SISTEM PERINGATAN DINI CUACA EKSTREM BERBASIS MACHINE LEARNING UNTUK MITIGASI BENCANA HIDROMETEOROLOGI

Utomo, Karel Trisnanto (2026) SISTEM PERINGATAN DINI CUACA EKSTREM BERBASIS MACHINE LEARNING UNTUK MITIGASI BENCANA HIDROMETEOROLOGI. Diploma thesis, UNIVERSITAS HARKAT NEGERI.

	Text (COVER) COVER.pdf Download (962kB)
	Text (BAB I) BAB1.pdf Download (459kB)
	Text (BAB II) BAB2.pdf Restricted to Registered users only Download (27MB) | Request a copy
	Text (BAB III) BAB3.pdf Download (120kB)
	Text (DAFTAR PUSTAKA) DAFTARPUSTAKA.pdf Download (128kB)
	Text (LAMPIRAN) LAMPIRAN.pdf Download (39MB)

Abstract

Indonesia sangat rentan terhadap bencana alam akibat dampak perubahan iklim global. Berdasarkan catatan BNPB pada tahun 2024, dari 3.472 kejadian bencana berskala nasional, 99,34% di antaranya didominasi oleh bencana hidrometeorologi. Ancaman ini berdampak signifikan di Provinsi Jawa Tengah yang risikonya diperparah oleh penyusutan lahan hijau serta ketiadaan platform mitigasi spasial hiperlokal. Penelitian ini merancang prototype perangkat lunak peringatan dini berbasis Web-based Geographic Information System (WebGIS). Arsitektur sistem dikembangkan menggunakan Laravel, MySQL, LeafletJS, dan Flask. Prediksi potensi ancaman dieksekusi menggunakan algoritma machine learning CatBoost yang dilatih dengan data cuaca historis dan parameter topografi wilayah, menghasilkan akurasi sebesar 95,2%. Selain itu, sistem juga mengintegrasikan model Deep Learning berarsitektur Bidirectional LSTM untuk memproyeksikan tren fluktuasi bencana dengan margin error (MAE) di kisaran 2 kejadian. Evaluasi black box testing pada 19 skenario operasional menunjukkan perangkat lunak berfungsi sesuai rancangan. Sementara itu, pengukuran tingkat kebergunaan (usability) terhadap 48 responden menggunakan instrumen System Usability Scale (SUS) memperoleh skor rata-rata 78,50 (Grade B). Perolehan metrik ini mengindikasikan bahwa antarmuka sistem cukup intuitif dan dapat diterima dengan baik oleh pengguna. Sistem ini diharapkan dapat menjadi alternatif solusi untuk mempercepat penyebaran informasi peringatan dini dan mendukung pengambilan keputusan kebencanaan. Kata Kunci: Bencana Hidrometeorologi, CatBoost, LSTM, Peringatan Dini, Prototype, WebGIS.

Item Type:	Thesis (Diploma)
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) T Technology
Divisions:	Sekolah Vokasi Teknik > Diploma IV Teknik Informatika
Depositing User:	Karel Trisnanto Utomo
Date Deposited:	07 Sep 2026 04:30
Last Modified:	07 Sep 2026 04:30
URI:	http://repository.harkatnegeri.ac.id/id/eprint/7620

Actions (login required)

View Item