ANALISIS KLASIFIKASI TINGKAT KERENTANAN KEBAKARAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN RANDOM FOREST

Suwarno, Icha Fadhlilah Putri (2026) ANALISIS KLASIFIKASI TINGKAT KERENTANAN KEBAKARAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN RANDOM FOREST. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (858kB)
	Text BAB I.pdf Download (328kB)
	Text BAB II.pdf Download (535kB)
	Text BAB III.pdf Download (866kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (302kB)
	Text LAMPIRAN.pdf Download (1MB)

Abstract

ingkat kejadian kebakaran di DKI Jakarta yang terjadi setiap tahun
menunjukkan adanya perbedaan tingkat kerentanan antar kelurahan. Beberapa
wilayah memiliki frekuensi kejadian yang lebih tinggi dibandingkan wilayah
lainnya, sehingga diperlukan pendekatan analisis berbasis data untuk
mengidentifikasi dan mengklasifikasikan tingkat kerentanan kebakaran secara lebih
objektif. Penelitian ini bertujuan mengklasifikasikan tingkat kerentanan kebakaran
ke dalam kategori rendah, sedang, dan tinggi berdasarkan karakteristik kewilayahan
serta data kejadian kebakaran, sekaligus membandingkan kinerja dua algoritma
machine learning, yaitu Support Vector Machine (SVM) dan Random Forest, untuk
memperoleh model klasifikasi yang paling baik. Metode penelitian mengacu pada
CRISP-DM yang meliputi tahapan business understanding, data understanding,
data preparation, modeling, dan evaluation. Pada tahap data preparation dilakukan
seleksi atribut, pembersihan data, transformasi data, serta pelabelan kelas
kerentanan. Tahap modeling menerapkan algoritma SVM dengan pendekatan One
vs Rest (OVR) untuk menangani klasifikasi multikelas, sedangkan Random Forest
digunakan sebagai model pembanding. Evaluasi model dilakukan menggunakan
confusion matrix untuk memperoleh nilai accuracy, precision, recall, dan F1-score.
Hasil evaluasi tersebut digunakan untuk menentukan algoritma dengan performa
terbaik dalam mengklasifikasikan tingkat kerentanan kebakaran di DKI Jakarta,
sehingga dapat mendukung upaya mitigasi dan pengambilan keputusan yang lebih
tepat.

Item Type:	Thesis (Diploma)
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Irna Irna Yunita
Date Deposited:	28 Apr 2026 07:32
Last Modified:	28 Apr 2026 07:32
URI:	https://repository.unas.ac.id/id/eprint/15485

Actions (login required)

View Item