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:	https://repository.unas.ac.id/id/eprint/13786

Actions (login required)

View Item