Clustering Data Titik Gempa Dengan Metode Fuzzy Possibilistic C-Means (Studi Kasus: Titik Gempa Pulau Sumatera Tahun 2013- 2018)

Abstract

Abstrak:Berdasarkan data yang dipublikasikan oleh Badan Geologi Amerika Serikat yaitu United States Geological Survey (USGS) dalam programnya memonitor aktivitas gempa di seluruh dunia, pada tahun 2013 hingga tahun 2018 tercatat telah terjadi gempa di pulau Sumatera sebanyak 1.443 kali dengan berbagai magnitudo dan kedalaman. Dampak yang disebabkan oleh gempa bumi berbeda-beda bergantung pada magnitudo dan kedalamannnya. Untuk mengetahui pengelompokan pola gempa bumi di wilayah pulau Sumatera dapat dilakukan dengan salah satu teknik data mining yaitu clustering. Sistem ini dibuat dengan bahasa pemrograman PHP, Tools Google Maps API dan metode pengembangan Waterfall. Pada penelitian ini dilakukan clustering data titik gempa menggunakan metode Fuzzy Possibilistic C-Means. Sistem ini berhasil mengelompokkan data titik gempa wilayah pulau Sumatera dari tahun 2013 hingga tahun 2018 menjadi 3 kluster. Kluster 1 memuat gempa dangkal dengan kedalaman 3.69 km – 50 km dan kekuatan 2.7 SR – 6.6 SR, kluster 2 memuat gempa dangkal dengan kedalaman 50.09 km – 56.15 km dan kekuatan 4 SR – 5.3 SR, dan kluster 3 memuat gempa dangkal, menengah, dan dalam dengan kedalaman 56.34 km - 365.24 km dan kekuatan 4 SR – 6 SR. Dari hasil clustering data titik gempa pulau Sumatera dari tahun 2013 hingga tahun 2018 dengan metode Fuzzy Possibilistic C-Means data terkluster berdasarkan kedalaman saja, sedangkan untuk kekuatan gempa bumi menyebar di setiap kluster.

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

“…Berdasarkan indeks validitas MPC didapatkan hasil bahwa metode FPCM merupakan metode terbaik dengan jumlah cluster optimal sebanyak 5 cluster. Selain itu penelitian menurut [8] yang membahas mengenai penerapan clustering data titik gempa dengan menggunakan metode FPCM berhasil melakukan pengelompokan data titik gempa bumi di wilayah Pulau Sumatera menjadi 3 cluster. Berdasarkan beberapa penelitian yang telah dilakukan sebelumnya, selain dapat diterapkan pada bidang teknologi dan fasilitas tempat tinggal, FPCM juga dapat diterapkan dalam bidang mitigasi bencana gempa maupun bencana lain seperti banjir.…”

Analisis Klasterisasi Kerawanan Gempa Bumi di Provinsi Papua Menggunakan Algoritma Invasive Weed Optimization (IWO)

“…Dari penelitian ini berhasil menunjukkan bahwa data dikelompokkan berdasarkan kedalaman saja, dan kekuatan gempa bumi menyebar di setiap klaster yang terbentuk. Dalam penelitian ini, ditemukan tiga klaster yang dapat digunakan untuk memahami pola sebaran gempa bumi di Pulau Sumatera selama periode waktu yang diteliti [7].…”

“…Dengan F-Measure, maka dapat dilakukan evaluasi lebih lanjut terhadap kualitas klasterisasi yang dihasilkan oleh algoritma tersebut. Nilai Precision dan Recall diperoleh melalui Persamaan (6) dan Persamaan (7).…”

“…𝑟 𝑖𝑗 = 𝑛 𝑖𝑗 𝑛 𝑖 (7) dimana 𝑝 𝑖𝑗 adalah nilai Precision dari kelas ke-i cluster kej, 𝑟 𝑖𝑗 adalah nilai Recall dari kelas ke-i cluster ke-j, 𝑛 𝑖 adalah banyaknya data pada kelas ke-i yang akan menjadi hasil query, 𝑛 𝑗 adalah banyaknya data pada klaster ke-j yang merupakan hasil query, 𝑛 𝑖𝑗 adalah banyaknya elemen dari kelas ke-i yang terinput pada klaster ke-j.…”