Clustering Dampak Gempa Bumi di Indonesia Menggunakan Kohonen Self Organizing Maps (SOM)

Main Article Content

Ninda Nurul Halim Edy Widodo

Abstract

Indonesia merupakan wilayah yang sangat rawan bencana gempa bumi dan memiliki tingkat kegempaan tinggi. Di Indonesia gempa yang mengakibatkan kerusakan terjadi 3-5 kali dalam setahun. Oleh karena itu, penting dilakukan clustering pada dampak gempa di Indonesia sebagai upaya mitigasi bencana. Adanya clustering ini berguna untuk mengelompokkan gempa atas dasar karakteristik yang dimiliki. Sehingga upaya mitigasi dapat disesuaikan dengan karakteristik yang dimiliki masing-masing provinsi pada tiap cluster. Metode cluster yang digunakan adalah Kohonen Self Organizing Map (SOM). SOM merupakan metode analisis untuk data berdimensi tinggi dan tidak diperlukan asumsi serta dapat menghasilkan visualisasi objek tersebut. Data yang digunakan adalah 14 variabel dampak gempa bumi pada 26 Provinsi di Indonesia yang mengalami gempa tahun 2000-2016 yang berasal dari publikasi DIBI BNPB. Dari data tersebut didapatkan 4 cluster yang masing-masing memiliki karakteristik tersendiri. Penentuan jumlah cluster dilakukan dengan melalukan validasi cluster menggunakan internal validation. Setelah dilakukan iterasi sebanyak 4000 maka terbentuk cluster 1  yang terdiri dari 2 Provinsi, cluster 2 terdapat 1 Provinsi, cluster 3 terdiri dari 2 Provinsi dan cluster 4 terdiri dari 21 Provinsi.

Article Details

How to Cite
HALIM, Ninda Nurul; WIDODO, Edy. Clustering Dampak Gempa Bumi di Indonesia Menggunakan Kohonen Self Organizing Maps (SOM). Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami), [S.l.], v. 1, n. 1, p. 188-194, july 2017. Available at: <http://conferences.uin-malang.ac.id/index.php/SIMANIS/article/view/62>. Date accessed: 19 apr. 2024.
Section
Mathematics

References

[1] Astuti. 2015. Jurnal Analisis Clustering Gempa Bumi Selama Satu Bulan Terakhir dengan Menggunakan SOM Kohonen.
[2] Guthikonda. 2005. Kohonen Self Organizing Maps.
[3] Hartuti. 2009. Buku Pintar Gempa. Yogyakarta: Diva Press.
[4] Haykin. 1999. Neural Network-A Comprehensive Foundation. Singapore: Pearson Education.
[5] Irwansyah dan Faisal. 2015. Advanced Clustering Tori dan Aplikasi.
[6] Jain dan Dubes. 1988. Algorithm for Clustering Data.
[7] Kementerian Pekerjaan Umum. 2010. Peta Hazard Gempa Indonesia 2010 Sebagai Acuan Dasar Perencanaan dan Perancangan Infrastruktur Tahan Gempa. Jakarta.
[8] Larose. 2005. Discovering Knowledge in Data. USA: A John Wiley & Sons, Inc Publication.
[9] Muthiah. 2013. Algoritma Self Organizing Maps (SOM). Diunduh 17 Februari 2017.
[10] Pebria, Heru, dan Sugihartono. Jurnal: Identifikasi Penyebaran Gempa di Indonesia dengan Metode Clustering.
[11] Pratama. 2015. Skripsi: Perbandingan Hasil Pengelompokan Menggunakan Algoritma K-Means dan SOM.
[12] Supranto. 2004. Analisis Multivariat Arti dan Interpretasi. Jakarta: PT Rineka Cipta.
[13] Wehrens dan Buydens. 2007. Jurnal: Self and Super-Organizing Maps in R: The Kohonen Package.