Prediksi Tinggi Muka Air Di Lahan Gambut Provinsi Jambi Berdasarkan Curah Hujan, Suhu Dan Kelembapan Udara Menggunakan Metode Random Forest Regression

Randi Irawan, Gusmi Kholijah, Cut Multahadah

Abstract


Lahan gambut merupakan ekosistem penting yang rentan terhadap kerusakan, terutama akibat kebakaran yang sering dipicu oleh penurunan tinggi muka air (TMA). Provinsi Jambi, sebagai salah satu wilayah dengan luasan gambut yang signifikan, mengalami kebakaran berulang dalam beberapa tahun terakhir. Penelitian ini bertujuan untuk membangun model prediksi TMA berbasis algoritma Random Forest Regression guna mendukung mitigasi kebakaran dan pengelolaan lahan gambut berkelanjutan. Model dilatih menggunakan data iklim (curah hujan, suhu, dan kelembaban udara) dari tahun 2019 hingga 2024 di wilayah gambut Provinsi Jambi, dengan 100 pohon keputusan dan pendekatan bootstrap sampling, menggunakan Python dan pustaka Scikit-Learn. Hasil evaluasi menunjukkan performa model yang cukup baik, dengan nilai RMSE sebesar 0,1173 dan R² sebesar 0,7182, yang berarti sekitar 72% variasi TMA dapat dijelaskan oleh model. Analisis feature importance mengidentifikasi curah hujan sebagai faktor paling berpengaruh yaitu sebesar 51.05%, disusul kelembaban sebesar 32.9% dan suhu sebesar 11.9%. Temuan ini menegaskan peran utama curah hujan dalam dinamika TMA, serta potensi penggunaan model sebagai alat bantu dalam sistem peringatan dini dan perencanaan pengelolaan lahan gambut yang lebih efektif.


Keywords


Curah hujan, Iklim, Kelembaban udara, Lahan gambut, Random Forest Regression, Suhu, Tinggi muka air

Full Text:

PDF

References


Erianto Indra Putra and Idelia Lathiifah Puspadewi1, “PENGARUH KELEMBAPAN, SUHU UDARA DAN CURAH HUJAN TERHADAP KEJADIAN KEBAKARAN GAMBUT DI KABUPATEN TANJUNG JABUNG TIMUR, JAMBI,” 2020.

E. Suwananda, A. Saad, and A. Aswandi, “Pengaruh Curah Hujan terhadap Tinggi Muka Air Tanah Gambut Saat Fenomena El Nino di Sub Kesatuan Hidrologis Gambut Sungai Mendahara-Sungai Lagan,” Jurnal Ilmiah Universitas Batanghari Jambi, vol. 24, no. 3, p. 2418, Oct. 2024, doi: 10.33087/jiubj.v24i3.5531.

E. I. Putra and I. L. Puspadewi, “Pengaruh Kelembapan, Suhu Udara dan Curah Hujan terhadap Kejadian Kebakaran Gambut di Kabupaten Tanjung Jabung Timur, Jambi,” Journal of Tropical Silviculture, vol. 11, no. 3, pp. 189–193, Dec. 2020, doi: 10.29244/j-siltrop.11.3.189-193.

A. Firmansyah, M. F. Syahidin, and Y. S. Triana, “Prediksi Kebakaran Hutan Berdasarkan Titik Panas dan Iklim Menggunakan Algoritma Random Forest,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 10, no. 2, pp. 145–155, Sep. 2024, doi: 10.25077/TEKNOSI.v10i2.2024.145-155.

T. Mahesti, K. D. Hartomo, and S. Y. J. Prasetyo, “Penerapan Algoritma Random Forest dalam Menganalisa Perubahan Suhu Permukaan Wilayah Kota Salatiga,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 4, p. 2074, Oct. 2022, doi: 10.30865/mib.v6i4.4603.

A. Firmansyah, M. F. Syahidin, and Y. S. Triana, “Prediksi Kebakaran Hutan Berdasarkan Titik Panas dan Iklim Menggunakan Algoritma Random Forest,” Sep. 2024, doi: 10.25077/TEKNOSI.v10i2.2024.145-155.

M. Bagas, A. Darmawan, F. Dewanta, and S. Astuti, “Analisis Perbandingan Algoritma Decision Tree, Random Forest, dan Naïve Bayes untuk Prediksi Banjir di Desa Dayeuhkolot Comparative Analysis of Decision Tree, Random Forest, and Naïve Bayes Algorithm for Flood Prediction at Dayeuhkolot Village,” TELKA, vol. 9, no. 1, pp. 52–61, 2023.

Z. A. Dwiyanti and C. Prianto, “Prediksi Cuaca Kota Jakarta Menggunakan Metode Random Forest,” Jurnal Tekno Insentif, vol. 17, no. 2, pp. 127–137, Oct. 2023, doi: 10.36787/jti.v17i2.1136.

S. Mahmuda, “Implementasi Metode Random Forest pada Kategori Konten Kanal Youtube,” Jurnal Jendela Matematika, vol. 2, 2024.




DOI: http://dx.doi.org/10.30829/jistech.v10i1.24569

Refbacks

  • There are currently no refbacks.



Current Indexing

 

Creative Commons License

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.