PENERAPAN ALGORITMA LOGISTIC REGRESSION UNTUK PREDIKSI BANJIR DI KECAMATAN MEDAN MARELAN BERDASARKAN DATA CURAH HUJAN DAN FAKTOR METEOROLOGI

Abstract

Banjir merupakan salah satu bencana hidrometeorologi yang paling sering terjadi di Indonesia dan menimbulkan dampak signifikan terhadap aktivitas sosial, ekonomi, serta infrastruktur. Kecamatan Medan Marelan termasuk wilayah dengan tingkat kerawanan banjir yang tinggi akibat curah hujan ekstrem dan keterbatasan sistem drainase. Oleh karena itu, diperlukan pendekatan prediktif berbasis data untuk mendukung upaya mitigasi bencana. Penelitian ini bertujuan mengembangkan model prediksi risiko banjir menggunakan algoritma Logistic Regression dengan memanfaatkan variabel meteorologi, yaitu curah hujan, suhu udara, kelembapan, tekanan udara, dan kecepatan angin. Data penelitian diperoleh dari BMKG Medan dan BPBD Kota Medan dengan total lebih dari 1.000 catatan harian selama periode Mei 2022–Mei 2025. Prosedur penelitian meliputi tahap pengumpulan data, pra-pemrosesan, pembagian dataset menjadi data latih dan data uji, pelatihan model, hyperparameter tuning, serta evaluasi performa. Kinerja model diuji menggunakan metrik accuracy, precision, recall, F1-score, dan AUC ROC. Hasil evaluasi menunjukkan bahwa Logistic Regression mampu memberikan prediksi dengan akurasi 64%, precision 0,99, recall 0,64, F1-score 0,78, dan nilai AUC sebesar 0,60. Model ini dinilai cukup efektif dalam mengenali potensi kejadian banjir, meskipun masih terkendala oleh ketidakseimbangan distribusi data. Dengan demikian, penerapan Logistic Regression terbukti memiliki potensi sebagai metode prediksi risiko banjir yang sederhana, interpretatif, dan adaptif. Temuan penelitian ini diharapkan dapat berkontribusi pada pengembangan sistem peringatan dini serta menjadi dasar perumusan kebijakan mitigasi banjir di tingkat lokal