Implementasi Algoritma Support Vector Machine (SVM) untuk Deteksi Banjir

Agnes Frenica, Lindawati Lindawati, Lindawati Lindawati, Sopian Soim, Sopian Soim

Abstract


Banjir merupakan bencana yang paling banyak terjadi pada tahun 2022 di Indonesia. Berdasarkan laporan Badan Nasional Penanggulangan Bencana (BNPB), jumlah bencana banjir setara 43,1% dari total kejadian bencana nasional sekitar 1.524 kejadian. Salah satu wilayah yang secara berulang terkena dampak banjir selama periode 2022 hingga 2023 adalah Sumatera Selatan sebanyak 99 kali. Dalam upaya penanggulangan masalah ini, teknologi machine learning dapat digunakan sebagai alat pendeteksi dan peringatan dini terhadap banjir, salah satunya Algoritma SVM. Dalam penelitian ini, kinerja berbagai kernel SVM dinilai, dan kernel dengan kinerja terbaik dipilih untuk digunakan dalam sistem deteksi banjir. Penelitian ini mengkategorikan status banjir dengan tiga label klasifikasi: "aman," "waspada," dan "bahaya". Dalam upaya membangun model prediksi status banjir, berbagai algoritma SVM seperti linear, polynomial, RBF, dan sigmoid diimplementasikan menggunakan dataset publik. Lalu akan diuji dengan alat deteksi banjir yang terdiri dari dari arduino uno, nodemcu, dan berbagai sensor seperti sensor ultrasonik, sensor debit air, sensor curah hujan, sensor suhu dan kelembaban. Evaluasi dilakukan melalui pengukuran akurasi, presisi, recall, F1-Score, kurva ROC, dan Cross-Validation. Hasil evaluasi menunjukkan bahwa model SVM dengan kernel polynomial terpilih sebagai model deteksi yang optimal dibandingkan dengan kernel lainnya. Model ini mencapai akurasi pelatihan dan pengujian sebesar 1.0, waktu pelatihan hanya 0.0012 detik, waktu prediksi 0.0002 detik, serta presisi, recall, dan F1-score sebesar 1.0. Selain itu, cross-validation juga mencapai 1.0 dalam mengklasifikasikan data banjir. Pengujian pada alat digunakan 131 data uji dengan hasil akurasi sebesar 1.0. Hasil klasifikasi dan data sensor disajikan melalui aplikasi Android, memudahkan dalam pemantauan banjir.


References


Risdiandi R. Analisis Cara Kerja Sensor Ultrasonik Menggunakan Mikrokontroler Arduino Uno Untuk Merancang Alat Deteksi Banjir Secara Otomatis. OSF Preprints. Jan. 2021.

Annur CM. Banjir sampai Kekeringan, Ini Bencana Alam di Indonesia pada 2022. Databoks. Jan. 04, 2023. Available: https://databoks.katadata.co.id/datapublish/ 2023/01/04/banjir-sampai-kekeringan-ini-bencana-alam-di-indonesia-pada-2022.

Akbar H, Aryani D, Ulum MB. Deteksi Banjir Area Perkotaan Berbasis Citra Digital Convolutional Neural Network (VGG19). Jurnal Teknik Mesin, Elektro dan Ilmu Komputer. 2022; 2(3): 82-91.

Tarigan J, Betan AD. Sistem Perancangan Pendeteksi Banjir Secara Dini Menggunakan Mikrokontroler Arduino Uno. Jurnal Teknik Mesin. 2019; 2(2): 63-67.

Tenggono A, Wijaya Y, Kusuma E, et al. Sistem Monitoring dan Peringatan Ketinggian Air berbasis Web dan SMS Gateway. Sisfotenika. 2015; 5(2): 119–129.

Purnamasari D, Jonathan JH, Perdana SY, Ihsani F, Wicaksana SIWW. Get Easy Using Weka. Jakarta Timur: Dapur Buku. 2013.

Wahyudi Y, Faiqurahman M, Risqiwati D. Sistem Iot Untuk Deteksi Bencana Banjir Menggunakan Algoritma C4.5 Dan Modul Komunikasi ESP 8266. In Prosiding SENTRA (Seminar Teknologi dan Rekayasa). 2021; 6: 295-303.

Mauliana P. Prediksi Banjir Sungai Citarum dengan Logika Fuzzy Hasil Algoritma Particle Swarm Optimization. Jurnal Informatika. 2016; 3(2).

Stanley F, Lisangan EA. Sistem Dan Simulasi Deteksi Banjir Untuk Peringatan Dini Diolah Memakai Metode KNN Berbasis Arduino. TEMATIKA: Jurnal Penelitian Teknik Informatika dan Sistem Informasi. 2020; pp. 9-22.

Cahyo MPD. Kinerja Algoritma Support Vector Machine dalam Menentukan Kebenaran Informasi Banjir di Twitter (Doctoral dissertation, Universitas Negeri Jakarta). 2017.

Ritonga AS, Purwaningsih ES. Penerapan Metode Support Vector Machine (SVM) Dalam Klasifikasi Kualitas Pengelasan Smaw (Shield Metal Arc Welding). Jurnal Ilmiah Edutic: Pendidikan dan Informatika. 2018; 5(1): 17-25.

Faiza IM, Andriani W. Tinjauan Pustaka Sistematis: Penerapan Metode Machine Learning untuk Deteksi Bencana Banjir. Jurnal Minfo Polgan. 2022; 11(2): 59-63.

Ritonga AS, Purwaningsih ES. Penerapan Metode Support Vector Machine (SVM) Dalam Klasifikasi Kualitas Pengelasan Smaw (Shield Metal Arc Welding). Jurnal Ilmiah Edutic: Pendidikan dan Informatika. 2018; 5(1): 17-25.

Budiharto W, Prabawati TA. Machine Learning dan Computational Intelligence. Yogyakarta: Penerbit Andi; 2016.

Parapat IM, Furqon MT, Sutrisno S. Penerapan Metode Support Vector Machine (SVM) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. 2018; 2(10): 3163-3169.

Praghakusma AZ. Komparasi Fungsi Kernel Metode Support Vector Machine untuk Analisis Sentimen Instagram dan Twitter (Studi Kasus: Komisi Pemberantasan Korupsi (KPK)). Doctoral dissertation, UPN Veteran Yogyakarta; 2021.

Sasongko TB. Komparasi dan Analisis Kinerja Model Algoritma SVM dan PSO-SVM (Studi Kasus Klasifikasi Jalur Minat SMA). Jurnal Teknik Informatika dan Sistem Informasi. 2016; 2(2).

J. M. Ashfaque and F. Markowet, “Introduction to Support Vector Machines and Kernel Methods,†no. April, pp. 1–9, 2019.

Praghakusma AZ. Komparasi Fungsi Kernel Metode Support Vector Machine untuk Analisis Sentimen Instagram dan Twitter (Studi Kasus: Komisi Pemberantasan Korupsi (KPK)). Doctoral dissertation, UPN Veteran Yogyakarta; 2021.

Samsugi S. Internet of Things (IoT): Sistem Kendali Jarak Jauh Berbasis Arduino dan Modul WiFi Esp8266. ReTII. 2017.




DOI: https://doi.org/10.35314/isi.v8i2.3443

Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


This Journal has been listed and indexed in :

Crossref logo Find in a library with WorldCat

Copyright of Jurnal Inovtek Polbeng - Seri Informatika (ISSN: 2527-9866)

Creative Commons License
ISI: Inovtek Polbeng Seri Informatikan is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Editorial Office :
Pusat Penelitian dan Pengabdian kepada Masyarakat
 Politeknik Negeri Bengkalis 
Jl. Bathin alam, Sungai Alam Bengkalis-Riau 28711 
E-mail: [email protected]
www.polbeng.ac.id

Web
Analytics
View My Stats