ANALISIS MODEL PREDIKSI BANJIR DENGAN METODE K-NEAREST NEIGHBORS (KNN) BERBASIS OPTIMASI MACHINE LEARNING PADA BPBD DKI JAKARTA

• ARNOLDUS RAJA INO
• 2025

---

Penelitian ini bertujuan untuk memprediksi risiko banjir di wilayah DKI Jakarta menggunakan algoritma K-Nearest Neighbors (KNN). Model dirancang untuk mengklasifikasikan wilayah ke dalam tiga tingkat risiko: rendah, sedang, dan tinggi, berdasarkan fitur historis seperti tinggi muka air dan frekuensi kejadian banjir tahunan. Data tahun 2013–2024 dari BPBD DKI Jakarta digunakan sebagai dasar pelatihan model. Proses normalisasi menggunakan Z-Score dan Min-Max Scaling terbukti penting untuk meningkatkan performa KNN. Validasi silang (5-Fold Cross Validation) menunjukkan bahwa nilai K=3 memberikan hasil terbaik. Model mencapai akurasi antara 96% hingga 99%, dengan presisi, recall, dan F1-score di atas 95%. Hasil ini menunjukkan bahwa KNN mampu memetakan risiko banjir secara andal berdasarkan tren data numerik. Prediksi untuk tahun 2026–2028 menunjukkan peningkatan risiko banjir pada beberapa wilayah, terutama Jakarta Pusat, Utara, dan Barat yang masuk kategori tinggi. Jakarta Timur dan Selatan masuk kategori sedang hingga tinggi, sementara Kepulauan Seribu diprediksi tetap dalam kategori risiko rendah. Model ini dapat digunakan sebagai dasar penyusunan strategi mitigasi dan sistem peringatan dini berbasis data.

• Prediksi banjir
• K-Nearest Neighbors
• Normalisasi Data
• Z-Score
• Min-Max Scaling
• klasifikasi risiko

https://repository.bsi.ac.id/repo/70829/ANALISIS-MODEL-PREDIKSI-BANJIR-DENGAN-METODE-K-NEAREST-NEIGHBORS-(KNN)-BERBASIS-OPTIMASI-MACHINE-LEARNING-PADA-BPBD-DKI-JAKARTA
Anda dapat membaca file tugas akhir ini di repository.