Klasifikasi Resiko Tsunami di Daerah Pantai Selatan Jawa Tengah dengan Menerapkan Algoritma SVM (Studi Kasus Kab. Kebumen)
DOI:
https://doi.org/10.26623/transformatika.v20i1.5297Keywords:
Tsunami, Vegetation Index, Support Vector Machine (SVM)Abstract
Tsunami adalah salah satu bencana alam yang dapat terjadi kapan saja yang keberadaannya tidak dapat dihindari. Kabupaten Kebumen adalah salah satu daerah yang bertempat di bagian pantai selatan Provinsi Jawa Tengah yang memiliki risiko terkenanya bencana tsunami. Hal ini terjadi akibat lokasi dari kabupaten kebumen yang berada dekat dengan perairan dan memiliki banyak luas wilayah pada dataran rendah. Penelitian ini dilakukan agar dapat memberikan informasi mengenai risiko yang dapat terjadi pada wilayah tersebut dengan melakukan prediksi dan klasifikasi dengan menggunakan data dari Citra Landsat-8 OLI yang diambil dari USGS serta memanfaatkan 5 indeks vegetasi yaitu NDVI, NDBI, NDWI, MNDWI, dan WI dengan penerapan metode Support Vector Machine (SVM) yang merupakan salah satu metode machine learning yang digunakan untuk klasifikasi. Pada penelitian ini didapatkan ada 11 desa yang diprediksi berisiko tinggi terkena tsunami dengan nilai akurasi yang didapatkan sebesar 0.945 dan nilai kappa sebesar 0.914 dimana semakin tinggi nilai yang didapatkan maka semakin tinggi juga ketepatan hasil prediksi yang diperoleh.
References
Badan, S., & Penanggulangan, N. (2020). Tanah Longsor dan Banjir Bencana yang Mematikan di Indonesia ( Data Tahun 2008-2017 ) Pendahuluan Pertumbuhan Penduduk Indonesia. 1 13.
Wiga Maulana Baihaqi, Muliasari Pinilih, Miftakhul Rohma. 2020. Kombinasi K-MEANS dan Support Vector Machine (SVM) Untuk Memprediksi Unsur Sara pada Tweet . Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK). Vol.7, No.3, Juni 2020, Halaman 501-510.
Amanda Febrianti, Arini, S.T., M.T., Feri Fahrianto, M.Sc. Penerapan Metode K-Means Clustering dan Support Vector Machine (SVM) Dalam Identifikasi Api Pada Citra Warna Digital . Jurnal CoreIT. Vol. 6, No.1, Juni 2020, Halaman 45-49.
Maria Chrisntina Endarwati, Widiyanto Hari Subagyo Widodo, Annisa Hamidah Imadudinna. Identifikasi Zona Kerentanan Penggunaan Lahan Terhadap Bencana Tsunami di Kabupaten Banyuwangi . Jurnal Manajemen Bencana (JMB). Vol.7, No.2, November 2021, Halaman 99-108.
Rais Yufli Xavierullah, Murman Dwi Prasetio, Denny Sukma Eka Atmaja. Rancang Bangun Klasifikasi Cacat pada Genting Menggunakan Metode Support Vector Machine (SVM) . Jurnal Rekayasa Sistem dan Industri (JRSI). Vol.7, No.2, Desember 2020, Halaman 116-119.
Iqbal Fahmi Abdillah, Firman Farid Muhsoni. Pemetaan Risiko Tsunami Berdasarkan Skenario Ketinggian Tsunami di Kecamatan Pasirian Kabupaten Lumajang Provinsi Jawa Timur . Jurnal Trunojoyo. Vol.1, No.4, Desember 2020, Halaman 486-497.
V. K. S. Que, S. Y. J. Prasetyo, dan C. Fibriani, Analisis Perbedaan Indeks Vegetasi Normalized Difference Vegtation Index (NDVI) dan Normalized Burn Rati (NBR) Kabupaten Pelawan Menggunakan Citra Satelit Landsat 8 , J. Comput. Model., Vol.1, No.1, Juni 2019, Halaman 1-7.
Downloads
Additional Files
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
Transformatika is licensed under a Creative Commons Attribution 4.0 International License.
