Implementasi Metode Fuzzy Possibilistic C-Means pada Pengelompokan Provinsi di Indonesia Berdasarkan Data Jumlah Kejadian dan Dampak Bencana Banjir

Abstract View: 47, PDF Download: 33

Authors

  • Khairun Nida Universitas Mulawarman
  • Memi Nor Hayati Universitas Mulawarman
  • Rito Goejantoro Universitas Mulawarman

DOI:

https://doi.org/10.32665/james.v7i1.1919

Keywords:

Cluster Analysis, Flood Disaster, FPCM, Modified Partition Coefficient, Clustering, Bencana Banjir

Abstract

Analisis cluster merupakan salah satu teknik dalam data mining yang digunakan untuk menemukan kelompok objek data yang serupa. Metode Fuzzy Possibilistic C-Means (FPCM) adalah salah satu metode clustering yang merupakan pengembangan dari algoritma Fuzzy C-Means (FCM) dan Possibilistic C-Means (PCM) dengan menggunakan kelebihan dari pemodelan fuzzy dan possibilistic. Penelitian ini bertujuan untuk mengetahui jumlah cluster optimal berdasarkan indeks validitas Modified Partition Coefficient (MPC) serta mengetahui hasil pengelompokan optimal 34 Provinsi di Indonesia berdasarkan data jumlah kejadian dan dampak bencana banjir pada tahun 2017-2021. Menurut Badan Nasional Penanggulangan Bencana (BNPB) sejak tahun 2017 hingga 2021 jumlah bencana alam yang terjadi di Indonesia mencapai 18.658 kejadian di mana bencana banjir termasuk kategori bencana yang besar dengan persentase total kejadian 28% sejak tahun 2017 hingga 2021. Oleh sebab itu, perlu dilakukan pengelompokan Provinsi di Indonesia berdasarkan dampak bencana banjir sebagai upaya mitigasi dalam mengenali risiko bencana banjir. Jumlah cluster optimal dengan menggunakan metode FPCM berdasarkan indeks validitas MPC adalah sebanyak 2 cluster yaitu cluster pertama beranggotakan 19 Provinsi di Indonesia dan cluster  kedua beranggotakan 15 Provinsi di Indonesia. Cluster pertama didominasi oleh provinsi di Kepulauan Sumatera yang sebagian besar kawasannya terdiri dari dataran tinggi dan pegunungan, serta provinsi yang terletak di Kepulauan Papua dan Maluku yang memiliki jumlah penduduk lebih kecil dibandingkan dengan provinsi lain. Sementara pada cluster kedua didominasi oleh provinsi dengan jumlah pemukiman bantaran sungai yang cukup tinggi.

References

I. Werdiningsih, B. Nuqoba, and Muhammadun, “Data Mining Menggunakan Android, Weka, dan SPSS”, Surabaya: Airlangga University Press, 2020.

S. Santoso, “Menguasai Statistik Multivariat”, Jakarta : PT Elex Media Komputindo, 2015.

M. Musfiani, “Analisis Cluster Dengan Menggunakan Metode Partisi Pada Pengguna Alat Kontrasepsi Di Kalimantan Barat”, Bimaster : Buletin Ilmiah Matematika, Statistika Dan Terapannya, 8(4), 893–902, 2019.

O. J. Oyelade, O. O. Oladipupo, and I. C. Obagbuwa, “Application of K Means Clustering Algorithm for Prediction of Students Academic Performance”, 7, 292–295, 2010.

G. R. Apsari, M. S. Pradana, and N. E. Chandra, “Implementasi Fuzzy C-Means dan Possibilistik C-Means Pada Data Performance Mahasiswa”, Unisda Journal of Mathematics and Computer Science (UJMC), 6(2), 39–48, 2020.

G. N. S. Putri, D. Ispriyanti, and T Widiharih, “Implementasi Algoritma Fuzzy C-Means Dan Fuzzy Possibilistics C-Means Untuk Klasterisasi Data Tweets Pada Akun Twitter Tokopedia”, Jurnal Gaussian, 11(1), 86–98, 2022.

K. H. Nuansari and Kariyam. “Perbandingan Metode Fuzzy C-Means, Fuzzy Possibilistic C-Means, dan Possibilistic C-Means Pada Noisy Data (Studi Kasus : Fasilitas Tempat Tinggal Setiap Provinsi Tahun 2017)”, Universitas Islam Indonesia, 2018.

S. Putriana, E. Ernawati, and D. Andreswari, “Clustering Data Titik Gempa Dengan Metode Fuzzy Possibilistic C-Means (Studi Kasus: Titik Gempa Pulau Sumatera Tahun 2013- 2018)”, Rekursif: Jurnal Informatika, 9(1), 2021.

Bakornas PB, “Pengenalan karakteristik bencana dan upaya mitigasinya di Indonesia : Vol. II”, Jakarta : Direktorat Mitigasi, Lahar Bakornas PB, 2007.

A. Findayani, “Kesiap Siagaan Masyarakat Dalam Penanggulangan Banjir Di Kota Semarang”, Jurnal Geografi : Media Informasi Pengembangan Dan Profesi Kegeografian, 12(1), 102–114, 2015.

U. Islamy, D. R. Nursidah, I. S. Narendra, M. L. Anshori, and W. Edi,. “Pengelompokkan Provinsi Di Indonesia Berdasarkan Indikator Dampak Bencana Banjir Tahun 2017-2020”, Bimaster, 11(2), 381–388, 2022.

Suyanto, “Data Mining Untuk Klasifikasi dan Klasterisasi Data”, Bandung: Informatika, 2017.

D. Gujarati, “Ekonometri Dasar. Terjemahan: Sumarno Zain”, Jakarta: Erlangga, 2003.

E. Prasetyo, “Data Mining Mengelolah Data Menjadi Informasi Menggunakan Matlab Edisi Baru”, Yogyakarta : Penerbit CV. ANDI, 2014.

Badan Pusat Statistik, “Banyaknya Desa/Kelurahan Menurut Keberadaan Permukiman di Bantaran Sungai (Desa), 2014-2018”, Jakarta : Badan Pusat Statistik, 2019.

Badan Pusat Statistik, “Statistik Potensi Desa 2021”, Jakarta : Badan Pusat Statistik, 2022.

Ramadhani, A. Siswanto, and L. Teddy, “Analisis Penyebab Terjadinya Banjir Pada Pemukiman Kumuh di Kecamatan Ilir Barat I Palembang”, Seminar Nasional AVoER XII 2020, 439-444, 2020.

E. Hermawan, “Analisis Perilaku Curah Hujan Di Atas Kototabang Saat Bulan Basah dan Bulan Kering”, Prosiding Seminar Nasional Penelitian, Pendidikan, dan Penerapan MIPA 2009, 415-424, 2009.

Downloads

Published

2024-04-29

How to Cite

[1]
K. Nida, M. N. Hayati, and R. Goejantoro, “Implementasi Metode Fuzzy Possibilistic C-Means pada Pengelompokan Provinsi di Indonesia Berdasarkan Data Jumlah Kejadian dan Dampak Bencana Banjir”, JaMES, vol. 7, no. 1, pp. 33–42, Apr. 2024.
Abstract View: 47, PDF Download: 33