ANALISIS SPASIAL BERBASIS K-MEANS CLUSTERING UNTUK IDENTIFIKASI DAERAH RAWAN GEMPA BERDASARKAN DATA HISTORIS
Keywords:
Analisis Spasial, K-Means Clustering, Data Historis, Identifikasi Daerah Rawan Gempa, Mitigasi BencanaAbstract
Indonesia merupakan salah satu negara dengan tingkat risiko bencana alam yang tinggi karena letak geografisnya berada pada pertemuan tiga lempeng tektonik besar, serta dipengaruhi oleh kondisi topografi dan iklim tropis yang beragam. Bencana seperti gempa bumi, tsunami, banjir, dan tanah longsor sering terjadi, sehingga menimbulkan kerugian signifikan baik secara ekonomi maupun infrastruktur. Penelitian ini berfokus pada analisis pola historis kejadian gempa bumi di Indonesia dengan menggunakan algoritma K-Means Clustering untuk mengidentifikasi daerah rawan gempa berdasarkan tingkat intensitas,yaitu tinggi, sedang, dan rendah. Data yang digunakan diperoleh dari platform Kaggle dengan sumber utama dari BMKG. Metode K-Means diterapkan untuk mengelompokkan wilayah berdasarkan kesamaan karakteristik kejadian gempa. Hasil penelitian menunjukkan terbentuknya tiga klaster wilayah dengan kategori intensitas gempa: tinggi (0), sedang (1), dan rendah (2). Temuan ini diharapkan dapat menjadi referensi bagi pemerintah dalam merancang strategi mitigasi bencana yang lebih terarah dan efisien, sehingga mampu meminimalkan dampak gempa serta meningkatkan kesiapsiagaan masyarakat
References
Angraeni, A., Lubis, L. H., Sugeng, S., & Ginting, M. H. (2023). Analisis Kerentanan Seismik Gempa Bumi berdasarkan Nilai PGA Menggunakan Metode Esteva pada Wilayah Kepulauan Nias. Geo-Image Journal, 12(2), 141-147.
Yudha, I. P. P. W. S., & Sinambela, M. (2024). Mitigasi Bencana Gempa Bumi dengan Integrasi Analisis Geofisika dan Data Mining. Geosfera: Jurnal Penelitian Geografi, 3(2), 121-129.
Metrikasari, R., & Choiruddin, A. (2021). Pemodelan risiko gempa bumi di pulau Sumatera menggunakan model inhomogeneous neyman-scott cox process. Jurnal Sains dan Seni ITS, 9(2), 487941.
Munir, R., Nurahmah, L., Friesky, V., Imran, M., & Haryono, A. (2024). Kajian Nilai B-Value untuk Menganalisis Aktivitas Seismik di Wilayah Pulau Jawa, Bali dan Nusa Tenggara Barat. GEOSAINS KUTAI BASIN, 7(2), 57-63.
Latif, M., Andriani, A., & Hakam, A. (2023). Analisis Tingkat dan Sebaran Bencana Tanah Longsor di Kabupaten Bengkulu Tengah. Bentang: Jurnal Teoritis Dan Terapan Bidang Rekayasa Sipil, 11 (2), 217–226.
Alamsyah, A., & Wahyudi, E. (2024). Transformasi Digital untuk Mitigasi Banjir: Optimalisasi Sistem Informasi di Jawa Barat. Jurnal Perlindungan Masyarakat: Bestuur Praesidium, 1(2), 50-62.
Baldah, A., Duarisah, A. V., & Maulana, R. A. (2023). Clustering Daerah Rawan Bencana Alam Di Indonesia Berdasarkan Provinsi Dengan Metode K-Means. Jurnal Ilmiah Informatika Global, 14(2), 3136.
Wijaya, N. S., Jajuli, M., & Dermawan, B. A. (2024). Penerapan algoritma K-Means clustering dalam menentukan daerah prioritas penanganan kemiskinan di wilayah Jawa Timur. JATI (Jurnal Mahasiswa Teknik Informatika), 8(4), 7579-7584.
Faradilla, Z., & Veritawati, I. (2022). Clustering Daftar Harga Rumah di Jakarta Dengan Algoritma KMeans.Journal of Informatics and Advanced Computing
(JIAC), 3(2), 155-160.
Widyadhan, D., Hastuti, R. B., Kharisudin, I., & Fauzi, F. (2021, February). Perbandingan analisis klaster k-means dan average linkage untuk pengklasteran kemiskinan di provinsi jawa tengah. In PRISMA, Prosiding Seminar Nasional Matematika (Vol. 4, pp. 584-594).
Sari, R. M., Rizka, A., Putri, N. A., & Efriana, A. (2024). Perhitungan Metode Clustering. Serasi Media Teknologi.
Anjarwati, D. (2025). Clustering penindakan kasus korupsi di indonesia menggunakan k-means: analisis data kpk tahun 2004-2024. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 12(2).
Kinanti, R. (2024). Penerapan Metode Clustering K-Means Untuk Menentukan Prioritas Penerima Bantuan Program Beras Untuk Rakyat Miskin (Raskin) Studi Kasus: Kecamatan Siulak. Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM), 4(2), 1135-1146.
Maori, N. A., & Evanita, E. (2023). Metode elbow dalam optimasi jumlah cluster pada k-means clustering. Jurnal Simetris, 14(2), 1-11.
Kiat, A. B. H., Azhar, Y., & Rahmayanti, V. (2020). Penerapan Metode K-Means Dengan Metode Elbow Untuk Segmentasi Pelanggan Menggunakan Model RFM (Recency, Frequency & Monetary). Jurnal Repositor, 2(7).
Baldah, A., Duarisah, A. V., & Maulana, R. A. (2023). Clustering Daerah Rawan Bencana Alam Di Indonesia Berdasarkan Provinsi Dengan Metode K-Means. Jurnal Ilmiah Informatika Global, 14(2), 3136.
Hidayat, R. S., Muttaqin, M. R., & Irmayanti, D. (2024). Pengelompokan Daerah Rawan Bencana Di Jawa Tengah Menggunakan Algoritma K-Means Clustering. JATI (Jurnal Mahasiswa Teknik Informatika), 8(5), 10035-10042.
Al Halik, M. F., & Septiana, L. (2022). 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, 6(4), 856-870.
Prasetio, A., & Effendi, M. M. (2023). Analisis Gempa Bumi Di Indonesia Dengan Metode Clustering. Bulletin of Information Technology (BIT), 4(3), 338-343.
Massinai, M. F. I., Zarkasi, A., Maharani, A. A., & Desiani, R. (2022). Klasifikasi Kedalaman Kejadian Gempa Menggunakan Algoritma K-Means Clustering: Studi Kasus Kejadian Gempa Di Sulawesi. JFT: Jurnal Fisika dan Terapannya, 9(2), 79-88.
Wibowo, A., & Gunawan, W. (2024). Pemanfaatan Algoritma K-Means dalam Klasterisasi Gempa Sulawesi. Faktor Exacta, 17(3), 228-240.
