2018
DOI: 10.24815/jda.v1i2.12584
|View full text |Cite
|
Sign up to set email alerts
|

Penerapan Metode K-Means dalam Pengelompokan Wilayah Menurut Intensitas Kejadian Bencana Alam di Indonesia Tahun 2013-2018

Abstract: Indonesia telah mengalami banyak kejadian bencana alam, Badan Nasional Penanggulangan Bencana mencatat bahwa dari tahun 2016 sampai dengan awal 2018 sudah lebih dari 2.700 bencana alam terjadi di seluruh wilayah Indonesia. Oleh karena itu penelitian ini bertujuan untuk mengelompokkan wilayah di Indonesia menurut intensitas terjadinya bencana alam, sehingga diketahui wilayah yang rawan terjadi bencana alam. Analisis yang digunakan adalah Analisis Gerombol dengan Metode K-Means. Hasil yang didapatkan adalah juml… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
3
2

Citation Types

0
4
0
7

Year Published

2019
2019
2024
2024

Publication Types

Select...
6
3

Relationship

0
9

Authors

Journals

citations
Cited by 15 publications
(11 citation statements)
references
References 2 publications
0
4
0
7
Order By: Relevance
“…A study by Supriyadi et al (2018) used k-means to classify disasterprone areas into three clusters: high, medium, and low. In addition, Yana et al (2018) found two regional clusters in Indonesia, namely prone to and not prone to natural disasters. Prihandoko and Bertalya (2016) suggested the cluster correlation between natural disasters, the number of victims, and weather conditions using k-means.…”
Section: Clustering Disaster-prone Areas and Mitigationmentioning
confidence: 99%
See 1 more Smart Citation
“…A study by Supriyadi et al (2018) used k-means to classify disasterprone areas into three clusters: high, medium, and low. In addition, Yana et al (2018) found two regional clusters in Indonesia, namely prone to and not prone to natural disasters. Prihandoko and Bertalya (2016) suggested the cluster correlation between natural disasters, the number of victims, and weather conditions using k-means.…”
Section: Clustering Disaster-prone Areas and Mitigationmentioning
confidence: 99%
“…Cluster methods such as k-means have been widely used to group areas with relatively the same number of disaster characteristics to see which areas are prone to natural disasters (Yana et al, 2018). A study by Supriyadi et al (2018) used k-means to classify disasterprone areas into three clusters: high, medium, and low.…”
Section: Clustering Disaster-prone Areas and Mitigationmentioning
confidence: 99%
“…Sebagian besar setiap provinsi di Indonesia mempunyai catatan bencana alam yang telah terjadi. Dampak dari kejadian bencana alam tersebut sering sekali menimbulkan kerugian berupa harta benda dan korban jiwa [1]. Sekitar 13% dari gunung berapi dunia yang bertempat di kepulauan Indonesia memiliki potensi untuk memicu bencana dengan kekuatan dan intensitas yang berbeda.…”
Section: Pendahuluanunclassified
“…Penelitian lainnya dilakukan oleh Supriyadi et al (2018) yang meneliti mengenai pengklasifikasian daerah rawan bencana menggunakan metode clustering k-means dengan bantuan aplikasi RapidMiner [7]. Penelitian selanjutnya, yaitu penelitian oleh Yana et al (2018) yang bertujuan mengelompokkan wilayah Indonesia menurut frekuensi kejadian bencana alam tiap provinsi di Indonesia dengan mengambil data dari tahun 2013 sampai tahun 2018 [8].…”
Section: Pendahuluanunclassified