EVALUASI SISTEM REKOMENDASI MITIGASI RISIKO GEMPA MENGGUNAKAN TOPSIS, ELECTRE, SAW, SMART,WP DAN LOGISTIC REGRESSION

Widianto, Aditya (2026) EVALUASI SISTEM REKOMENDASI MITIGASI RISIKO GEMPA MENGGUNAKAN TOPSIS, ELECTRE, SAW, SMART,WP DAN LOGISTIC REGRESSION. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (968kB)
	Text BAB I.pdf Download (750kB)
	Text BAB II.pdf Download (1MB)
	Text BAB III.pdf Download (959kB)
	Text BAB IV.pdf Download (2MB)
	Text BAB V.pdf Download (614kB)
	Text LAMPIRAN.pdf Download (779kB)

Abstract

Indonesia merupakan salah satu negara dengan tingkat kerentanan seismik tertinggi di dunia, sehingga diperlukan sistem rekomendasi mitigasi risiko gempa bumi yang akurat, objektif, dan berbasis data. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja metode Multi-Criteria Decision Making (MCDM) yang meliputi TOPSIS, ELECTRE, SAW, SMART, dan Weighted Product (WP) dengan pendekatan Machine Learning menggunakan Logistic Regression dalam klasifikasi risiko gempa bumi. Dataset penelitian diperoleh dari data historis gempa bumi dan parameter geospasial yang meliputi magnitudo ternormalisasi, pengaruh kedalaman, jarak terhadap sesar aktif, serta frekuensi seismik historis. Metode MCDM digunakan untuk menghasilkan peringkat prioritas wilayah risiko, sedangkan Logistic Regression digunakan untuk mengklasifikasikan tingkat risiko ke dalam kategori Low, Medium, dan High. Evaluasi model Machine Learning dilakukan menggunakan Stratified K-Fold Cross Validation, Confusion Matrix, Accuracy, Precision, Recall, F1-score, serta ROC-AUC multikelas. Hasil pengujian menunjukkan bahwa Logistic Regression memiliki performa stabil dengan akurasi rata-rata di atas 0,85 serta nilai ROC-AUC macro sebesar 0,95, yang mengindikasikan kemampuan diskriminasi kelas yang sangat baik dan generalisasi model yang kuat. Sementara itu, hasil perbandingan metode MCDM menunjukkan adanya perbedaan struktur perangkingan antar metode akibat karakteristik matematis yang berbeda. Temuan penelitian ini menegaskan bahwa pendekatan probabilistik berbasis Logistic Regression baik dalam klasifikasi risiko, sedangkan metode MCDM efektif dalam menghasilkan prioritas wilayah berbasis agregasi multikriteria. Integrasi evaluatif kedua pendekatan tersebut memberikan kerangka sistem rekomendasi risiko gempa bumi yang lebih komprehensif, terukur, dan
berbasis bukti empiris.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Irna Irna Yunita
Date Deposited:	08 Jun 2026 04:10
Last Modified:	08 Jun 2026 04:10
URI:	https://repository.unas.ac.id/id/eprint/16437

Actions (login required)

View Item