Implementasi Algoritma C4.5 Untuk Klasifikasi Tingkat Kerawanan Kekeringan di Kabupaten Cilacap

Abstract

Kekeringan merupakan salah satu bencana alam yang sering terjadi di Kabupaten Cilacap dan berdampak signifikan terhadap kehidupan masyarakat. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kerawanan kekeringan menggunakan Algoritma C4.5 dengan mempertimbangkan faktor jumlah penduduk. Data yang digunakan mencakup 105 desa dari berbagai kecamatan di Kabupaten Cilacap dengan atribut Jumlah_Jiwa sebagai variabel utama dalam klasifikasi. Proses klasifikasi menggunakan metode Decision Tree dengan Performance Vector menghasilkan model dengan akurasi 96.18% ± 4.94% (micro average: 96.19%). Berdasarkan Confusion Matrix, model berhasil mengklasifikasikan dengan tepat 42 desa kategori rawan, 2 desa kategori sangat rawan, dan 57 desa kategori tidak rawan. Hasil pohon keputusan menunjukkan bahwa daerah dengan Jumlah_Jiwa > 2004 diklasifikasikan sebagai sangat rawan, daerah dengan Jumlah_Jiwa > 997 dan ≤ 2004 sebagai rawan, dan daerah dengan Jumlah_Jiwa ≤ 997 sebagai tidak rawan. Model mencapai class recall 97.67% untuk kategori rawan, 66.67% untuk sangat rawan, dan 96.61% untuk tidak rawan, dengan class precision masing-masing 93.33%, 100%, dan 98.28%. Penelitian ini dapat membantu pemerintah daerah dalam mengidentifikasi dan memprioritaskan wilayah yang membutuhkan penanganan kekeringan berdasarkan tingkat kerawanannya.

Drought is one of the natural disasters that frequently occurs in Cilacap Regency and significantly impacts community life. This study aims to classify drought vulnerability levels using the C4.5 Algorithm by considering population factors. The data used includes 105 villages from various districts in Cilacap Regency with Total Population as the main classification variable. The classification process using the Decision Tree method with Performance Vector produced a model with 96.18% ± 4.94% accuracy (micro average: 96.19%). Based on the Confusion Matrix, the model successfully classified 42 villages as vulnerable, 2 villages as highly vulnerable, and 57 villages as not vulnerable. The decision tree results show that areas with a population > 2,004 are classified as highly vulnerable, areas with population > 997 and ≤ 2,004 as vulnerable, and areas with population ≤ 997 as not vulnerable. The model achieved class recall rates of 97.67% for vulnerable categories, 66.67% for highly vulnerable, and 96.61% for not vulnerable categories, with class precision of 93.33%, 100%, and 98.28% respectively. This research can assist local governments in identifying and prioritizing areas that need drought management based on their vulnerability levels.