Penerapan Metode Clustering untuk Pemetaan Daerah Rawan Bencana di Kabupaten Bojonegoro

Abstract View: 64, PDF Download: 55

Authors

  • Alif Yuanita Kartini Universitas Nahdlatul Ulama Sunan Giri
  • Deby Fakhriyana Universitas Diponegoro

DOI:

https://doi.org/10.32665/james.v7i1.1448

Keywords:

bencana, cluster, pemetaan, disaster, mapping

Abstract

Saat ini data kejadian bencana yang ada di Badan Penanggulangan Bencana Daerah kabupaten Bojonegoro hanya berupa angka-angka kejadian bencana alam dan belum disajikan dalam bentuk peta. Olehkarena itu diperlukan penelitian untuk melakukan pemetaan daerah rawan bencana di kabupaten Bojonegoro. Dari penelitian ini akan menjadi acuan dalam mengakomodir kegiatan mitigasi bencana di kabupaten Bojonegoro. Pada penelitian ini menggunakan metode clustering yakni metode K-Means, K-Medoids, dan X-Means untuk melakukan evaluasi banyaknya cluster yang optimal dan mengembangkan hasil pengelompokan dalam bentuk peta. Data yang digunakan adalah data jumlah kejadian bencana di kabupaten Bojonegoro tahun 2022 yang meliputi jumlah kejadian akibat banjir, jumlah kejadian akibat cuaca ekstrim, jumlah kejadian akibat kebakaran hutan dan lahan, jumlah kejadian akibat kebakaran rumah, jumlah kejadian akibat kekeringan, jumlah kejadian akibat tanah longsor dan jumlah kejadian lain-lain. Berdasarkan nilai Davies Bouldin Index didapatkan hasil bahwa X-Means merupakan metode terbaik dalam pengelompokan wilayah rawan bencana di kabupaten Bojonegoro. Adapun banyaknya cluster yang terbentuk adalah 4 cluster yakni cluster 0 yang terdiri dari 18 kecamatan, cluster 1 yang terdiri dari 7 kecamatan, cluster 2 yang terdiri dari 1 kecamatan dan cluster 3 yang terdiri dari 2 kecamatan. Berdasarkan karakteristik dari hasil pengelompokan dapat disimpulkan bahwa daerah yang paling rawan terjadi bencana di kabupaten Bojonegoro adalah kecamatan Bojonegoro disusul dengan kecamatan Kedungadem dan Temayang.

References

B. P. S. BPS, “Bojonegoro dalam angka 2016,” pp. 1–180, 2016.

W. S. Widarmanto, “Efektivitas Program Desa Tangguh Bencana Dalam Mitigasi Bencana Di Kabupaten Bojonegoro Provinsi Jawa Timur.” Institut Pemerintahan Dalam Negeri, 2022.

S. Amanda, “Rencana Mitigasi Dan Kesiapsiagaan Badan Penanggulangan Bencana Daerah Bojonegoro Untuk Menangani Bencana Kekeringan,” Chemviro J. Kim. dan Ilmu Lingkung., vol. 1, no. 1, pp. 12–16, 2023.

I. T. Julianto, D. Kurniadi, M. R. Nashrulloh, and A. Mulyani, “Comparison Of Data Mining Algorithm For Forecasting Bitcoin Crypto Currency Trends,” J. Tek. Inform., vol. 3, no. 2, pp. 245–248, 2022.

G. K. Gupta, Introduction to data mining with case studies. PHI Learning Pvt. Ltd., 2014.

M. E. Celebi and K. Aydin, Unsupervised learning algorithms, vol. 9. Springer, 2016.

K. P. Sinaga and M.-S. Yang, “Unsupervised K-means clustering algorithm,” IEEE access, vol. 8, pp. 80716–80727, 2020.

P. Arora and S. Varshney, “Analysis of k-means and k-medoids algorithm for big data,” Procedia Comput. Sci., vol. 78, pp. 507–512, 2016.

D. Marlina, N. F. Putri, A. Fernando, and A. Ramadhan, “Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak,” J. CoreIT, vol. 4, no. 2, p. 64, 2018.

R. A. Farissa, R. Mayasari, and Y. Umaidah, “Perbandingan Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Data Obat dengan Silhouette Coefficient di Puskesmas Karangsambung,” J. Appl. Informatics Comput., vol. 5, no. 2, pp. 109–116, 2021.

S. Ramadhani, D. Azzahra, and Z. Tomi, “Comparison of K-Means and K-Medoids Algorithms in Text Mining based on Davies Bouldin Index Testing for Classification of Student’s Thesis,” Digit. Zo. J. Teknol. Inf. dan Komun., vol. 13, no. 1, pp. 24–33, 2022.

A. Supriyadi, A. Triayudi, and I. D. Sholihati, “Perbandingan algoritma k-means dengan k-medoids pada pengelompokan armada kendaraan truk berdasarkan produktivitas,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 6, no. 2, pp. 229–240, 2021.

C. A. Sugianto, A. H. Rahayu, and A. Gusman, “Algoritma k-means untuk pengelompokkan penyakit pasien pada puskesmas cigugur tengah,” J. Inf. Technol., vol. 2, no. 2, pp. 39–44, 2020.

S. Rahayu and A. Y. Kartini, “Algoritma K-Means Dan K-Medoids Untuk Pengelompokan Kecamatan Penerima Bantuan Sosial Di Kabupaten Bojonegoro,” Media Bina Ilm., vol. 16, no. 5, pp. 6815–6822, 2021.

M. Mughnyanti, S. Efendi, and M. Zarlis, “Analysis of determining centroid clustering x-means algorithm with davies-bouldin index evaluation,” in IOP Conference Series: Materials Science and Engineering, 2020, vol. 725, no. 1, p. 12128.

A. M. Siregar, “Penerapan Algoritma K-Means Untuk Pengelompokan Daerah Rawan Bencana di Indonesia,” Intern. (Information Syst. Journal), vol. 1, no. 2, pp. 1–10, 2018.

M. S. Yana, L. Setiawan, E. M. Ulfa, and A. Rusyana, “Penerapan Metode K-Means dalam Pengelompokan Wilayah Menurut Intensitas Kejadian Bencana Alam di Indonesia Tahun 2013-2018,” J. Data Anal., vol. 1, no. 2, pp. 93–102, 2018.

M. Herviany, S. P. Delima, T. Nurhidayah, and K. Kasini, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor Pada Provinsi Jawa Barat: Comparison of K-Means and K-Medoids Algorithms for Grouping Landslide Prone Areas in West Java Province,” Malcom Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. 1, pp. 34–40, 2021.

C. Sukmayadi, A. Primajaya, and I. Maulana, “Penerapan Algoritma K-Medoids dalam Menentukan Daerah Rawan Banjir di Kabupaten Karawang,” Informal Informatics J., vol. 6, no. 3, pp. 187–196, 2021.

Downloads

Published

2024-04-29

How to Cite

[1]
A. Y. Kartini and D. Fakhriyana, “Penerapan Metode Clustering untuk Pemetaan Daerah Rawan Bencana di Kabupaten Bojonegoro”, JaMES, vol. 7, no. 1, pp. 11–19, Apr. 2024.
Abstract View: 64, PDF Download: 55