Analisis Komparatif Algoritma Artificial Neural Network (ANN) dan Random Forest untuk Prediksi Banjir dengan Integrasi Blockchain

MELANZA, FATTAN REZKY (2026) Analisis Komparatif Algoritma Artificial Neural Network (ANN) dan Random Forest untuk Prediksi Banjir dengan Integrasi Blockchain. Diploma thesis, UNIVERSITAS NASIONAL.

	Text COVER.pdf Download (3MB)
	Text BAB 1.pdf Download (2MB)
	Text BAB 2.pdf Download (2MB)
	Text BAB 3.pdf Download (2MB)
	Text BAB 4.pdf Download (2MB)
	Text BAB 5.pdf Download (2MB)
	Text LAMPIRAN.pdf Download (2MB)

Abstract

Banjir merupakan bencana hidrometeorologi yang berdampak signifikan terhadap
wilayah perkotaan, terutama pada kawasan dengan urbanisasi cepat dan perubahan
penutup lahan. Penelitian ini bertujuan membandingkan kinerja Artificial Neural
Network (ANN) dan Random Forest (RF) untuk klasifikasi kejadian banjir (banjir vs
non-banjir), sekaligus merancang mekanisme audit trail berbasis blockchain agar hasil
prediksi dapat ditelusuri dan diverifikasi. Dataset disusun dari ekstraksi variabel
geospasial–hidrometeorologi melalui Google Earth Engine (GEE) pada wilayah
Jabodetabek dan Bandung Raya, dengan total 4.000 observasi seimbang (2.000 banjir
dan 2.000 non-banjir). Variabel yang digunakan mencakup curah hujan
rata-rata/maksimum, temperatur, NDVI, elevasi, slope, kelas penutup lahan, serta
atribut spasial-administratif (kabupaten, provinsi, lintang, bujur).
Proses penelitian meliputi pra-pemrosesan (pembersihan data, encoding variabel
kategorikal, standardisasi fitur numerik), pelatihan model ANN dan RF, serta evaluasi
pada final test set menggunakan accuracy, precision, recall, F1-score, dan ROC-AUC.
Hasil eksperimen menunjukkan bahwa Random Forest memberikan performa yang
lebih tinggi dibanding ANN, terutama dalam menekan kesalahan false negative pada
kelas banjir. Selain itu, implementasi blockchain pada jaringan lokal Ganache (EVM)
menunjukkan bahwa ringkasan prediksi dapat dicatat melalui smart contract dan
menghasilkan jejak transaksi (tx hash) serta event log yang mendukung auditabilitas.
Penelitian ini menyimpulkan bahwa RF lebih sesuai untuk klasifikasi banjir pada
dataset tabular yang digunakan, sementara integrasi blockchain layak digunakan
sebagai lapisan kepercayaan untuk meningkatkan keterlacakan keluaran model.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Delvy Aplirizani -
Date Deposited:	13 Jul 2026 08:19
Last Modified:	13 Jul 2026 08:19
URI:	https://repository.unas.ac.id/id/eprint/17016

Actions (login required)

View Item