Integrasi Artificial Neural Network dan Algoritma Genetika untuk Prediksi Bencana Banjir Pesisir Kota Tegal

Muhammad Miftakhudin; Aang Alim Murtopo; Zaenul Arif

doi:10.31004/riggs.v4i3.2068

Authors

Muhammad Miftakhudin Sekolah Tinggi Manajemen Informatika dan Komputer YMI Tegal
Aang Alim Murtopo Sekolah Tinggi Manajemen Informatika dan Komputer YMI Tegal
Zaenul Arif Sekolah Tinggi Manajemen Informatika dan Komputer YMI Tegal

DOI:

https://doi.org/10.31004/riggs.v4i3.2068

Keywords:

Prediksi Banjir, Artificial Neural Network, Algoritma Genetika, Optimasi Model, Data Cuaca

Abstract

Banjir merupakan ancaman rutin di Kota Tegal yang disebabkan oleh curah hujan tinggi, buruknya drainase, dan kenaikan muka air laut. Penelitian ini bertujuan mengembangkan model prediksi banjir berbasis kecerdasan buatan menggunakan Artificial Neural Network (ANN) yang dioptimasi dengan Algoritma Genetika (AG). Data cuaca harian tahun 2024–2025 dari BMKG digunakan sebagai basis pelatihan, mencakup variabel seperti temperatur, curah hujan, kelembapan, dan kecepatan angin. Model ANN bertipe Multilayer Perceptron (MLP) digunakan untuk mengenali pola non-linier, sementara AG mengoptimasi hyperparameter penting guna meningkatkan akurasi. Evaluasi kinerja model dilakukan menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil menunjukkan bahwa model ANN yang telah dioptimasi dengan AG mengalami peningkatan akurasi signifikan dibandingkan model baseline tanpa optimasi, dengan penurunan MAE sebesar 19,63% dan RMSE sebesar 26,31%. Temuan ini menunjukkan bahwa pendekatan hibrida ANN-AG efektif digunakan dalam prediksi bencana banjir berbasis data cuaca. Model ini berpotensi diimplementasikan dalam sistem peringatan dini banjir yang adaptif dan akurat di wilayah pesisir

Downloads

Download data is not yet available.

References

J. Budhiana and J. Budhiana, “Pengaruh Karakteristik Responden Terhadap Kesiapsiagaan Bencana Banjir Di Desa Pasawahan Wilayah Kerja Puskesmas Cicurug Kabupaten Sukabumi,” J. Kesehat. Kusuma Husada, vol. 15, no. 1, pp. 71–85, 2024, doi: 10.34035/jk.v15i1.1243.

A. A. Egaputra, D. H. Ismunarti, and W. S. Pranowo, “Inventarisasi Kejadian Banjir Rob Kota Semarang Periode 2012 - 2020,” Indones. J. Oceanogr., vol. 4, no. 2, pp. 29–40, 2022, doi: 10.14710/ijoce.v4i2.13240.

D. B. Saputro, A. Nurdin, and K. Amiroh, “Flood Early Warning System Using River Water Level Prediction with Artificial Neural Network (Case Study: Jakarta City),” in 2022 IEEE 8th Information Technology International Seminar (ITIS), 2022, pp. 252–256. doi: 10.1109/ITIS57155.2022.10010313.

S. Sandiwarno, “Penerapan Machine Learning Untuk Prediksi Bencana Banjir,” J. Sist. Inf. Bisnis, vol. 14, no. 1, pp. 62–76, 2024, doi: 10.21456/vol14iss1pp62-76.

A. R. A. Brandão, D. Schwamback, F. C. M. de Menezes Filho, P. T. S. Oliveira, and M. C. Fava, “Artificial Neural Networks for Flood Prediction in Current and CMIP6 Climate Change Scenarios,” J. Flood Risk Manag., vol. 18, no. 1, 2025, doi: 10.1111/jfr3.70029.

Y. Cohen et al., “Recent Advances at the Interface of Neuroscience and Artificial Neural Networks,” vol. 42, no. 45, pp. 8514–8523, 2022, doi: https://doi.org/10.1523/JNEUROSCI.1503-22.2022.

A. Review, “Electronics-10-02689-V2.Pdf,” no. Ml, 2021, doi: https://doi.org/10.3390/electronics10212689.

S. Mondal, R. Maity, and A. Nag, “An efficient artificial neural network-based optimization techniques for the early prediction of coronary heart disease: comprehensive analysis,” Sci. Rep., vol. 15, no. 1, pp. 1–24, 2025, doi: 10.1038/s41598-025-85765-x.

E. Egrioglu, C. Grosan, and E. Bas, “A new genetic algorithm method based on statistical-based replacement for the training of multiplicative neuron model artificial neural networks,” J. Supercomput., vol. 79, no. 7, pp. 7286–7304, 2023, doi: 10.1007/s11227-022-04935-0.

S. Lee, J. Kim, H. Kang, D. Y. Kang, and J. Park, “Genetic algorithm based deep learning neural network structure and hyperparameter optimization,” Appl. Sci., vol. 11, no. 2, pp. 1–12, 2021, doi: 10.3390/app11020744.

P. Studi, T. Mekatronika, J. T. Elektro, and P. N. Batam, “Prediksi Banjir Menggunakan Artificial Neural Network Tugas Akhir,” no. 4212001048, 2025, doi: https://repository.polibatam.ac.id/handle/PL029/3818.

H. Zhu, J. Leandro, and Q. Lin, “Optimization of artificial neural network (Ann) for maximum flood inundation forecasts,” Water (Switzerland), vol. 13, no. 16, pp. 1–15, 2021, doi: 10.3390/w13162252.

R. M. A. Ikram, M. Wang, H. Moayedi, and A. A. Dehrashid, “Management and prediction of river flood utilizing optimization approach of artificial intelligence evolutionary algorithms,” Sci. Rep., vol. 15, no. 1, 2025, doi: 10.1038/s41598-025-04290-z.

V. Atashi and H. T. Gorji, “Enhanced flood prediction using LSTM and climate parameters: multi-station analysis of snowmelt-induced flooding in the Red River of the North,” J. Hydroinformatics, vol. 27, no. 2, pp. 245–260, 2025, doi: 10.2166/hydro.2025.236.

M. F. Ghazali, A. Aqzela, C. Gracia, R. S. Febriningtyas, and D. Wijayanti, “Analisis Geospasial Kasus Stunting menggunakan Artificial Neural Network (ANN) di Kecamatan Gadingrejo, Pringsewu-Lampung,” Maj. Geogr. Indones., vol. 37, no. 1, p. 1, 2022, doi: 10.22146/mgi.70474.

Rais, O. Somantri, I. Afriliana, E. Budihartono, and M. Khambali, “An optimized model for classification of appropriate technology products using neural networks and genetic algorithms,” J. Phys. Conf. Ser., vol. 1430, no. 1, 2020, doi: 10.1088/1742-6596/1430/1/012035.

G. Gunawan, M. Miftakhudin, and Z. Arif, “Application of artificial neural network with optimization of genetic algorithms for weather prediction,” J. Mantik, vol. 8, no. 1, pp. 758–767, 2024, doi: 10.35335/mantik.v8i1.5225.