IRPIIRPI

MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer Science

Bencana alam ialah insiden yang tidak bisa dihindari. Tetapi akibat dari bencana bisa dikurangi dengan mengidintifikasi pemicu terjadinya bencana serta mengkaji peristiwa bencana yang sudah pernah terjadi melalui analisa data bencana yang ada. Indonesia sering mengalami bencana yang disebabkan oleh ke rusakan alam akibat perbuatan manusia seperti bencana banjir dan tanah longsor. Berdasarkan data dari Jabar Open Data pada periode 2019, provinsi jawa barat mengalami 609 peristiwa tanah longsor. Badan Penanggulangan Bencana Daerah (BPBD) belum dapat mengoptimalkan pelayanan terhadap korban bencana, misalnya lamanya datang bantuan karena terbatasnya peralatan dan makanan pada daerah bencana. Sedangkan dengan adanya pemetaan resiko bencana menjadi sangat penting dalam penataan penanggulangan bencana yang terarah dan tepat. Maka diperlukannya pengolahan data untuk mengetahui daerah kabupaten/kota yang sering terjadi bencana tanah longsor. Peneliti menggunakan pengolahan data dengan metode perbandingan algoritma K-Means dan K-Medoids. Metode yang didapatkan dari pengelompokkan dengan method K-Means lebih optimal daripada mengguanakan method K-Medoids pada data kejadian tanah longsor Provinsi Jawa Barat pada tahun 2019 dengan jumlah k paling optimal adalah k = 6. Perolehan cluster dominan, menunjukkan bahwa kluster 2 merupakan kluster dengan jumlah daerah paling banyak. Dan jumlah kejadian terbanyak terletak pada kluster 5 dengan jumlah 4 daerah dan jumlah kejadian sebanyak 106 kejadian.

Dapat disimpulkan bahwasannya pengelompokkan dengan menggunakan metode K-Means lebih optimal dibandingkan dengan mengguakan metode K-Medoids pada data kejadian tanah longsor Provinsi Jawa Barat pada tahun 2019 dengan jumlah k paling optimal adalah k = 6.Perolehan cluster dominan menunjukkan bahwa kluster 2 merupakan kluster dengan jumlah daerah paling banyak.Dan jumlah kejadian terbanyak terletak pada kluster 5 dengan jumlah daerah adalah 4 daerah dan jumlah kejadian sebanyak 106 kejadian.

Penelitian lanjutan dapat mengeksplorasi penggunaan algoritma berbasis probabilitas seperti Gaussian Mixture Models untuk mengelompokkan daerah rawan tanah longsor, membandingkan hasil clustering dengan data kerusakan lingkungan yang lebih spesifik, atau mengintegrasikan data kejadian tanah longsor di provinsi lain untuk menguji generalisasi model. Studi juga dapat fokus pada pengembangan sistem pendukung keputusan berbasis cluster untuk BPBD agar distribusi bantuan lebih efektif. Selain itu, analisis sensitivitas terhadap perubahan parameter seperti jumlah cluster (k) atau metrik jarak akan memberikan wawasan tentang stabilitas algoritma di situasi nyata.

  1. Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi... ejournal.uin-suska.ac.id/index.php/RMSI/article/view/7381Perbandingan Algoritma K Means dan K Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi ejournal uin suska ac index php RMSI article view 7381
  2. Radware Bot Manager Captcha. radware manager captcha apologize ensure keep safe please confirm human... iopscience.iop.org/article/10.1088/1757-899X/725/1/012128Radware Bot Manager Captcha radware manager captcha apologize ensure keep safe please confirm human iopscience iop article 10 1088 1757 899X 725 1 012128
  3. Computational Complexity between K-Means and K-Medoids Clustering Algorithms for Normal and Uniform Distributions... doi.org/10.3844/jcssp.2010.363.368Computational Complexity between K Means and K Medoids Clustering Algorithms for Normal and Uniform Distributions doi 10 3844 jcssp 2010 363 368
  4. Radware Bot Manager Captcha. radware manager captcha apologize ensure keep safe please confirm human... doi.org/10.1088/1757-899X/420/1/012092Radware Bot Manager Captcha radware manager captcha apologize ensure keep safe please confirm human doi 10 1088 1757 899X 420 1 012092
  1. #bencana alam#bencana alam
File size602.33 KB
Pages7
DMCAReportReport

ads-block-test