IMPLEMENTASI CLUSTERING DAERAH RAWAN BANJIR MENGGUNAKAN PYTHON BERDASARKAN DATA CURAH HUJAN BMKG

Hadi, Bintang (2025) IMPLEMENTASI CLUSTERING DAERAH RAWAN BANJIR MENGGUNAKAN PYTHON BERDASARKAN DATA CURAH HUJAN BMKG. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.

[img] Text (Skripsi)
BINTANG HADI_2155201048_FULLTEXT.pdf - Submitted Version
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (Turnitin)
BINTANG HADI_2155201048_TURNITIN.pdf - Submitted Version
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (Abstrak + BAB 1)
BINTANG HADI_2155201048_ABSTRAK + BAB 1.pdf - Submitted Version
Download (1MB)
[img] Text (BAB 2)
BINTANG HADI_2155201048_BAB 2.pdf - Submitted Version
Download (344kB)
[img] Text (BAB 3)
BINTANG HADI_2155201048_BAB 3.pdf - Submitted Version
Restricted to Repository staff only
Download (320kB) | Request a copy
[img] Text (BAB 4)
BINTANG HADI_2155201048_BAB 4.pdf - Submitted Version
Restricted to Repository staff only
Download (312kB) | Request a copy
[img] Text (BAB 5)
BINTANG HADI_2155201048_BAB 5.pdf - Submitted Version
Download (172kB)
[img] Text (Ref + Lamp)
BINTANG HADI_2155201048_REF + LAMP.pdf - Submitted Version
Download (232kB)

Abstract

Banjir merupakan bencana yang sering terjadi di Indonesia, terutama di wilayah pesisir seperti Kota Bengkulu. Kota ini memiliki curah hujan tinggi dan kondisi geografis yang mendukung terjadinya banjir, sehingga diperlukan langkah mitigasi yang efektif. Penelitian ini bertujuan mengidentifikasi daerah rawan banjir di Kota Bengkulu berdasarkan data curah hujan menggunakan metode K-Means Clustering. Data diperoleh dari BMKG dengan cakupan periode April–Desember 2024. Setelah dikumpulkan, data diproses untuk menghilangkan anomali dan duplikasi guna memastikan keakuratan analisis.Metode K-Means Clustering digunakan untuk mengelompokkan kecamatan ke dalam tiga kategori risiko banjir: tinggi, sedang, dan rendah. Implementasi dilakukan dengan Python menggunakan pustaka Scikit- Learn, Pandas, dan Matplotlib untuk analisis serta visualisasi hasil clustering. Hasil penelitian menunjukkan beberapa kecamatan memiliki tingkat risiko banjir lebih tinggi dibandingkan yang lain, sesuai dengan pola kejadian banjir historis. Validasi hasil clustering menunjukkan metode ini mampu mengidentifikasi daerah rawan banjir berdasarkan pola curah hujan. Dengan hasil ini, pemerintah daerah dan pemangku kepentingan dapat menggunakannya untuk strategi mitigasi banjir. Visualisasi data memberikan wawasan tambahan bagi pengambilan keputusan dalam pengelolaan wilayah dan infrastruktur kota. Kesimpulannya, metode KMeans Clustering terbukti efektif dalam mengklasifikasikan daerah rawan banjir dan dapat digunakan sebagai pendekatan berbasis data dalam mitigasi bencana di Kota Bengkulu.

Item Type: Thesis (Skripsi (Bachelor))
Additional Information: Pembimbing : RG Guntur Alam, M.Kom., Ph.D.
Uncontrolled Keywords: Kata Kunci : K-Means Clustering, curah hujan, banjir, mitigasi bencana, Kota Bengkulu
Subjects: Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Divisions: 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Depositing User: Mrs Atika Ledia Anggraini
Date Deposited: 15 May 2025 02:47
Last Modified: 15 May 2025 02:47
URI: http://repository.umb.ac.id/id/eprint/996

Actions (login required)

View Item View Item