IMPLEMENTASI NAÏVE BAYES UNTUK KLASIFIKASI PREDIKSI SERTA ANALISIS DATA BANJIR DI WILAYAH JAKARTA PUSAT

Abstrak

Prediksi adalah sebuah proses dalam data mining yang melibatkan analisis data untuk meramalkan nilai atau hasil yang belum diketahui berdasarkan pola dan data historis dalam kumpulan data. Metode ini sangat berguna di berbagai sektor, termasuk lingkungan, untuk memperkirakan bencana alam seperti banjir dengan lebih akurat. Jakarta telah mengalami banjir berulang selama bertahun-tahun, yang berdampak signifikan pada kehidupan masyarakat dan membutuhkan perhatian khusus. Salah satu tantangan yang diidentifikasi dalam penelitian ini adalah kesulitan dalam memahami dan mengelola prediksi banjir di Jakarta. Membangun sistem peringatan dini berdasarkan hasil prediksi akan memberikan informasi kepada masyarakat dan pemerintah untuk mengambil tindakan pencegahan dan mitigasi yang tepat. Penelitian ini menggunakan algoritma naïve bayes untuk prediksi, awalnya mengumpulkan 1.793 data yang setelah proses pre-processing berkurang menjadi 657 data. Setelah dilakukan pelabelan, teridentifikasi 62 data sebagai kejadian banjir dan 595 data sebagai tidak banjir. Data kemudian dibagi menjadi dua kelompok, 525 data digunakan untuk latih dan 132 data untuk pengujian. Hasil evaluasi menunjukkan model mencapai akurasi 97.73%, dengan precision 80.00%. Selain itu, recall mencapai 100.00%, dan F1-score mencapai 88.98%, yang menunjukkan bahwa model ini sangat efektif dalam mengklasifikasikan kejadian banjir.