KOMPARASI 2 METODE CLUSTER DALAM PENGELOMPOKAN INTENSITAS BENCANA ALAM DI INDONESIA

Fitri Khoirunnisa, Yulianto Rahmawati

Abstract


Data mining merupakan sebuah proses pengolahan informasiyang digunakan untuk keperluan tertentu dari suatu database. Salah satumetode dalam data mining adalah Clustering, yang berfungsi untukmencari pola, titik, objek, atau dokumen yang dapat dikelompokkan. Algoritma K-Means clustering memiliki peran penting dalam bidang data mining karena mudah diimplementasikan dan dijalankan. Namun, terdapatvariasi pengembangan dari metode K-Means Clustering, yaitu K-Medoids, yang diciptakan untuk mengatasi kelemahan Algoritma K-Means yang cenderung sensitif terhadap outlier. Dalam penelitian ini, kedua algoritma clustering dibandingkan dengan menggunakan dataset yang berisi informasi tentang bencana alam di Indonesia dari tahun 2013-2022, yang terdiri dari atribut banjir, gempa bumi, kekeringan, putingbeliung, tanah longsor, dan tsunami. Hasil pengujian menunjukkan bahwanilai DBI pada K-Means lebih rendah dibandingkan K-Medoids, yaitumasing-masing 0.425 dan 0.939. Berdasarkan data tersebut, terdapat tigacluster yang terbentuk, yang dapat diinterpretasikan berdasarkan intensitasbencana alam, dengan masing-masing cluster memiliki karakteristik yang berbeda.

Full Text:

PDF 68-79

References


​I. Dewi Fitriani, W. Zulkarnaen, and A. Bagianto, “Analisis Manajemen Mitigasi Badan Penanggulangan Bencana Daerah (Bpbd) Terhadap Bencana Alam Erupsi Gunung Tangkuban Parahu Di Jawa Barat,” JIMEA | Jurnal Ilmiah MEA (Manajemen,Ekonomi,dan Akuntansi), vol. 5, no. 1, pp. 92–111, 2021.

​A. Alijoyo and I. Sapuan, “Green Behavior and the Use of Eco-Product: Millennial Generation Perspective,” Eduvest-Journal of Universal Studies, vol. 2, no. 1, pp. 121–130, 2022, [Online]. Available: http://eduvest.greenvest.co.id

​I. J. A. Saragih, M. Sirait, and D. A. Sari, “Deskripsi Opini Publik tentang Bencana Alam untuk Rencana Studi Mitigasi di Indonesia (Studi kasus: Bencana Hidrometeorologi),” MKGI: Jurnal Meteorologi, Klimatologi Geofisika dan Instrumentasi, vol. 1, no. 1, pp. 33–39, 2021, [Online]. Available: https://journal.physan.id/index.php/mkgir33Journalhomepage:https://journal.physan.id/index.php/mkgi

​A. Dwi Maqfirah, N. Oktaviano Guntur, A. Burhanuddin, K. Atirah Monica Bubun, M. Daffa Rizqilah, and A. Apriliani, “Peran ASEAN Agreement on Disaster Management and Emergency Response (AADMER) dalam Penanggulangan Bencana Alam di Indonesia,” Online, 2022.

​BNPB, “BNPB (Badan Nasional Penanggulangan Bencana),” https://www.bnpb.go.id/, Mar. 2023. https://www.bnpb.go.id/infografis/infografis-bencana-tahun-2022 (accessed Mar. 02, 2023).

​M. Firman, A. Halik, and L. Septiana, “Analisa Data Untuk Prediksi Daerah Rawan Bencana Alam Di Jawa Barat Menggunakan Algoritma K-Means Clustering,” Journal of Information System, Applied, Management, Accounting and Research, vol. 6, no. 4, pp. 856–870, 2022, doi: 10.52362/jisamar.v6i4.939.

​M. Herviany, S. Putri Delima, T. Nurhidayah, and Kasini, “Comparison of K-Means and K-Medoids Algorithms for Grouping Landslide Prone Areas in West Java Province,” MALCOM : Indonesian Journal of Machine Learning and Computer Science, vol. 1, no. 1, pp. 34–40, 2021.

​N. L. Anggraeni and S. Tresnawati, “Komparasi Algoritma K-Means Dan K-Medoids Untuk Menangani Strategi Promosi Di Politeknik Tedc Bandung,” 2020.

​A. Fira, C. Rozikin, and Garno, “Komparasi Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Penyebaran Covid-19 di Indonesia,” Journal of Applied Informatics and Computing (JAIC) , vol. 5, no. 2, pp. 133–138, 2021.

​H. Yusuf Heraldi, N. Churin Aprilia, and H. Pratiwi, “Analisis Cluster Intensitas Kebencanaan di Indonesia Menggunakan Metode K-Means,” Indonesian Journal of Applied Statistics, vol. 2, no. 2, pp. 137–144, 2019.

​A. O. Hashi, A. A. Abdirahman, M. A. Elmi, S. Z. M. Hashi, and O. E. R. Rodriguez, “A real-time flood detection system based on machine learning algorithms with emphasis on deep learning,” International Journal of Engineering Trends and Technology, vol. 69, no. 5, pp. 249–256, May 2021, doi: 10.14445/22315381/IJETT-V69I5P232.

​A. D. Andini and T. Arifin, “Implementasi Algoritma K-Medoids Untuk Klasterisasi Data Penyakit Pasien Di Rsud Kota Bandung,” JURNAL RESPONSIF, vol. 2, no. 2, pp. 128–138, 2020, [Online]. Available: http://ejurnal.ars.ac.id/index.php/jti

​D. Marlina, N. Fauzer Putri, A. Fernando, and A. Ramadhan, “Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak,” Jurnal CoreIT, vol. 4, no. 2, 2018.

​H. Firdaus and A. Sofro, “Analisa Cluster Menggunakan K-Means Dan Fuzzy C-Means Dalam Pengelompokan Provinsi Menurut Data Intesitas Bencana Alam Di Indonesia Tahun 2017-2021,” Jurnal Ilmiah Matematika, vol. 10, no. 01, pp. 50–60, 2022.

​M. Gading Sadewo, A. Perdana Windarto, and A. Wanto, “Penerapan Algoritma Clustering Dalam Mengelompokkan Banyaknya Desa/Kelurahan Menurut Upaya Antisipasi/ Mitigasi Bencana Alam Menurut Provinsi Dengan K-Means,” KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) , vol. 2, no. 1, pp. 312–319, 2018, [Online]. Available: http://ejurnal.stmik-budidarma.ac.id/index.php/komik

​S. Sindi et al., “Analisis Algoritma K-Medoids Clustering Dalam Pengelompokan Penyebaran Covid-19 Di Indonesia,” Jurnal Teknologi Informasi, vol. 4, no. 1, 2020.




DOI: http://dx.doi.org/10.23960/jitet.v12i1.3619

Refbacks

  • There are currently no refbacks.


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

Publisher
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Lampung
Jl. Prof. Soemantri Brojonegoro No. 1 Bandar Lampung 35145
Email: jitet@eng.unila.ac.id
Website : https://journal.eng.unila.ac.id/index.php/jitet

Copyright (c) Jurnal Informatika dan Teknik Elektro Terapan (JITET)
pISSN: 2303-0577   eISSN: 2830-7062