan perancangan sistem , khususnya pada pemrogr. (3), 244–256.
Prasetyo, T. (2025). Analisis Prediksi Risiko Banjir Menggunakan Algoritma Random Forest (Vol. 10, Number 02).
Purnomo, I. A., Indra, J., Awal, E. E., & Rohana, T. (2024). Analisis Prediksi Banjir di Indonesia Menggunakan Algoritma Support Vector Machine dan Random Forest. Journal of Information System Research (JOSH), 6(1), 219–228. https://doi.org/10.47065/josh.v6i1.5958
Sandiwarno, S. (2024). Penerapan Machine Learning Untuk Prediksi Bencana Banjir. Jurnal Sistem Informasi Bisnis, 14(1), 62–76. https://doi.org/10.21456/vol14iss1pp62-76
Wasis Haryo Sasoko, Eka Wahyu Pujiharto, Ruby Haris, Adela Yuza Kania, Kusrini, & Kusnawi. (2024). Prediksi Banjir Di Dki Jakarta Dengan Menggunakan Algoritma K-Means Dan Random Forest. https://ejurnalunsam.id/index.php/jicom/
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 FIQRI ALI SAKHA
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
