ANALISIS PENURUNAN MUKA TANAH DENGAN MENGGUNAKAN METODE MACHINE LEARNING ALGORITMA RANDOM FOREST DI DKI JAKARTA

Hidayah, Camelia Nur (2025) ANALISIS PENURUNAN MUKA TANAH DENGAN MENGGUNAKAN METODE MACHINE LEARNING ALGORITMA RANDOM FOREST DI DKI JAKARTA. Bachelor thesis, Universitas Nasional.

	Text COVER (2).pdf Download (1MB)
	Text BAB 1.pdf Download (234kB)
	Text BAB II.pdf Download (371kB)
	Text BAB III.pdf Download (374kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (152kB)
	Text Lampiran.pdf Download (21MB)

Abstract

Penurunan muka tanah merupakan fenomena lingkungan yang menyebabkan permukaan bumi mengalami penurunan secara bertahap atau tiba-tiba. Penurunan muka tanah telah terjadi di DKI Jakarta yang disebabkan oleh berbagai faktor seperti eksploitasi air tanah yang berlebihan, beban infrastruktur, dan kondisi geologi. Tujuan dari penelitian ini untuk menganalisis penurunan tanah di DKI Jakarta, distribusi penurunan muka tanah yang ada. Serta akan dibandingkan dengan hasil sebelumnya menggunakan PS-InSAR. Penurunan muka tanah diprediksi menggunakan algoritma Random Forest. Random Forest sebagai salah satu jenis machine learning yang mampu mengurangi noise dan mengurangi dampak overfitting dengan teknik ensemble. Peneliti akan menggunakan empat matrix untuk menilai akurasi mode yaitu MAE, RMSE, R 2 , dan KGE. Hasil analisis penurunan muka tanah di DKI Jakarta dengan menggunakan Random Forest memiliki hasil yang selaras dengan metode PS-InSAR dapat dilihat bahwa wilayah yang mengalami penurunan muka tanah berada di Jakarta Utara dan Barat yang dominan lebih banyak dibandingkan dengan wilayah lainnya. Tidak hanya menganalisis namun untuk prediksi penurunan muka tanah dengan menggunakan dataset 2017 – 2021 menunjukan penurunan hingga -60 mm/tahun.

Item Type:	Thesis (Bachelor)
Subjects:	J Political Science > JC Political theory K Law > K Law (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Miss Yulia Zahra Yamini
Date Deposited:	18 Jul 2025 02:56
Last Modified:	18 Jul 2025 03:24
URI:	http://repository.unas.ac.id/id/eprint/13786

Actions (login required)

View Item