@thesis{thesis,
		author={Febriansa  Tiansi Cahya and Lestari  Febrianti and Rathomi  Muhamad Radzi},
		title ={IMPLEMENTASI ALGORITMA REGRESI LINEAR BERGANDA DAN KNN-REGRESSION UNTUK PREDIKSI PERUBAHAN TUTUPAN LAHAN DAERAH ALIRAN SUNGAI (STUDI KASUS : DAS SEI PULAI)},
		year={2025},
		url={http://repositori.umrah.ac.id/8460/},
		abstract={Penelitian ini bertujuan memprediksi perubahan tutupan lahan di DAS Sei Pulai menggunakan algoritma Regresi Linear Berganda (RLB) dan K-Nearest Neighbor Regression (KNN-Regression). Data yang digunakan meliputi curah hujan, debit air, dan tutupan vegetasi pada periode 2019?2023. Metodologi mencakup pengumpulan data, preprocessing, pemodelan dengan RLB dan KNN-Regression, serta evaluasi akurasi model menggunakan RMSE dan MAPE. Analisis dilakukan menggunakan Python di Google Collaboratory. Hasil menunjukkan RLB lebih cocok untuk tren jangka panjang, sementara KNN-Regression lebih sesuai untuk pola stabil. RLB memiliki performa lebih baik dengan RMSE 0,97 dan MAPE 0,02%, dibandingkan KNN-Regression dengan RMSE 2,82 dan MAPE 0,04%. Uji korelasi tutupan vegetasi menunjukkan hubungan positif yang kuat (nilai 0,97 pada Pearson dan Spearman), menandakan bahwa peningkatan vegetasi berdampak signifikan pada perbaikan tutupan lahan. Hasil prediksi manual dan aplikasi menunjukkan kesesuaian, dengan rentang nilai 5552?5580 Ha untuk perhitungan manual dan 5566?5592 Ha untuk aplikasi. Penelitian ini menegaskan pentingnya tutupan vegetasi dalam dinamika tutupan lahan serta merekomendasikan penggunaan RLB untuk analisis perubahan jangka panjang}
		}