PENERAPAN ALGORITMA GAUSSIAN NAIVE BAYES DALAM PENENTUAN PRIORITAS REHABILITASI DAERAH ALIRAN SUNGAI BERDASARKAN PARAMETER LAHAN KRITIS
Abstract Views : 351 / Downloads Count: 241DOI:
https://doi.org/10.31949/infotech.v9i2.6501Keywords:
Klasifikasi, Gaussian , Naive Bayes, lahanAbstract
Berkurangnya sumber air, lapisan tanah yang subur mengalami erosi, longsor, dimana hal ini berdampak pada perubahan lahan kritis, yang menyebabkan penurunan kualitas Daerah Aliran Sungai (DAS). DAS Pemali Jratun memiliki lahan kritis seluas 559.492.530 hektar. Pendekatan klasifikasi dapat digunakan untuk mengidentifikasi wilayah yang memiliki lahan kritis dengan menggunakan algoritma Gaussian Naive Bayes selama proses data mining, dengan metodologi yang digunakan dalam penelitian ini adalah KDD. Skenario pembagian dataset terbagi menjadi 3 yaitu data 70:30, 80:20, dan 90:10, penelitian ini akan dibagi menjadi 5 klasifikasi, yaitu Sangat Kritis, Kritis, Agak Kritis, Kritis Potensial, dan Tidak Kritis. Hasil pengujian dari 3 skenario yang dibuat, pemodelan dari rasio 70:30, memiliki akurasi yang unggul. Nilai F1-Score 0,61, Precision 0,56, Recall 0,71, dan Accuracy 71%. Berdasarkan kesimpulan akhir klasifikasi, terdapat dua kelas lahan kritis penting yaitu kelas 1 dengan tingkat kekritisan lahan berpotensi kritis dan kelas 2 dengan tingkat kekritisan lahan agak kritis.
Downloads
References
Ariyani, N., Ariyanti, D. O., & Ramadhan, M. (2020). Pengaturan Ideal Tentang Pengelolaan Daerah Aliran Sungai di Indonesia ( Studi di Sungai Serang Kabupaten Kulon Progo ) ∗. 27(3), 592–614.
BPS Jawa Tengah. (2021). J a w a T e n g a h Province in Figures. 1–1003.
Cahyaningrum, H., Arifianto, D., & Abdurrahman, G. (2022). Analisis Perbandingan Metode K Nearest Neighbor Dan Gaussian Naive Bayes Pada Klasifikasi Jurusan Siswa (Studi Kasus pada Siswa SMA Muhammadiyah 3 Jember) A Comparative Analysis of K Nearest Neighbor and Gaussian Naive Bayes methods in students major clas. Jurnal Smart Teknologi, 3(3), 2774–1702. http://jurnal.unmuhjember.ac.id/index.php/JST
Dean, J. (2014). Big Data, Data Mining,and Machine Learning Value Creation for Business Leaders and Practitioners (pp. 49–50).
Dirjen Pengendalian DASHL. (2018). Peraturan Direktur Jenderal Pengendalian Daerah Aliran Sungai dan Hutan Lindung Nomor P.3/PDASHL/SET/KUM.1/7/2018 Tentang Petunjuk Teknis Penyusunan Data Spasial Lahan Kritis. 1–20.
Han, J., & Kamber, M. (2006). Data Mining: Concepts and Techniques Second Edition.
Herni Yulianti, S. E., Oni Soesanto, & Yuana Sukmawaty. (2022). Penerapan Metode Extreme Gradient Boosting (XGBOOST) pada Klasifikasi Nasabah Kartu Kredit. Journal of Mathematics Theory and Application, 4(1), 21–26. https://doi.org/10.31605/jomta.v4i1.1792
Kristiano, D. H., Noertjahyani, N., & Sufiadi, E. (2021). Analisis Kekritisan Lahan Pada Fungsi Kawasan Konservasi DAS Citarum Dengan Software Arcgis. OrchidAgro, 1(1), 14. https://doi.org/10.35138/orchidagro.v1i1.237
Nugraha, W., & Sasongko, A. (2022). Hyperparameter Tuning pada Algoritma Klasifikasi dengan Grid Search. SISTEMASI : Jurnal Sistem Informasi, 11(2), 391–401.
Purwanto, A., Darmadi, E. A., Trimitra, P., Mandiri, K., By, J., Jomin -Blok, P., & Barat -Kotabaru -Cikampek -Karawang, S.-J. (2018). Perbandingan Minat Siswa Smu Pada Metode Klasifikasi Menggunakan 5 Algoritma. 2(1), 43–47.
Putri, T. A. E., Widiharih, T., & Santoso, R. (2023). Penerapan Tuning Hyperparameter Randomsearchcv Pada Adaptive Boosting Untuk Prediksi Kelangsungan Hidup Pasien Gagal Jantung. Jurnal Gaussian, 11(3), 397–406. https://doi.org/10.14710/j.gauss.11.3.397-406
Ramadhan, M. I. (2017). Penerapan Data Mining untuk Analisis Data Bencana Milik BNPB Menggunakan Algoritma K-Means dan Linear Regression. Jurnal Informatika Dan Komputer, 22(1), 57–65.
Yulianita, T., & Istiawan, D. (2017). Implementasi Algoritma K-modes untuk Penentuan Prioritas Rehabilitasi Daerah Aliran Sungai Berdasarkan Parameter Lahan Kritis. The 6th University Research Colloquium 2017, September, 429–440.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Tiara Destiana, Yuyun Umaidah, Ultach Enri
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
