Analisis Intensitas Kenaikan Muka Air Sungai Bahalayung dan Sungai Balimau Menggunakan Methode Random Forest Classifier
Keywords:
Kenaikan Muka Air, Random Forest Classifier, Intensitas Banjir, Mitigasi Banjir, KlasifikasiAbstract
Kenaikan muka air yang tidak terpantau di Kabupaten Hulu Sungai Selatan kerap menimbulkan banjir yang merugikan permukiman dan lahan pertanian sekitar sungai. Penelitian ini bertujuan menganalisis intensitas kenaikan muka air Sungai Bahalayung dan Sungai Balimau menggunakan algoritma Random Forest Classifier berbasis data hidrologi harian periode 2022–2025. Data diklasifikasikan ke dalam tiga kategori intensitas yaitu rendah, sedang, dan tinggi dengan rekayasa fitur berbasis riwayat ketinggian air dan evaluasi model menggunakan skema pembagian data kronologis. Akurasi terbaik dicapai sebesar 81,44% untuk model gabungan dan 82,82% untuk model Sungai Balimau, dengan fitur rasio ketinggian air mingguan dan volatilitas jangka pendek sebagai prediktor paling dominan. Sungai Bahalayung teridentifikasi lebih rawan lonjakan mendadak sehingga menjadi prioritas utama dalam upaya mitigasi banjir di wilayah tersebut.
References
DIBI BNPB, “Data Informasi Bencana Indonesia,” Badan Nasional Penanggulangan Bencana.
A. UMMIYATI, W. A. PUTRI, V. S. NUR AZIZA, A. A. LESMANA, and K. N. AZIZ, “Analisis Pengaruh Curah Hujan terhadap Frekuensi Kejadian Banjir di Kabupaten Kotabaru, Kalimantan Selatan,” Progressive Physics Journal, vol. 5, no. 1, p. 393, Jun. 2024, doi: 10.30872/ppj.v5i1.1266.
BNPB, “Dokumen Kajian Risiko Bencana Nasional Provinsi Kalimantan Selatan 2022–2026,” Badan Nasional Penanggulangan Bencana.
D. T. Prasasti, E. Suhartanto, and L. Prasetyorini, “Aplikasi Penginderaan Jauh dan SIG untuk Pemetaan Daerah Rawan Banjir Sebagai Upaya Mitigasi Bencana di DAS Petung,” Jurnal Teknologi dan Rekayasa Sumber Daya Air, vol. 4, no. 02, pp. 1400–1414, Aug. 2024, doi: 10.21776/ub.jtresda.2024.004.02.141.
Badan Penanggulangan Bencana Daerah Kab. Hulu Sungai Selatan, “DATA BENCANA BANJIR DIKABUPATEN HULU SUNGAI SELATAN,” Satu Data Indonesia. Accessed: Jul. 06, 2026. [Online]. Available: https://data.go.id/dataset/dataset/data-bencana-banjir-dikabupaten-hulu-sungai-selatan
Admin HSS, “Letak Geografis Sungai,” Pemerintah Kabupaten Hulu Sungai Selatan. Accessed: Jul. 09, 2026. [Online]. Available: https://pemkab.hulusungaiselatankab.go.id/
Balimau HSS, “Banjir Melanda Dua Desa di Kawasan Balimau dan Karang Paci, Kalumpang,” GoIndonesia.
M. Rizal H, F. M Sabir, and M. Mursalim, “SISTEM PERINGATAN DINI BANJIR BERBASIS SUPPORT VECTOR MACHINE YANG DIOPTIMALKAN DENGAN PARTICLE SWARM OPTIMIZATION,” Journal of Information System, Applied, Management, Accounting and Research, vol. 10, no. 1, p. 155, Feb. 2026, doi: 10.52362/jisamar.v10i1.2260.
D. Setiawan, R. Noratama Putri, Salamun, Luluk Elvitaria, and Liza Trisnawati, “Pengembangan Arsitektur Edge Computing untuk Early Warning System (EWS) Banjir Berbasis Multi-Sensor Menggunakan Model Hybrid LSTM–Random Forest,” JEKIN - Jurnal Teknik Informatika, vol. 6, no. 1, pp. 82–88, Feb. 2026, doi: 10.58794/jekin.v6i1.2028.
E. Hermawan, S. Darmawan Panjaitan, E. Faja Ripanti, J. H. Hadari Nawawi, P. Tenggara, and K. Pontianak Kalimantan Barat, “JEPIN (Jurnal Edukasi dan Penelitian Informatika) Sistem Prediksi Banjir Rob Kota Pontianak Berbasis Machine Learning Menggunakan Framework Streamlit”.
S. E. Purwati and Y. Pristyanto, “Model Random Forest and Support Vector Machine for Flood Classification in Indonesia,” sinkron, vol. 8, no. 4, pp. 2261–2268, Oct. 2024, doi: 10.33395/sinkron.v8i4.13973.
J. Latifah, F. D. Marleny, A. A. Ningrum, and M. Munsyi, “SISTEM PREDIKSI KUALITAS AIR SUNGAI PADA PULAU CURIAK MENGGUNAKAN ALGORITMA RANDOM FOREST,” Technologia : Jurnal Ilmiah, vol. 16, no. 3, p. 503, Jul. 2025, doi: 10.31602/tji.v16i3.19329.
A. Soleimani, S. H. Amin, F. Baki, and B. Shah, “Forecasting weekly sales using lag-based feature engineering and a bagged tree ensemble,” Machine Learning with Applications, vol. 24, Jun. 2026, doi: 10.1016/j.mlwa.2026.100922.
D. Nababan, C. T. Nadeak, L. Rassiyanti, F. Farid, and K. Kunci, “Universitas Multi Data Palembang | 781 5 th MDP STUDENT CONFERENCE (MSC) Klasifikasi Multikelas Varietas Kacang Kering Menggunakan Metode Hybrid SVM Berbasis DAG.”
S. Sami, M. Hajian, and T. Nazghelichi, “A Time-Driven Approach Leveraging Universally Accessible Features for Photovoltaic Power Forecasting,” Iranica Journal of Energy and Environment, vol. 17, no. 2, pp. 382–396, 2026, doi: 10.5829/ijee.2026.17.02.13.
M. Gava, P. M. Biron, and T. Buffin-Bélanger, “A random forest machine learning model to detect fluvial hazards,” River Res. Appl., vol. 40, no. 10, pp. 1837–1854, Dec. 2024, doi: 10.1002/rra.4353.
A. A. Shah, A. Ullah, N. A. Khan, A. Khan, M. A. U. R. Tariq, and C. Xu, “Community social barriers to non-technical aspects of flood early warning systems and NGO-led interventions: The case of Pakistan,” Front. Earth Sci. (Lausanne)., vol. 11, 2023, doi: 10.3389/feart.2023.1068721.
G. Man, Q. Yun, Z. Qilin, L. Yuyong, and Z. Zhuoshi, “Surface water quality classification and prediction model based on multiple machine learning algorithms,” Sci. Rep., vol. 15, no. 1, Dec. 2025, doi: 10.1038/s41598-025-23775-5.
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.
L. Mdegela, E. Municio, Y. De Bock, E. Luhanga, J. Leo, and E. Mannens, “Extreme Rainfall Event Classification Using Machine Learning for Kikuletwa River Floods,” Water (Switzerland), vol. 15, no. 6, Mar. 2023, doi: 10.3390/w15061021.
M. T. Islam et al., “Enhancing monthly extreme water level predictions in a flood-prone river basin using regression-based machine learning,” H2Open Journal, vol. 8, no. 4, pp. 291–312, Jul. 2025, doi: 10.2166/h2oj.2025.016.
P. Painter, K. Semmens, K. Maxfield, C. Cattoën, and R. H. Carr, “Designing Effective Flood Early Warning Systems: A Review of Barriers, Best Practices, and Key Characteristics,” Dec. 01, 2025, John Wiley and Sons Inc. doi: 10.1111/jfr3.70145.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Shofia Zulfa, Windarsyah, Finki Dona Marleny
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
