Clustering bencana alam di Indonesia menggunakan algoritma K-Means

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Oktaviana, Era (2022) Clustering bencana alam di Indonesia menggunakan algoritma K-Means. Undergraduate thesis, UIN Sunan Ampel Surabaya.

[img] Text
Era Oktaviana_H02215003.pdf

Download (22MB)

Abstract

Bencana alam merupakan kejadian luar biasa yang disebabkan oleh faktor alam ataupun faktor dari ulah manusia yang berdampak pada lingkungan dan manusia itu sendiri. Indonesia menjadi salah satu negara yang menjadi rawan bencana alam seperti tanah longsor, banjir, banjir bandang, gempa bumi, tsunami, kekeringan, kebakaran, gunung meletus, puting beliung dan gelombang pasang laut karena keadaan iklim, tanah, hidrologi, geologi, serta geomorfologinya. Letak astronomis menjadikan Indonesia mempunyai iklim tropis yang berdampak pada curah hujan yang tinggi. Hasil pencatatan Badan Pusat Statistik (BPS) Indonesia tahun 2018 membuktikan bahwa sejak tiga tahun terakhir sudah lebih dari 20.000 kasus bencana alam terjadi diseluruh wilayah yang ada di Indonesia. BNPB adalah salah satu lembaga pemerintah yang bertugas menjadi pelaksana penanggulangan bencana alam di Indonesia yang memerlukan data yang kuat, tepat, dan akurat secara cepat ketika terjadi suatu bencana alam. Sehingga diperlukan pengelompokan provinsi-provinsi mana saja yang sering terdampak bencana alam. Metode yang digunakan dalam pengelompokan tersebut adalah K-Means Clustering yang di analisis menggunakan Silhouette Index. Berdasarkan pengelompokan tersebut, Indonesia terbagi menjadi 3 kelompok daerah rawan bencana alam dengan karakteristik rawan, sedang (cukup rawan), dan aman (tidak rawan). 3 kelompok tersebut sudah tervalidasi keakuratannya. Cluster yang dibentuk cukup optimal karena telah dilakukan uji validasi cluster menggunakan Slihouette Index dimana hasilnya menunjukkan 3 cluster yang optimal dengan nilai Silhouette Index sebesar 0.501.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type: Thesis (Undergraduate)
Creators:
CreatorsEmailNIM
Oktaviana, Eraeraoktavia@gmail.comH02215003
Contributors:
ContributionNameEmailNIDN
Thesis advisorFanani, Arisarisfa@uinsby.ac.id2027018701
Thesis advisorIntan, Putroue Keumalapuput.in@gmail.com0728058802
Subjects: Bencana alam
Matematika
Keywords: Clustering; K-Means; Silhouette Index
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Era Oktaviana
Date Deposited: 04 Oct 2022 07:36
Last Modified: 04 Oct 2022 07:36
URI: http://digilib.uinsa.ac.id/id/eprint/55190

Actions (login required)

View Item View Item