Search for collections on Repository Universitas Maritim Raja Ali Haji

IMPLEMENTASI ALGORITMA REGRESI LINEAR BERGANDA DAN KNN-REGRESSION UNTUK PREDIKSI PERUBAHAN TUTUPAN LAHAN DAERAH ALIRAN SUNGAI (STUDI KASUS : DAS SEI PULAI)

Febriansa, Tiansi Cahya and Rathomi, Muhamad Radzi and Lestari, Febrianti (2025) IMPLEMENTASI ALGORITMA REGRESI LINEAR BERGANDA DAN KNN-REGRESSION UNTUK PREDIKSI PERUBAHAN TUTUPAN LAHAN DAERAH ALIRAN SUNGAI (STUDI KASUS : DAS SEI PULAI). S1 thesis, Universitas Maritim Raja Ali Haji.

[img] Text (Cover)
TIANSI CAHYA FEBRIANSA_2101020122_TEKNIK INFORMATIKA_COVER.pdf - Published Version

Download (467kB)
[img] Text (Abstrak)
TIANSI CAHYA FEBRIANSA_2101020122_TEKNIK INFORMATIKA_ABSTRAK.pdf - Published Version

Download (325kB)
[img] Text (Bab 1)
TIANSI CAHYA FEBRIANSA_2101020122_TEKNIK INFORMATIKA_BAB 1.pdf - Published Version

Download (333kB)
[img] Text (Daftar Pustaka)
TIANSI CAHYA FEBRIANSA_2101020122_TEKNIK INFORMATIKA_DAFTAR PUSTAKA.pdf - Published Version

Download (285kB)
[img] Text (Full Teks)
TIANSI CAHYA FEBRIANSA_2101020122_TEKNIK INFORMATIKA_FULL_TEKS.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy
Official URL: https://lib.umrah.ac.id/

Abstract

Penelitian ini bertujuan memprediksi perubahan tutupan lahan di DAS Sei Pulai menggunakan algoritma Regresi Linear Berganda (RLB) dan K-Nearest Neighbor Regression (KNN-Regression). Data yang digunakan meliputi curah hujan, debit air, dan tutupan vegetasi pada periode 2019–2023. Metodologi mencakup pengumpulan data, preprocessing, pemodelan dengan RLB dan KNN-Regression, serta evaluasi akurasi model menggunakan RMSE dan MAPE. Analisis dilakukan menggunakan Python di Google Collaboratory. Hasil menunjukkan RLB lebih cocok untuk tren jangka panjang, sementara KNN-Regression lebih sesuai untuk pola stabil. RLB memiliki performa lebih baik dengan RMSE 0,97 dan MAPE 0,02%, dibandingkan KNN-Regression dengan RMSE 2,82 dan MAPE 0,04%. Uji korelasi tutupan vegetasi menunjukkan hubungan positif yang kuat (nilai 0,97 pada Pearson dan Spearman), menandakan bahwa peningkatan vegetasi berdampak signifikan pada perbaikan tutupan lahan. Hasil prediksi manual dan aplikasi menunjukkan kesesuaian, dengan rentang nilai 5552–5580 Ha untuk perhitungan manual dan 5566–5592 Ha untuk aplikasi. Penelitian ini menegaskan pentingnya tutupan vegetasi dalam dinamika tutupan lahan serta merekomendasikan penggunaan RLB untuk analisis perubahan jangka panjang

Item Type: Thesis (S1)
Contributors:
ContributionNameNIP / NIDN
UNSPECIFIEDRathomi, Muhamad RadziNIP.198903252019031014
UNSPECIFIEDLestari, FebriantiNIP.197802222021212009
Subjects: 000_umum > 000. Ilmu Umum dan Komputer > 005.1.Pemrograman
000_umum > 000. Ilmu Umum dan Komputer > 005.12. Sistem Analisa dan Desain Perangkat Lunak
Divisions: Fakultas Teknik > Program Studi Teknik Informatika
Depositing User: user Teknik Informatika
Date Deposited: 04 Feb 2025 07:38
Last Modified: 04 Feb 2025 07:38
URI: http://repositori.umrah.ac.id/id/eprint/8460

Actions (login required)

View Item View Item