Implementasi intelligence decision support system dynamic untuk menentukan tingkat kerusakan sektor pasca bencana alam menggunakan modified-topsis dan neural network

INDONESIA:

Indonesia merupakan negara rawan terjadi bencana. Pada penelitian ini membahas tentang pasca bencana bagian rehabilitasi rekonstruksi yang menangani berbagai sektor atau komponen pemulihan yaitu pemukiman, infrastruktur, ekonomi dan sosial. Rehabilitasi rekonstruksi merupakan salah satu upaya pemerintah dalam menata kembali sektor setelah bencana menghantam suatu daerah. Permasalahan yang banyak ditemukan adalah penilaian terhadap tingkat kerusakan suatu sector tidak memiliki kriteria dan acuan yang jelas, oleh karena itu penilaian dari masing-masing surveyor kepada Badan Penanggulangan Bencana Daerah menjadi berbeda. Sehingga untuk menentukan tingkat kerusakan sektor pasca bencana alam penulis mengembangkan suatu Intelligence Decision Support System Dynamic (IDSSD) yang menggunakan modified metode MCDM klasik yaitu Modified-TOPSIS agar dapat diterapkan di daerah manapun yang terdampak bencana alam. Selain itu dengan menggunakan integrasi metode Artificial Intelligence dengan Neural Network dapat menghasilkan hasil yang lebih obyektif. Tujuan dari penelitian ini adalah untuk mengetahui tingkat akurasi dari metode yang digunakan. Hasil dari penelitian ini adalah metode Modified-TOPSIS dan Neural Network dapat di implementasikan untuk menentukan tingkat kerusakan suatu sector akibat bencana alam. Metode Modified-Topsis memiliki tingkat akurasi sebesar 75%, sedangkan metode Neural Network-Modified Topsis sebesar 81%. Dalam penelitian ini metode Neural network memiliki kinerja yang lebih baik dibanding Modified-Topsis tanpa Neural Network.

ENGLISH:

Indonesia is a disaster-prone country. This study discusses the post-disaster rehabilitation section which handles various sectors or recovery, namely settlement, infrastructure, economic and social. Rehabilitation and reconstruction is one of the government's efforts to restructure the sector after it hits an area. The problem that is often found is the problem of the level of damage to a sector that does not have clear criteria and desires, therefore the assessment of the Regional Disaster Management Agency is different. So to determine the level of damage to the natural disaster sector, the author developed an Intelligence Decision Support System Dynamic (IDSSD) that uses the classically modified MCDM method, namely Modified-TOPSIS so that it can be applied in any area that is a natural disaster. In addition, using the integration of Artificial Intelligence methods with Neural Networks can produce more objective results. The purpose of this study was to determine the level of accuracy of the method used. The results of this study are the Modified-TOPSIS and Neural Network methods can be implemented to determine the level of damage to a sector due to natural disasters. The Modified-Topsis method has an accuracy rate of 75%, while the Neural Network-Modified Topsis method has an accuracy of 81%. In this study, the Neural network method has a better performance than the Modified-Topsis without a Neural Network.

ARABIC:

إندونيسيا بلد معرض للكوارث. تناقش هذه الدراسة قسم إعادة التأهيل بعد الكارثة من إعادة الإعمار الذي يتعامل مع مختلف قطاعات أو مكونات التعافي ، وهي المستوطنات والبنية التحتية والاقتصاد والمجتمع. إعادة التأهيل وإعادة الإعمار هي إحدى جهود الحكومة لإعادة هيكلة القطاع بعد وقوع كارثة في منطقة ما. المشكلة التي يتم العثور عليها في كثير من الأحيان هي أن البيانات من المساحين في الميدان مع البيانات من وكالة إدارة الكوارث ليست دقيقة. هذا لأنه في وقت جمع البيانات الأولية ، كان يُنظر إلى المعايير المستخدمة من قبل المساحين في هذا المجال على أنها مختلفة بحيث كانت مختلفة في تصنيف البيانات الموجودة. لذلك لتحديد مستوى الضرر الذي لحق بالقطاع بعد وقوع كارثة طبيعية ، طور المؤلف نظام ديناميكي لدعم اتخاذ القرار الاستخباراتي يستخدم طريقة الكلاسيكية المعدلة ، وهي تقنية معدلة لترتيب التفضيل عن طريق التشابه مع الحل المثالي (توبسيس) بحيث يمكن تطبيقه في أي منطقة متضررة من الكوارث الطبيعية. بالإضافة إلى ذلك ، يمكن أن يؤدي استخدام تكامل أساليب الذكاء الاصطناعي مع الشبكات العصبية إلى نتائج أكثر موضوعية. كان الغرض من هذه الدراسة هو تحديد مستوى دقة الطريقة المستخدمة. نتائج هذه الدراسة هي الأسلوب المعدل لترتيب الأفضلية عن طريق التشابه مع طريقة الحل المثالي (توبسيس) ويمكن تنفيذ الشبكة العصبية لتحديد مستوى الضرر الذي يلحق بالقطاع بسبب الكوارث الطبيعية. تتميز طريقة بمعدل دقة يبلغ 75٪ ، بينما تتميز طريقة توبسيس المعدلة بالشبكة العصبية بدقة 81٪. في هذه الدراسة ، تتميز طريقة الشبكة العصبية بأداء أفضل من الطريقة المعدلة بدون شبكة عصبية