PEMETAAN TINGKAT KERAWANAN BANJIR SKALA KABUPATEN/KOTA DI PULAU JAWA MENGGUNAKAN METODE SELEKSI VARIABEL LASSO DAN MACHINE LEARNING

Penelitian ini bertujuan untuk memetakan tingkat kerentanan banjir di kabupaten/kota Pulau Jawa menggunakan pendekatan machine learning berbasis data spasial dan non-spasial. Data yang digunakan meliputi variabel iklim, topografi, jenis tanah, penggunaan lahan, serta sosial ekonomi dari tahun 2019 hingga 2022. Untuk mengatasi masalah multikolinearitas dan menyederhanakan model, dilakukan seleksi variabel menggunakan Lasso, yang menghasilkan sepuluh variabel signifikan. Model prediksi dibangun menggunakan algoritma Random Forest dan XGBoost, dengan XGBoost memberikan performa terbaik (R² = 0.60). Hasil prediksi jumlah banjir tahun 2023 menunjukkan bahwa wilayah utara Jawa Barat dan beberapa kota besar di Pulau Jawa menjadi wilayah dengan jumlah kejadian banjir tertinggi. Pemetaan residual menunjukkan adanya wilayah yang mengalami overestimate dan underestimate oleh model, menunjukkan bahwa
masih terdapat faktor lokal yang belum tercakup oleh variabel yang digunakan. Penelitian ini memberikan kontribusi dalam penyusunan model prediksi spasial yang dapat dijadikan dasar perencanaan mitigasi banjir di tingkat kabupaten/kota.