Penerapan Algoritma C4.5 untuk Klasifikasi Tingkat Korban Banjir di Indonesia
DOI:
https://doi.org/10.70052/jka.v3i1.647Keywords:
Algoritma C4.5, Klasifikasi Data, Tingkat Korban BanjirAbstract
Banjir merupakan salah satu bencana alam yang sering melanda Indonesia dan memberikan dampak yang besar pada kesehatan, infrastruktur, serta ekonomi. Penelitian ini bertujuan untuk mengklasifikasikan tingkat dampak korban banjir di Indonesia menggunakan algoritma C4.5 guna membantu dalam penyusunan strategi mitigasi bencana yang lebih efektif melalui hasil klasifikasi tingkat korban banjir. Algoritma C4.5 digunakan untuk menghasilkan pohon keputusan yang dapat mengklasifikasikan tingkat korban bencana banjir di Indonesia. Data penelitian berasal dari Badan Pusat Statistik (BPS) tahun 2023 yang mencakup atribut seperti provinsi, jumlah korban bencana banjir-meninggal serta hilang, jumlah korban bencana banjir-luka-luka, jumlah korban bencana banjir terdampak serta mengungsi, dan potensi korban terdampak serta mengungsi. Proses penelitian terdiri dari pengumpulan data, seleksi data menggunakan RapidMiner, dan pengolahan data menggunakan Altair Ai Studio. Hasil penelitian menunjukkan bahwa pohon keputusan mampu mengklasifikasi tingkat korban banjir ke dalam tiga kategori yaitu rendah, sedang, dan tinggi. Selain itu, wilayah dengan dampak rendah memiliki sedikit korban meninggal dan luka, sedangkan daerah dengan dampak tinggi menunjukkan jumlah korban yang lebih besar. Berdasarkan penelitian yang dilakukan, dapat disimpulkan bahwa data mining yang digunakan dengan metode algoritma C4.5 dapat diterapkan dengan tingkat akurasi sebesar 97,50%.
Floods are one of the most frequent natural disasters in Indonesia and have significant impacts on health, infrastructure, and the economy. This study aims to classify the impact levels of flood victims in Indonesia using the C4.5 algorithm to support the formulation of more effective disaster mitigation strategies through the classification of flood victim impact levels. The C4.5 algorithm is employed to generate a decision tree capable of classifying the impact levels of flood victims in Indonesia. The research data is sourced from the Central Statistics Agency (BPS) in 2023, covering attributes such as province, the number of flood victims who died or went missing, injured victims, displaced or affected victims, and the potential for flood victim impact. The research process consists of data collection, data selection using RapidMiner, and data processing using Altair Ai Studio. The results of the study show that the decision tree can classify the impact levels of flood victims into three categories: low, medium, and high. Furthermore, areas with low impacts had fewer fatalities and injuries, while regions with high impacts showed a higher number of victims. Based on the study conducted, it can be concluded that the data mining approach using the C4.5 algorithm can be applied with an accuracy rate of 97.50%.
References
M. E. J. Sitorus, D. Nababan, and H. A. Bangun, “Dampak Bencana Banjir Terhadap Kesehatan Masyarakat Siatas Barita,” vol. 2, no. 2, pp. 54–59, 2023.
F. Aprilia, “Jurnal Geografi Media Infromasi Pengembangan Ilmu dan,” vol. 12, no. 1, pp. 102–114, 2015.
Z. S. & Putri and Mushoddik, “Tingkat kesiapsiagaan masyarakat menghadapi bencana banjir,” vol. 7, no. 4, pp. 122–126, 2022.
R. Y. Kasenda et al., “Analisis Penyebab Terjadinya Banjir Di Desa Papakelan Yang Mengakibatkan Trauma Pada Penduduk Sekitar,” vol. 7, no. 1, pp. 441–449, 2023, doi: 10.58258/jisip.v7i1.4311/http.
D. Chandra, P. S. Farmasi, U. Sari, M. Indonesia, and K. Medan, “Sosialisasi Dampak Bencana Banjir Dan Dagusibu Vitamin Di Kecamatan Tamiang Hulu , Kabupaten Aceh Tamiang,” vol. 2, no. 1, pp. 16–21, 2023.
B. N. P. Bencana, “Jumlah Korban yang Diakibatkan Bencana Alam Menurut Provinsi, 2023,” www.bps.go.id. [Online]. Available: https://www.bps.go.id/id/statistics-table/3/T0VGNVR6UkVaakVyUmxWTU1YTlhSQzkzYW1vclFUMDkjMw==/jumlah-korban-yang-diakibatkan-bencana-alam-menurut-provinsi.html?year=2023
M. A. Sahadan, P. Rompas, and C. Munaiseche, “Analisis Kepuasan Pelanggan Menggunakan Metode,” pp. 1–13, 2023.
P. Bimo, N. Setio, D. Retno, S. Saputro, and B. Winarno, “Klasifikasi dengan Pohon Keputusan Berbasis Algoritme,” vol. 3, pp. 64–71, 2020.
A. Khusaeri, S. Ilham, D. Nurhasanah, D. Delpidat, and B. N. Sari, “Algoritma c4.5 untuk pemodelan daerah rawan banjir studi kasus kabupaten karawang jawa barat,” vol. 9, pp. 132–136, 2017.
I. Risnawati, “Klasifikasi Data Mining Untuk Mengestimasi Potensi Curah Hujan,” vol. 3, no. 2, pp. 78–84, 2023.
L. Bachtiar, “Analisis Data Mining Menggunakan Metode Algoritma C4 . 5 Menentukan Penerima Bantuan Langsung Tunai,” vol. 10, no. 1, pp. 28–36, 2023.
P. P. Haryoto, H. Okprana, and I. S. Saragih, “Algoritma C4 . 5 Dalam Data Mining Untuk Menentukan Klasifikasi Penerimaan Calon Mahasiswa Baru,” vol. 2, no. 5, pp. 358–364, 2021.
P. Bidang, K. Sains, Y. Mardi, J. Gajah, M. No, and S. Barat, “Jurnal Edik Informatika Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika”.
C. U. Klasifikasi, “IMPLEMENTASI METODE DECISION TREE DAN ALGORITMA,” 2016.
R. Febtrina et al., “Mitigasi Bencana Banjir di Desa Palung Raya Dampak Kesehatan dan Upaya Penanggulangannya,” vol. 02, no. 01, pp. 1–12, 2024.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Pangad Eko Putra, Muhamad Azhri Amrullah, Yahya Hasani Fauzi, Refy Fitriani Saputri, Lelly Clodia Raras Fatma (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
