Prediksi Banjir Di Kota Pontianak Menggunakan Metode Decision Tree C4.5

Abstract

Abstract:  – The city of Pontianak is prone to flooding during the rainy season due to its low land surface elevation of 0.1–1.5 meters above sea level and its location along the Kapuas River. Flood prediction in Pontianak needs to be conducted using predictive techniques from data mining. One of the predictive analysis methods is the C4.5 decision tree. This study aims to design a flood prediction model for Pontianak using the C4.5 decision tree method and to determine the obtained accuracy results. The research methodology follows several stages, including problem identification, literature review, data collection, data processing, testing, and conclusion. In this study, three experiments were conducted with different treatments. The model performance evaluation for these three experiments was carried out using a confusion matrix. Based on the evaluation results, the best model for flood prediction was obtained from the second experiment, achieving an accuracy, precision, recall, and F1-score of 98%, 72%, 76%, and 74%, respectively, on the test data

Abstrak: Kota Pontianak merupakan daerah rentan terjadinya bencana banjir saat musim hujan tiba karena memiliki ketinggian permukaan tanah 0,1-1,5 meter diatas permukaan laut dan dilalui oleh aliran Sungai Kapuas. Prediksi banjir di Kota Pontianak perlu dilakukan dengan memanfaatkan teknik prediksi dari data mining. Salah satu metode analisis prediktif adalah decision tree C4.5. Tujuan Penelitian ini adalah merancang model prediksi banjir di Kota Pontianak menggunakan metode decision tree C4.5 serta mengetahui hasil akurasi yang diperoleh. Metode penelitian pada penelitian ini melalui beberapa tahapan yaitu identifikasi masalah, studi Pustaka, pengumpulan data, pengolahan data, pengujian, dan Kesimpulan. Pada penelitian ini dilakukan tiga percobaan dengan perlakuan yang berbeda. Pengecekan kinerja model dari tiga percobaan tersebut mengunakan confusion matrix. Dari pengecekan tiga percobaan tersebut didapatkan model terbaik untuk memprediksi banjir yaitu pada percobaan kedua dengan hasil akurasi, presisi, recall, dan F1-score sebesar 98%, 72%, 76% dan 74% pada data uji.