Search for collections on Repository Universitas Jenderal Soedirman

Penerapan Pembelajaran Mesin dalam Pemetaan Lokasi Rawan Longsor menggunakan Metode Random Forest (Aplication of Machine Learning in Landslide Susceptible Mapping Using Random Forest Method )

MARYANI, Dwi (2020) Penerapan Pembelajaran Mesin dalam Pemetaan Lokasi Rawan Longsor menggunakan Metode Random Forest (Aplication of Machine Learning in Landslide Susceptible Mapping Using Random Forest Method ). Skripsi thesis, Universitas Jenderal Soedirman.

[img] PDF (Cover)
COVER-Dwi Maryani-H1B016031-Skripsi-TS-2020.pdf

Download (397kB)
[img] PDF (Legalitas)
LEGALITAS-Dwi Maryani-H1B016031-Skripsi-TS-2020.pdf
Restricted to Repository staff only

Download (578kB)
[img] PDF (Abstrak)
ABSTRAK-Dwi Maryani-H1B016031-Skripsi-TS-2020.pdf

Download (25kB)
[img] PDF (BabI)
BAB-I-Dwi Maryani-H1B016031-Skripsi-TS-2020.pdf
Restricted to Repository staff only

Download (94kB)
[img] PDF (BabII)
BAB-II-Dwi Maryani-H1B016031-Skripsi-TS-2020.pdf
Restricted to Repository staff only

Download (389kB)
[img] PDF (BabIII)
BAB-III-Dwi Maryani-H1B016031-Skripsi-TS-2020.pdf
Restricted to Repository staff only

Download (550kB)
[img] PDF (BabIV)
BAB-IV-Dwi Maryani-H1B016031-Skripsi-TS-2020_compressed.pdf
Restricted to Repository staff only

Download (839kB)
[img] PDF (BabV)
BAB-V-Dwi Maryani-H1B016031-Skripsi-TS-2020.pdf
Restricted to Repository staff only

Download (23kB)
[img] PDF (DaftarPustaka)
DAFTAR PUSTAKA-Dwi Maryani-H1B016031-Skripsi-TS-2020.pdf

Download (141kB)

Abstract

Tanah longsor merupakan salah satu bencana alam serius yang mengancam keselamatan masyarakat Indonesia terutama di daerah pegunungan. Terdapat banyak faktor yang dapat memicu terjadinya tanah longsor, baik itu dari kondisi di atas permukaan tanah maupun kondisi di bawah permukaan tanah itu sendiri. Salah satu upaya untuk menekan kerugian yang ditimbulkan dari bencana tanah longsor, adalah dengan memetakan lokasi rawan longsor. Pembelajaran mesin merupakan teknik untuk melakukan inferensi terhadap data dengan pendekatan matematis untuk membuat model yang merefleksikan pola-pola data. Tujuan dari diadakanya penelitian ini adalah untuk memetakan lokasi-lokasi daerah rawan longsor di Kabupaten Banjarnegara, Kabupaten Banyumas, dan Kabupaten Purbalingga. Parameter yang digunakan dalam penelitian kali ini diperoleh dari penurunan data Digital Elevation Model (DEM) untuk parameter permukaan, dan dari hasil pengujian propertis tanah di Laboratorium Teknik Sipil Universitas Jenderal Soedirman. Proses pembelajaran mesin dilakukan dengan menggunakan metode Random Forest, dengan membandingkan antara hasil prediksi tanpa melakukan sampling dan hasil prediksi dengan melakukan sampling pada data tidak seimbang menggunakan teknik Oversampling, Synthetic Minority Oversampling Technique (SMOTE), dan Undersampling pada parameter keseluruhan data, parameter data permukaan tanah dan parameter data tanah. Dari proses tersebut, diperoleh hasil prediksi terbaik yaitu prediksi menggunakan keseluruhan data tanpa sampling.

Item Type: Thesis (Skripsi)
Nomor Inventaris: H20143
Uncontrolled Keywords: Tanah Longsor, Lokasi Longsor, Digital Elevation Model (DEM), Data Propertis Tanah Pembelajaran Mesin, Random Forest, Data Tidak Seimbang, Oversampling, Synthetic Minority Oversampling Technique (SMOTE), Undersampling
Subjects: M > M130 Mathematical analysis
N > N42 Natural disasters
Divisions: Fakultas Teknik > S1 Teknik Sipil
Depositing User: Mrs Dwi Maryani
Date Deposited: 19 Nov 2020 12:12
Last Modified: 19 Nov 2020 12:12
URI: http://repository.unsoed.ac.id/id/eprint/6290

Actions (login required)

View Item View Item