Perbandingan Metode Data Mining untuk Prediksi Banjir Dengan Algoritma Naïve Bayes dan KNN

Comparison of Data Mining Methods for Predition of Floods with Naïve Bayes and KNN Algorithm

Abstract

Banjir adalah suatu peristiwa yang perlu diwaspadai sebab tergolong musibah alam. Badan Penanggulangan Bencana Daerah (BPBD) merupakan salah satu lembaga pemerintahan yang bertugas menyampaikan informasi banjir di Jakarta. Untuk banjir terdapat standar yang akan dicapai oleh BPBD yaitu status pintu air di Pos Depok, Marina Ancol, Jembatan Merah, Katulampa, Flusing Ancol, Istiqlal dan Manggarai. Dataset banjir ini diambil dari database banjir di DKI Jakarta mulai tanggal 1/1/2020 sampai tanggal 12/7/2020 yang diambil dari www.kaggle.com. Untuk memprediksi banjir, digunakan metode data mining dengan kemampuan klasifikasi. Pendekatan yang digunakan dalam “data mining” ini memakai proses kegiatan berupa Knowledge Discovery in Databases (KDD), diawali dengan tahapan seleksi, preprocessing, transformasi, data mining dan evaluasi/interpretasi. Teknik yang akan dipakai dalam model klasifikasi data mining ini meliputi empat algoritma yaitu k-Nearest Neighbors (kNN) dan Naive Bayes. Metode klasifikasi meliputi variabel target dan variabel prediktor. Prediktornya antara lain gerbang Pos Depok, Marina Ancol, Jembatan Merah, Katulampa,Flusing Ancol, Istiqlal dan Manggarai. Perangkat lunak yang digunakan dalam pengolahan data adalah perangkat lunak Rapid Miner. Hasil akhir dari kedua algoritma tersebut adalah algoritma kNN merupakan algoritma yang paling bagus dalam prediksi banjir, nilai akurasi (88,94%), error (11,06%).