Analisis Pengelompokkan Berdasarkan Tingkat Bencana Alam Pada Suatu Daerah Studi Kasus Provinsi Di Indonesia Menggunakan Algoritma K-Means Clustering, Fuzzy C-Means, Dan K-Medoids
Keywords:
Data Mining, K-Means, Fuzzy C-Means, K-Medoids, Google ColaboratoryAbstract
Bencana alam adalah insiden yang tidak dapat dihindari, namun dampaknya dapat dikurangi dengan mengidentifikasi pemicu bencana dan menganalisis data bencana yang ada. Menurut Undang-Undang Nomor 24 Tahun 2007, bencana adalah serangkaian peristiwa yang dapat mengancam dan mengganggu kehidupan masyarakat akibat faktor alam, non-alam, atau manusia, yang mengakibatkan korban jiwa, kerusakan lingkungan, kerugian harta benda, dan dampak psikologis. Saat ini, belum ada analisis yang mengukur tingkat bencana di berbagai provinsi di Indonesia. Oleh karena itu, diperlukan analisis yang dapat mengelompokkan provinsi berdasarkan tingkat bencananya, untuk membantu Badan Nasional Penanggulangan Bencana (BNPB) meningkatkan kesiapsiagaan bencana. Salah satu pendekatan yang dapat digunakan adalah data mining, dengan metode yang sering dipakai seperti K-Means Clustering, Fuzzy C-Means , dan K-Medoids.Pada penelitian ini menghasilkan 2 kluster yaitu sangat berpotensi bencana dan cukup berpotensi bencana. Kluster yang dihasilkan menggunakan metode k-means yaitu kluster 0 dengan 28 anggota dan cluster 1 dengan 5 anggota, kluster yang dihasilkan menggunakan metode fuzzy c-means yaitu kluster 0 dengan 28 anggota dan cluster 1 dengan 5 anggota dan kluster yang dihasilkan menggunakan metode k-medoids kluster 0 dengan 28 anggota dan cluster 1 dengan 5 anggota.
References
[2] Dhewayani, F. N., Amelia, D., Alifah, D. N., Sari, B. N., & Jajuli, M. (2022). Implementasi K-Means Clustering Untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM. Jurnal Teknologi Dan Informasi, 12(1), 64–77.
[3] Fadilah, N. (2022). Penerapan Metode Algoritma K-Means Untuk Clustering Daerah Rawan Tanah Longsor Di Provinsi Jawa Tengah. Jurnal BATIRSI,6(1), 1–5.
[4] Firdaus, H., & Sofro, A. (2022). Analisa Cluster Menggunakan K-Means Dan Fuzzy C-Means Dalam Pengelompokan Provinsi Menurut Data Intesitas Bencana Alam Di Indonesia Tahun 2017-2021. Mathunesa: Jurnal Ilmiah Matematika, 10(1), 50–60.
[5] Harahap, A. S., & Zulvia, P. (2021). Klasterisasi Desa Dengan Menggunakan Algoritma K-Means Pada Data Potensi Desa. JURIKOM (Jurnal Riset Komputer), 8(6), 237–246.
[6] Hermanto, T. I., Muhyidin, Y., Tinggi, S., Wastukancana, T., Cikopak, J., 53, N., & Barat, J. (2021). Analisis Sebaran Titik Rawan Bencana Dengan K-Means Clustering Dalam Penanganan Bencana. Jurnal Sains Komputer & Informatika (J-SAKTI, 5(1), 406.
[7] Herviany, M., Delima, S. P., Nurhidayah, T., & Kasini. (2021). Perbandingan Algoritma K-Means Dan K-Medoids Untuk Pengelompokkan Daerah Rawan Tanah Longsor Di Provinsi Jawa Barat. MALCOM: Indonesian Journal Of Machine Learning And Computer Science, 1(1), 34–40.
[8] Indriyani, F., & Irfiani, E. (2019). Clustering Data Penjualan Pada Toko Perlengkapan Outdoor Menggunakan Metode K-Means. JUITA : Jurnal Informatika, 7(2), 109.
[9] Isyarah, F., Hasan, A., & Wiza, F. (2020). Clustering Daerah Miskin Di Provinsi Riau Menggunakan Metode K-Means. Prosiding-Seminar Nasional Teknologi Informasi & Ilmu Komputer (SEMASTER), 1(1), 1–12.
[10] Kurmiati, D., Zakiy Fauzi, M., Ripangi, Falegas, A., & Indria. (2021). Klasterisasi Daerah Rawan Gempa Bumi Di Indonesia Menggunakan Algoritma K-Medoids. Indonesian Journal Of Machine Learning And Computer Science, 1(1), 47–57.
[11] Monalisa, S., & Erza, I. (2021). Analisis Loyalitas Agen Biasa Dan Agenstok Menggunakan Model RFM (Recency,Frequency, Monetery) Dan Algoritma K-Medoids Pada BC 4 HPAI Pekanbaru. Techno.Com.
[12] Rahma, L., Syaputra, H., Mirza, A. H., & Purnamasari, S. D. (2021). Objek Deteksi Makanan Khas Palembang Menggunakan Algoritma YOLO (You Only Look Once). Jurnal Nasional Ilmu Komputer.
[13] Ramadhani, D. I., Damayanti, O., Thaushiyah, O., & Kadafi, A. R. (2022). Penerapan Metode K-Means Untuk Clustering Desa Rawan Bencana Berdasarkan Data Kejadian Terjadinya Bencana Alam. JURIKOM (Jurnal Riset Komputer), 9(3), 749–753.
[14] Sadewo, M. G., Windarto, A. P., & Wanto, A. (2018). 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), 2(1).
[15] Siburian, T., Safii, M., & Parlina, I. (2019). Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Harga Eceran Beras Di Pasar Tradisional Berdasarkan Wilayah Kota. Prosiding Seminar Nasional Riset Information Science (SENARIS).
[16] Taslim, T., & Fajrizal, F. (2019). Penerapan Algorithma K-Mean Untuk Clustering Data Obat Pada Puskesmas Rumbai. Digital Zone: Jurnal Teknologi Informasi Dan Komunikasi, 7(2), 108–114.
[17] Wahyu, A., & Rushendra. (2022). Klasterisasi Dampak Bencana Gempa Bumi Menggunakan Algoritma K-Means Di Pulau Jawa. Jurnal Edukasi Dan Penelitian Informatika, 8(1), 175–179.
[18] Wiza, F. (2019). Klasterisasi Karakteristik Kekerasan Seksual Terhadap Anak Dengan Metode K-Means Cluster Analysis. Digital Zone: Jurnal Teknologi Informasi Dan Komunikasi, 10(1), 44–53
