Penerapan Metode Machine Learning untuk Identifikasi Area Rawan Banjir di Surabaya

Saifudin, Ahmad (2023) Penerapan Metode Machine Learning untuk Identifikasi Area Rawan Banjir di Surabaya. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6012202018-Master_Thesis.pdf - Accepted Version Restricted to Registered users only until 1 April 2025. Download (25MB) | Request a copy

Abstract

Banjir merupakan bencana alam yang meluas dan dramatis. Banjir sering terjadi di Surabaya, Jawa Timur pada saat adanya hujan dengan intensitas tinggi. Banjir memberikan dampak bagi manusia dampak bencana banjir berupa kerugian ekonomi, gangguan sosial, dan kerusakan lingkungan. Dikarenakan hal tersebut diperlukan suatu sistem guna memantau daerah rawan banjir. Oleh karena itu penelitian ini mengambil studi kasus terkait dengan analisis bahaya banjir dan area rawan banjir di Surabaya.

Pemanfaatan satelit penginderaan jauh yang dikombinasikan dengan Sistem Informasi Geografis dapat digunakan untuk identifikasi area rawan banjir. Persiapan data kejadian banjir didapatkan dari histori kejadian banjir. Terdapat 101 titik banjir yang kemudian dibagi secara acak untuk training (70%) dan validasi (30%). Data DEM dan data penggunaan lahan diperlukan untuk menghasilkan faktor penyebab banjir. Dalam penelitian ini analisis area rawan banjir menggunakan Frequency Ratio untuk menilai kontribusi dari faktor penyebab banjir. Nilai FR yang didapatkan selanjutnya digunakan untuk menghasilkan Flood Susceptibility Index (FSI).

Hasil dari analisis penelitian ini yaitu metode Machine Learning yang terbaik adalah Rain Forest. Faktor penyebab banjir yang paling berpengaruh dari sembilan faktor dalam penelitian ini yaitu penggunaan lahan, khususnya lahan terbangun. Kerentanan banjir yang dihasilkan dari penelitian ini yaitu kerentanan banjir di Kota Surabaya pada tahun 2021 untuk tingkat rendah mencapai 12,91 persen, tingkat menengah mencapai 12,91 persen dan tingkat tinggi mencapai 12,91 persen. Sehingga sebagian besar wilayah Kota Surabaya aman dari banjir (201,3 km2 atau 61,27 persen dari total luas wilayah Kota Surabaya).
==================================================================================================================================
Flood is a widespread and dramatic natural disaster. Flood often occurs in Surabaya, East Java when there is high intensity rain. Floods have an impact on humans in the form of economic losses, social disruption, and environmental damage. Because of this, a system is needed to overcome flood-prone areas. Therefore, this research takes a case study related to the analysis of flood hazard and flood-prone areas in Surabaya.

Utilization of remote sensing satellites combined with Geographic Information Systems can be used to assist flood-prone areas. Preparation of flood event data obtained from the history of flood events. There are 101 flood points which are then divided randomly for training (70%) and validation (30%). DEM data and land use data are needed to generate flood causal factors. In this study the analysis of flood-prone areas uses the Frequency Ratio to assess the contribution of the factors that cause flooding. The FR value obtained is then used to produce a Flood Susceptibility Index (FSI).

The results of this research analysis are that the best Machine Learning method is Rain Forest. The most influential factor causing flooding of the nine factors in this study is land use land cover, especially built area. The susceptibility to flooding resulting from this research is that the susceptibility to flooding in Surabaya in 2021 for low levels reaches 12.91 percent, medium levels reaches 12.91 percent and high levels reaches 12.91 percent. So that most of Surabaya is safe from flooding (201.3 km2 or 61.27 percent of the total area of Surabaya).

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Banjir, Sentinel-1, Machine Learning, Surabaya, Kerentanan, Flood, Susceptibility
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. T Technology > TC Hydraulic engineering. Ocean engineering > TC530 Flood control
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Civil Engineering > 22101-(S2) Master Thesis
Depositing User:	Ahmad Saifudin
Date Deposited:	13 Feb 2023 03:55
Last Modified:	13 Feb 2023 03:55
URI:	http://repository.its.ac.id/id/eprint/96963

Actions (login required)

View Item