PENGEMBANGAN MODEL TINGKAT KEPARAHAN BANJIR BERBASIS ANN DENGAN PARAMETER CURAH HUJAN, JARAK DARI SUNGAI, ORDE SUB-DAS, ELEVASI, LERENG, LAND USE LAND COVER, DAN LITHOLOGICAL PERMEABILITY INDEX STUDI KASUS PADA DAS DI KOTA BALIKPAPAN

Sulistyo, Totok (2026) PENGEMBANGAN MODEL TINGKAT KEPARAHAN BANJIR BERBASIS ANN DENGAN PARAMETER CURAH HUJAN, JARAK DARI SUNGAI, ORDE SUB-DAS, ELEVASI, LERENG, LAND USE LAND COVER, DAN LITHOLOGICAL PERMEABILITY INDEX STUDI KASUS PADA DAS DI KOTA BALIKPAPAN. Desertasi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

This is the latest version of this item.

[thumbnail of Abstrak] Text (Abstrak)
Cover_311231002.pdf - Other
Available under License Creative Commons Attribution Non-commercial Share Alike.
Download (351kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak_311231002.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.
Download (645kB)
[thumbnail of Halaman Pengesahan] Text (Halaman Pengesahan)
Halaman Pengesahan_311231002.pdf - Other
Available under License Creative Commons Attribution Non-commercial Share Alike.
Download (420kB)
[thumbnail of Daftar Isi] Text (Daftar Isi)
Daftar Isi_311231002 .pdf - Other
Available under License Creative Commons Attribution Non-commercial Share Alike.
Download (701kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka_311231002 .pdf - Bibliography
Available under License Creative Commons Attribution Non-commercial Share Alike.
Download (1MB)
[thumbnail of Full text] Text (Full text)
Full Text_311231002.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Attribution Non-commercial Share Alike.
Download (43MB)
Official URL: https:\\upnvy.ac.id

Abstract

Masih kurang inventarisasi dan pemetaan koordinat titik dan parameter banjir di Kota Balikpapan. Lokasi titik-titik banjir belum mendapatkan assessment status tingkat keparahan guna prioritas mitigasi. Banjir di wilayah tersebut disebabkan oleh gabungan beberapa parameter yang dapat digunakan untuk prediksi yang akurat dan pemetaan detail melalui pemodelan. Perekaman data banjir dapat dilakukan secara simultan dengan format standar berupa parameter banjir dan koordinat lokasi banjir melalui peran masyarakat. Data hasil pengukuran selanjutnya dapat diklasifikasikan menurut tingkat keparahan banjir melalui algoritma klasterisasi yang sesuai. Tingkat keparahan banjir hasil klasterisasi dan labeling akan dimodelkan dengan algoritma artificial neural networks (ANNs). Metoda yang digunakan terdiri dari pengembangan cloud database dan aplikasi, implementasi sistem citizen science untuk pengumpulan data, klasifikasi dengan algoritma unsupervised machine learning, dan pemodelan dengan algoritma ANN. Hasil klasterisasi digunakan sebagai parameter output, dan curah hujan, jarak dari sungai, orde subdas, elevasi, lereng, land use land cover (LULC), dan lithological permeability index (LPI) yang diekstrak dari layer GIS menjadi input model ANN.
Tiga novelty dari penelitian ini adalah pengembangan perangkat lunak dan implementasi metode citizen science untuk merekam pengukuran parameter banjir di lokasi penelitian, klasifikasi tingkat keparahan banjir, dan pemodelan keparahan banjir. Hasil pemodelan 3 kelas tingkat keparahan banjir menggunakan ANNs, dengan dua hidden layer yang masing-masing memiliki 9 node, dengan output layer berupa kelas keparahan banjir, menghasilkan model yang cukup akurat. Hasil pemodelan menunjukkan akurasi 0,7197 sampai dengan 0,7252, dengan moderate Cohen’s Kappa 0,5756 sampai 0,5835. Model selanjutnya dapat digunakan untuk memprediksi tingkat keparahan banjir pada titik-titik beresolusi 200 m dan hasilnya divalidasi dengan distribusi genangan hasil pengolahan citra global surface water (GSW) Joint Research Centre (JRC) Uni Eropa. Hasil validasi menunjukkan sebaran keparahan banjir tingkat sedang identik dalam pola distribusinya dengan pola sebaran geangan banjir.

Item Type: Tugas Akhir (Desertasi)
Additional Information: TOTOK SULISTYO (Penulis 311231002); Sari Bahagiarti Kusumayudha (Pembimbing Utama); Tady Agung Cahyadi (Co-promotor 1); Reza Adhi Fajar (Co-promotor 2)
Uncontrolled Keywords: artificial neural networks, citizen science, clustering, keparahan banjir, lithological permeability index
Subjek: Q Science > Q Science (General)
Q Science > QE Geology
T Technology > TA Engineering (General). Civil engineering (General)
Divisions: Fakultas Teknologi Mineral dan Energi > (S3) Doktor Teknik Geologi
Depositing User: Indah Lestari
Date Deposited: 19 Oct 2026 01:47
Last Modified: 19 Oct 2026 01:47
URI: http://eprints.upnyk.ac.id/id/eprint/49967

Available Versions of this Item

    Actions (login required)

    View Item View Item