IMPLEMENTASI ALGORITMA K-MEANS PADA PERISTIWA GEMPA BUMI DI WILAYAH JAWA BARAT

Abstract

Indonesia's strategic geological location causes frequent earthquakes, volcanic eruptions, and various natural disasters. West Java is a province that has quite a lot of natural disasters. From the collected data, natural disasters that often occur in West Java consist of several categories, including earthquakes. Many of these natural disasters have caused casualties, both fatalities and injuries, destroyed the surrounding area and its infrastructure, and caused property losses. The increase in the incidence of earthquakes needs to be further investigated to prevent the number of victims from increasing. This information can be obtained through a data mining approach, considering the large amount of data available. In relation to earthquake disaster data, clustering techniques in data mining are very useful for grouping disaster data based on the year of occurrence so that it can be used as a basis for predicting future earthquake events. Thus, this research produced 2 clusters, namely cluster 0 with 180 data in 2017 and a high incidence rate, and cluster 1 with 90 data and a low level in 2012. In the end, it is expected to be possible to classify earthquake disaster data using knowledge discovery data techniques (KDD) using the k-means algorithm seen at the time of the disaster.
 Keywords: data mining; earthquake; natural disasters; K-means; knowledge discovery data.
 
Abstrak
Letak geologis Indonesia yang strategis menyebabkan  sering dilanda gempa bumi, letusan gunung berapi dan berbagai bencana alam. Jawa Barat merupakan provinsi yang memiliki kejadian bencana alam  cukup  banyak, dari data yang dikumpulkan  bencana alam yang sering terjadi di Jawa  Barat terdiri dari beberapa kategori termasuk gempa bumi,. Banyaknya peristiwa bencana alam ini menyebabkan timbulnya korban, baik korban jiwa maupun luka-luka, menghancurkan wilayah sekitarnya serta menghancurkan infrastruktur dan menimbulkan kerugian harta benda. Adanya peningkatan kejadian bencana gempa bumi perlu diteliti lebih lanjut untuk mencegah agar jumlah korban tidak semakin banyak. Informasi tersebut dapat diperoleh melalui pendekatan data mining mengingat jumlah data yang tersedia sangat banyak. Dalam kaitannya dengan data bencana gempa bumi, teknik clustering pada data mining sangat berguna untuk mengelompokkan data bencana gempa bumi berdasarkan  tahun kejadian sehingga dapat dijadikan dasar untuk memprediksi
peristiwa gempa bumi kedepannya. Dengan demikian, penelitian ini dihasilkan 2 cluster, yaitu cluster 0 sebanyak 180 data di tahun 2017 dengan tingkat kejadian tinggi dan cluster 1 sebanyak 90 data dengan tingkatan rendah pada tahun 2012. Pada akhirnya diharapkan dapat mengelompokkan data bencana gempa bumi memanfaatkan teknik knowledge discovery data (KDD) menggunakan algoritma k-means dilihat dari waktu terjadinya bencana.
 Kata Kunci: Bencana alam; Gempa Bumi; Data Mining;  K-Means; Knowledge Discovery Data