PROPOSAL TUGAS AKHIR - Reinof Razzaqi Yusya
PROPOSAL TUGAS AKHIR - Reinof Razzaqi Yusya
1
OUTLINE
■ LATAR BELAKANG
■ RUMUSAN MASALAH
■ TUJUAN PENELITIAN
■ KONSEP PENANGGULANGAN BENCANA
■ DEFINISI BANJIR
■ GEOLOGI REGIONAL JAKARTA
■ METODE MACHINE LEARNING (ML)
■ TAHAP DAN JADWAL KEGIATAN
■ DAFTAR PUSTAKA
2
LATAR BELAKANG
3
LATAR BELAKANG
Sumber:
Kompas.com
4
1. Adakah cara untuk mengurangi
risiko bencana banjir di DKI
Jakarta?
RUMUSAN 2. Apa solusi untuk mengetahui
persebaran daerah rawan
MASALAH bencana banjir di DKI Jakarta?
3. Metode apa yang digunakan
dalam membuat peta risiko
banjir di DKI Jakarta?
5
TUJUAN PENELITIAN
Untuk mengurangi risiko terjadinya bencana maka yang harus dilakukan adalah mengurangi potensi
kerentanan terhadap bencana di suatu daerah rawan bencana. (Bakornas PB, 2007)
8
DEFINSI BANJIR
■ Banjir adalah liran air sungai yang
tingginya melebihi muka air normal
sehingga melimpas dari palung sungai
menyebabkan adanya genangan pada
lahan rendah disisi sungai. Aliran air
limpasan tersebut yang semakin
meninggi, mengalir dan melimpasi muka
tanah yang biasanya tidak dilewati aliran
air. (Bakornas PB, 2007)
■ Faktor penyebab terjadinya banjir dapat
diklasifikasikan dalam dua kategori, yaitu
banjir alami dan banjir oleh tindakan
manusia. Bencana banjir Jakarta Tahun 2007
Sumber: Google Images
9
GEOLOGI
REGIONAL
JAKARTA
■ Jakarta merupakan daerah
yang memiliki ketinggian yang
rendah.
■ Jakarta dilintasi oleh 13 sungai
besar yang bermuara di daerah
Teluk Jakarta.
■ Kondisi geologi di dominasi
oleh endapan aluvium dan juga
endapan berumur Kuarter.
10
Sumber: Turkandi, dkk. 1992
METODE MACHINE LEARNING (ML)
■ Genetic Algorithm Rule-Set Production (GARP) adalah sebuah algoritma machine learning
yang telah menunjukkan kemampuan prediktif yang sangat baik dalam berbagai bidang
seperti pemodelan ekologis (Stockwell, 1999; Peterson et al., 2002 dalam Darabi et al.,
2018).
■ Quick, unbiased, and efficient statistical tree (QUEST) adalah model pengolahan data
populer yang menghasilkan himpunan bagian dari data yang sehomogen yang mungkin
berhubungan dengan variabel respon. QUEST adalah algoritma klasifikasi terstruktur pohon
yang menghasilkan pohon keputusan binary split (Lee dan Park, 2013 dalam Darabi et al.,
2018).
■ Faktor penyebab banjir yang akan di masukkan ke dalam variable penelitian yaitu: curah
hujan, penggunaan lahan, ketinggian, kemiringan, jarak dari sungai, jarak dari aliran air,
kurva angka, kedalaman air tanah, (Darabi et al., 2018)
11
TAHAP DAN
JADWAL KEGIATAN
12
DAFTAR PUSTAKA
■ Ahmad, Abu. (2017). Mengenal Artificial Intelligence, Machine Learning, Neural Network,
dan Deep Learning. ResearchGate.net
■ Darabi, H., Choubin, B., Rahmati, O., Haghighi, A.T., Pradhan, B., Klove, B. (2018). Urban
flood risk mapping using the GARP and QUEST models: A comparative study of machine
learning techniques. Elsevier Ltd.
■ Dewan, A.M. (2013). Floods in a Megacity: Geospatial Techniques in Assessing Hazards,
Risk and Vulnerability. Australia: Springer Science.
■ Jati, R. dan Amri, M.R. (2016). Risiko Bencana Indonesia. Jakarta: Badan Nasional
Penanggulangan Bencana.
■ Tehrany, M.S., Pradhan, B., Mansor, S., Ahmad, N. (2014). Flood susceptibility assessment
using GIS-based support vector machine model with different kernel types. Elsevier Ltd.
■ Triutomo, S., Widjaja, B.W., Amri, M.R. (2007). Pengenalan Karakteristik Bencana dan
Upaya Mitigasinya di Indonesia Edisi 2. Jakarta: Bakornas PB.
■ Turkandi, T. (1992). Peta Geologi Lembar Jakarta dan Kepulauan Seribu, Jawa Skala
1:100.000. Jakarta: Pusat Penelitian dan Pengembangan Geologi. 13