| dc.description.abstract | Gunung Merapi merupakan salah satu gunung api teraktif yang ada di Indonesia. Guna menanggulangi dampak bencana dari Gunung Merapi, maka setiap harinya para pakar harus mengamati segala fenomena yang terjadi pada Gunung Merapi. Salah satu metode pengamatan yang dilakukan oleh pakar yaitu secara visual/penglihatan. Metode pengamatan secara visual dilakukan dengan cara mengamati citra dari Gunung Merapi yang ditangkap oleh masing-masing pos pengamatan Gunung Merapi. Setiap harinya terdapat ratusan data berupa citra Gunung Merapi yang diterima dari tiap pos. Dari data tersebut ada beberapa yang tidak layak untuk diamati oleh pakar karena citra yang ditangkap terhalang oleh kabut atau awan. Faktanya terdapat banyak data yang dikirim oleh tiap pos, tidak layak bagi pakar untuk dilakukan analisis. Data yang tidak layak ini perlu dihapus dari media penyimpanan agar tidak membebani Server, namun untuk saat ini penghapusan data yang tidak layak tersebut dilakukan secara manual sehingga akan meberatkan pekerjaan pengamat/pakar. Penilitan ini bertujuan untuk menyusun pemodelan yang dapat memilah citra Gunung Merapi secara otomatis dengan Machine Learning. Model yang telah dibangun akan memilah data yang layak dan tidak layak. Dalam pengembangan model ini terdapat beberapa skenario yang dilakukan guna menghasilkan performa model yang terbaik. Model yang digunakan yaitu adalah Support Vector Machine dan K-Nearest Neighbour. Dalam penelitian ini, digunakan dua metode seleksi fitur yaitu Correlation-based Feature Selection dan Chi-Square. Seleksi fitur diharapkan mampu mengeleminasi fitur-fitur yang tidak mendukung selama proses pembangunan model Machine Learning. Hasil dari penelitian ini menyimpulkan bahwa performa yang diberikan dari kombinasi antara klasifikasi KNN dan seleksi fitur Chi-Square dengan nilai k=27 (jumlah sampel dari fitur) menghasilkan nilai akurasi sebesar 90% dan waktu komputasi selama 0.001187 detik. | en_US |
