IMPLEMENTASI ALGORITMA CLARA UNTUK DATA GEMPA BUMI DI INDONESIA

Isna Hidayatur Rifa, Hasih Pratiwi, Respatiwulan Respatiwulan

Abstract


Gempa bumi adalah getaran yang terjadi di permukaan bumi secara tiba-tiba yang disebabkan oleh pergeseran lempeng bumi. Gempa bumi merupakan bencana alam yang sering terjadi di Indonesia. Hal ini dikarenakan Indonesia berada pada tiga lempeng besar dunia dan sembilan lempeng kecil lainnya yang saling bertemu di suatu wilayah membentuk tatanan lempeng yang kompleks. Dampak yang disebabkan oleh gempa bumi berbeda-beda bergantung pada magnitudo dan kedalamannya. Pada penelitian ini akan dilakukan pengelompokan data gempa bumi di Indonesia berdasarkan magnitudo dan kedalamannya menggunakan salah satu teknik data mining yaitu clustering. Metode clustering yang akan digunakan adalah algoritma clustering large application (CLARA). Algoritma CLARA dapat menangani data berukuran besar, dan lebih robust terhadap pencilan. Hasil penelitian menunjukkan bahwa jumlah cluster optimal berdasarkan magnitudo dan kedalaman terjadinya gempa adalah tiga cluster.


Full Text:

PDF

References


Artatia, H., & Hakim, R.B.F. (2015). Pengelompokan Dampak Gempa Bumi dari Segi Kerusakan Fasilitas pada Provinsi yang Berpotensi Gempa di Indonesia Menggunakan K-means Clustering. Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015. ISBN: 978.602.361.002.0.

Berkhin P. (2006). A Survey of Clustering Data Mining Techniques. Kogan J., Nicholas C., Teboulle M. (eds) Grouping Multidimensional Data. Springer, Berlin, Heidelberg. Diakses pada tanggal 3 Maret 2019 dari https://doi.org/10.1007/3-540-28349-8_2.

Bird, P. (2003). An updated digital model of plate boundaries. Geochemistry Geophysics Geosystem Journal. 4(3): 1-52. doi:10.1029/2001GC000252.

Han, J., & Kamber, M. (2006). Data Mining: Concepts and Techniques, Morgan Kaufmann Publisher, San Francisco.

Han, J., Kamber, M., & Pei, J. (2012). Data Mining : Concepts and Techniques, Third Edition. USA: Elsevier Inc. Waltham.

Hermawati, FA. 2013. DATA MINING. Surabaya: CV Andi Offset.

Irsyam, M., Sengara, I.W., Aldiamar, F., Widiyantoro, S., Triyoso, W., Natawidjaja, D.H., Kertapati, E., Meilano, I., Suhardjono., Asrurifak, M., & Ridwan, M. (2010). Ringkasan Hasil Studi Tim Revisi Peta Gempa di Indonesia 2010. Diakses pada tanggal 18 Maret 2018 dari https://www.preventionweb.net/files/14654_AIFDR.pdf .

Johnson, R. A., & Wichern, D.W. (2002). Applied Multivariate Analysis 5th edition. New Jersey: Prentice Hall.

Kaufman, L., & Rousseeuw, P.J. (1987). Clustering By Means of Medoids. Diakses pada tanggal 12 November 2018 dari https://www.researchgate.net/publication/243777819_Clustering_by_ Means_of_Medoids.

Larose, D.T. (2005). Discovering Knowledge in Data : An Introduction to Data Mining. New Jersey: John Willey and Sons. Inc.

Mustafa, Badrul. (2010). Analisis Gempa Nias dan Gempa Sumatra Barat dan Kesamaannya yang Tidak Menimbulkan Tsunami. Jurnal Ilmu Fisika Universitas Andalas. Diakses pada tanggal 29 Maret 2019 dari http://jif.fmipa.unand.ac.id/index.php/jif/article/view/46/34.

Septiana,L., & Djohan, N. (2015). Analisis Perbandingan Algoritma K-means Clustering dan Expectation-Maxmimation (EM) untuk Klasifikasi Butir Beras. Jurnal Teknik dan Ilmu Komputer. 4(15): 245-253.

United States Geological Survey. (2018). Search Earthquake Catalog. Diakses pada tanggal 9 Oktober 2018 dari https://earthquake.usgs.gov/earthquakes/search/




DOI: http://dx.doi.org/10.31000/cpu.v0i0.1694

Article Metrics

Abstract - 1581 PDF - 1740

Refbacks

  • There are currently no refbacks.