ANALISA DATA UNTUK PREDIKSI DAERAH RAWAN BENCANA ALAM MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING

ANALISA DATA UNTUK PREDIKSI DAERAH RAWAN BENCANA ALAM MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING

• By MUHAMAD FIRMAN AL HALIK;
• S1- Sistem Infomasi
• 424

Bencana alam adalah suatu peristiwa yang mengakibatkan dampak dan pengaruh besar bagi populasi manusia. Jawa Barat merupakan provinsi yang memiliki kejadian bencana alam cukup banyak, diantaranya bencana alam tanah longsor, gempa bumi, banjir, angin puting beliung, kebakaran, dan sebagainya. Saat ini pengetahuan teknologi dan informasi berkembang sangat pesat. Canggihnya teknologi membuat setiap orang mampu mengakses dan mendapat informasi tanpa batasan. Hal ini membuat informasi sangat dibutuhkan di setiap lini kehidupan. Salah satunya ialah informasi tentang bencana alam,
dimana informasi tentang bencana alam di butuhkan untuk penanggulangan bencana. Data mining merupakan teknik yang umum dilakukan untuk pengolahan data bencana alam, sebab teknik tersebut dianggap mampu menjadi sebuah solusi atas permasalahan penanggulangan bencana alam. Oleh karena itu, dalam penelitian ini membahas tentang pengelompokan data bencana alam untuk prediksi daerah rawan bencana alam di Jawa Barat dengan teknik data mining menggunakan algoritma k-means clustering. Hasil penelitian didapatkan 3 cluster diantaranya cluster rendah, cluster sedang, dan cluster tinggi.

• Katakunci Data mining, bencana alam, k-means, clustering
• URL http://
• Penerbit Universitas Nusa Mandiri, Jakarta DKI Jakarta

REFERENSI

[1] D. Oleh, B. Nasional, and P. Bencana, “IRBI INDEKS RISIKO BENCANA INDONESIA,” 2018.

[2] M. Iqbal Ramadhan, “PENERAPAN DATA MINING UNTUK ANALISIS DATA BENCANA MILIK BNPB MENGGUNAKAN ALGORITMA K-MEANS DAN LINEAR REGRESSION,” 2017.

[3] M. B. Santoso, A. Buchari, and I. Darmawan, “MEKANISME MASYARAKAT LOKAL DALAM MENGENALI BENCANA DI KABUPATEN GARUT,” Share : Social Work Journal, vol. 8, no. 2, p. 142, Jan. 2019, doi: 10.24198/share.v8i2.18885.

[4] J. Oktaviani, S. Sari, D. Taufan, and H. Akbar, “MEKANISME PENANGGULANGAN BENCANA ALAM OLEH PALANG MERAH INDONESIA (PMI) KABUPATEN BANDUNG,” 2019.

[5] A. Nur Khomarudin, “Teknik Data Mining : Algoritma K-Means Clustering,” 2018. [Online]. Available: https://agusnkhom.wordpress.com

[6] Anjar Wanto and dkk, Data Mining : Algoritma dan Implementasi, 1st ed. Medan: Yayasan Kita Menulis, 2020.

[7] M. Murdiaty, A. Angela, and C. Sylvia, “Pengelompokkan Data Bencana Alam Berdasarkan Wilayah, Waktu, Jumlah Korban dan Kerusakan Fasilitas Dengan Algoritma K-Means,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 4, no. 3, p. 744, Jul. 2020, doi: 10.30865/mib.v4i3.2213.

[8] F. N. Dhewayani et al., “Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM,” Jurnal Teknologi dan Informasi, vol. 12, no. 1, Mar. 2022, doi: 10.34010/jati.v12i1.

[9] Halilintar R and Farina Nur I, “Penerapan Algoritma K-Means Clustering Untuk Prediksi Prestasi Nilai Akademik Mahasiswa,” Jurnal Sains dan Informatika, vol. 4, no. 2, 2018.

[10] K. Fatmawati and A. P. Windarto, “DATA MINING: PENERAPAN RAPIDMINER DENGAN K-MEANS CLUSTER PADA DAERAH TERJANGKIT DEMAM BERDARAH DENGUE (DBD) BERDASARKAN PROVINSI,” 2018. [Online]. Available: https://www.depkes.go.id/.

[11] Z. Nabila, A. Rahman Isnain, and Z. Abidin, “ANALISIS DATA MINING UNTUK CLUSTERING KASUS COVID-19 DI PROVINSI LAMPUNG DENGAN ALGORITMA K-MEANS,” Jurnal Teknologi dan Sistem Informasi (JTSI), vol. 2, no. 2, p. 100, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI

[12] T. I. Hermanto et al., “Analisis Sebaran Titik Rawan Bencana dengan K-Means Clustering dalam Penanganan Bencana,” Teguh Iman Hermanto, 2021.

[13] S. Ag. , M. Pd. I. Iwan Hermawan, METODOLOGI PENELITIAN PENDIDIKAN KUANTITATIF, KUALITATIF DAN MIXED METHODE, 1st ed. Kuningan: Hidayatul Quran Kuningan, 2019.

[14] Alfasaleh, “K Means Clustering : Contoh Sederhana Penerapan Algoritma K-Means Clustering,” 2019. https://www.alfasoleh.com/2019/11/k-means-clustering-contohsederhana.html (accessed Jul. 04, 2022).