Klasterisasi Data Kejadian Gempa Bumi di Indonesia Menggunakan Metode K-Medoids

Authors

  • Jauharotul Inayah Universitas Islam Negeri Sunan Ampel Surabaya
  • Aris Fanani Universitas Islam Negeri Sunan Ampel Surabaya
  • Wika Dianita Utami Universitas Islam Negeri Sunan Ampel Surabaya

DOI:

https://doi.org/10.26418/justin.v12i2.73594

Keywords:

Gempa Bumi, K-Medoids, Pengklasteran, Silhouette

Abstract

Wilayah Indonesia terletak di antara tiga lempeng tektonik utama, yaitu lempeng Indo-Australia, Eurasia, dan Pasifik. Situasi tersebut menjadikan wilayah Indonesia rentan terhadap gempa bumi. Pada tahun 2022, terdapat 24 kejadian gempa bumi merusak di Indonesia, dengan salah satu kejadian signifikan di Cianjur yang menyebabkan 635 korban jiwa. Kejadian tersebut menunjukkan bahwa Indonesia merupakan daerah yang rawan terhadap gempa bumi. Tujuan dari penelitian ini adalah untuk mengelompokkan daerah-daerah yang rentan terhadap gempa bumi di Indonesia menggunakan metode K-Medoids dan mengevaluasi kelompok-kelompok tersebut dengan menggunakan Silhouette Coefficient. Data kejadian gempa bumi diperoleh dari situs web United States Geological Survey (USGS) dengan total 582 kejadian. Metode ini membentuk hasil jumlah klaster terbaik adalah dua klaster dengan memperoleh nilai Silhouette Coefficient sebesar 0,68016. Adapun hasil klaster tersebut dikategorikan sebagai kelompok tingkat kerentanan sangat tinggi, mencakup daerah sekitar pulau Bali, Sulawesi, hingga Irian Jaya, dan kelompok tingkat kerentanan tinggi, melibatkan daerah barat pulau Sumatra hingga selatan pulau Jawa.

References

J. Jefrianto dan D. Prima Sari, “ANALISIS K-MEDOIDS CLUSTERING PADA EPISENTRUM GEMPA BUMI DI PROVINSI SUMATERA BARAT DAN SEKITARNYA,†J. Math. UNP, vol. 7, no. 2, hal. 22–27, 2022.

D. Marsita, “CLUSTERING DAERAH RAWAN GEMPA DI SUMATRA BARAT MENGGUNAKAN METODE CLUSTERING LARGE APPLICATION DAN DENSITY BASED SPATIAL CLUSTERING OF APPLICATIONS WITH NOISE,†Universitas Muhammadiyah Semarang, 2021.

Supartoyo, “Gempa Bumi Merusak Di Indonesia Tahun 2021,†Pusat Vulkanologi dan Mitigasi Bencana Geologi, 2022. https://vsi.esdm.go.id/index.php/kegiatan-pvmbg/kegiatan-diseminasi-informasi/3888-gempa-bumi-merusak-di-indonesia-tahun-2021 (diakses 19 April 2023).

Supartoyo, “Kejadian Gempa Bumi Merusak Di Indonesia Tahun 2022,†Pusat Vulkanologi dan Mitigasi Bencana Geologi, 2023. https://vsi.esdm.go.id/index.php/kegiatan-pvmbg/kegiatan-diseminasi-informasi/4041-kejadian-gempa-bumi-merusak-di-indonesia-tahun-2022 (diakses 19 April 2023).

W. Erlangga, “Karakteristik Dan Parameter Subduksi Sumber Gempa Pulau Jawa,†Teknisia, vol. XXV, no. 2, hal. 30–40, 2020, doi: 10.20885/teknisia.vol25.iss2.art4.

N. Sureja, B. Chawda, dan A. Vasant, “An improved K-medoids clustering approach based on the crow search algorithm,†J. Comput. Math. Data Sci., vol. 3, hal. 100034, Jun 2022, doi: 10.1016/j.jcmds.2022.100034.

E. Luthfi dan A. W. Wijayanto, “Analisis perbandingan metode hirearchical , k-means , dan k-medoids clustering dalam pengelompokkan indeks pembangunan manusia Indonesia Comparative analysis of hirearchical , k-means , and k-medoids clustering and methods in grouping Indonesia ’ s human,†Inovasi, vol. 17, no. 4, hal. 770–782, 2021, [Daring]. Tersedia pada: https://journal.feb.unmul.ac.id/index.php/INOVASI/article/download/10106/1437

F. R. Senduk, I. Indwiarti, dan F. Nhita, “Clustering of earthquake prone areas in indonesia using k-medoids algorithm,†Indones. J. Comput., vol. 4, no. 3, hal. 65–76, 2019.

Y. Setiawan, S. Aziz Suprianto, A. Wijanarko, D. Setyo Rini, dan M. Yusa, “PEMETAAN KELOMPOK SEBARAN TITIK GEMPA BUMI MENTAWAI DENGAN METODE K-MEDOIDS CLUSTERING,†2022.

D. Krismawati, I. N. Setiawan, S. Pramana, dan E. Tanur, “Klasterisasi Wilayah Rentan Bencana Alam Berupa Gerakan Tanah Dan Gempa Bumi Di Indonesia,†Semin. Nas. Off. Stat., vol. 2022, no. 1, hal. 669–676, 2022, doi: 10.34123/semnasoffstat.v2022i1.1538.

C. Fan, M. Chen, X. Wang, J. Wang, dan B. Huang, “A review on data preprocessing techniques toward efficient and reliable knowledge discovery from building operational data,†Front. Energy Res., vol. 9, hal. 652801, 2021.

A. P. Joshi dan B. V Patel, “Data Preprocessing: The Techniques for Preparing Clean and Quality Data for Data Analytics Process,†Orient. J. Comput. Sci. Technol, vol. 13, no. 0203, hal. 78–81, 2021.

Z. Nasikah, “Pengelompokkan bencana banjir berdasarkan kabupaten/kota di Provinsi Jawa Timur menggunakan metode Cluster Divisive,†UIN Sunan Ampel Surabaya, 2021.

E. Supriyadi dan others, “Perbandingan Metode Partial Least Square (Pls) Dan Principal Component Regression (Pcr) Untuk Mengatasi Multikolinearitas Pada Model Regresi Linear Berganda,†Unnes J. Math., vol. 6, no. 2, hal. 117–128, 2017.

Z.-Y. Lim, L.-Y. Ong, dan M.-C. Leow, “A Review on Clustering Techniques: Creating Better User Experience for Online Roadshow,†Futur. Internet, vol. 13, no. 9, hal. 233, Sep 2021, doi: 10.3390/fi13090233.

I. Kamila, U. Khairunnisa, dan M. Mustakim, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau,†J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 5, no. 1, hal. 119, 2019, doi: 10.24014/rmsi.v5i1.7381.

J. Inayah, D. A. S. N. Maghfiroh, dan D. C. R. Novitasari, “CLUSTERING DAERAH RAWAN KRIMINALITAS MENGGUNAKAN ALGORITMA FUZZY C-MEANS,†J. Ilm. Inform. Komput., vol. 27, no. 2, hal. 95–106, Agu 2022, doi: 10.35760/ik.2022.v27i2.6019.

P. J. Rousseeuw, “Silhouettes: a graphical aid to the interpretation and validation of cluster analysis,†J. Comput. Appl. Math., vol. 20, hal. 53–65, 1987.

Downloads

Published

2024-04-30

Issue

Vol. 12 No. 2 (2024)

Section

Articles

License

Copyright (c) 2024 JUSTIN (Jurnal Sistem dan Teknologi Informasi)

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).  

                             

This is a human-readable summary of (and not a substitute for) the license. Disclaimer.

You are free to:
Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.