IMPLEMENTASI CRISP-DM MODEL MENGGUNAKAN METODE DECISION TREE DENGAN ALGORITMA CART PADA PREDIKSI KEJADIAN BANJIR

HASANAH, MSY AULIA (2021) IMPLEMENTASI CRISP-DM MODEL MENGGUNAKAN METODE DECISION TREE DENGAN ALGORITMA CART PADA PREDIKSI KEJADIAN BANJIR. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text COVER MSY.pdf Download (1MB)
	Text (BAB I PENDAHULUAN) BAB I TA.pdf Restricted to Repository staff only Download (272kB)
	Text (BAB II TINJAUAN PUSTAKA) BAB II TA .pdf Restricted to Repository staff only Download (996kB)
	Text (BAB III METODOLOGI PENELITIAN) BAB III TA.pdf Restricted to Repository staff only Download (425kB)
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV TA.pdf Restricted to Repository staff only Download (2MB)
	Text (BAB V KESIMPULAN DAN SARAN) BAB V TA.pdf Restricted to Repository staff only Download (162kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Repository staff only Download (402kB)
	Text (SOURCE CODING) Lampiran.pdf Restricted to Repository staff only Download (246kB)

Abstract

Banjir merupakan salah satu bencana yang sangat berpengaruh dan merugikan baik itu dari segi ekonomi, lingkungan maupun keselamatan masyarakat. Faktor utama penyebab banjir ialah curah hujan dan debit air sunga. Tingginya intensitas curah hujan dapat mempengaruhi jumlah volume debit air yang mengalir pada saluran sungai yang melebihi kapasitas alirannya sehingga terjadilah banjir. Untuk mengatasi masalah tersebut dibutuhkannya teknologi dan informasi untuk mengelola data dengan tujuan memprediksi dan mengestimasi tentang apa yang terjadi kedepan , melakukan analisis dengan membaca serta mengetahui pola pendekatan tersembunyi dari sekumpulan data melalui proses teknik statistik, matematik, kecerdasan buatan (Artificial Intelegent) dan Machine Learning untuk mengestrak pengetahuan atau menemukan pola dari suatu data yang besar yang disebut dengan data mining. Metode yang diterapkan dalam proses data mining yaitu dengan menggunakan teknik klasifikasi pohon keputusan atau Decision Tree dengan algoritma CART (Classification And Regression Tree) untuk menghasilkan suatu pola pengetahuan dengan mengklasifikasi data iklim, data curah hujan, dan data debit air sungai. Tahap analisis menerapkan pendekatan data mining dengan proses standarisasi CRISP-DM (Cross Industry Standard Process for Data Mining) kemudian hasil klasifikasi dievaluasi dengan uji parameter Confusion Matrix untuk mengetahui tingkat akurasinya.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	CRISP-DM, CART, Confusion Matrix, Decision Tree, Data Mining
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Mechanical Engineering > Undergraduate Theses
Depositing User:	Mr Bambang Anthony
Date Deposited:	21 Jul 2026 02:12
Last Modified:	21 Jul 2026 02:12
URI:	http://eprints.polsri.ac.id/id/eprint/21350

Actions (login required)

View Item