PERBANDINGAN ANTARA ALGORITMA K-MEANS DAN ALGORITMA BISECTING K-MEANS DALAM MENGANALISIS GEMPA BUMI DI INDONESIA

Abstract

Gempa bumi, khusus nya gempa tektonik adalah gempa yang paling sering terjadi di Indonesia. Hal itu dikarenakan kondisi geografis Indonesia yang terletak pada daerah pertemuan 3 batas lempeng tektonik dunia. Kondisi tersebut mendorong berbagai pihak dalam berupaya untuk siaga saat muncul potensi yang dapat ditimbulkan. Salah satu upaya yang dilakukan adalah dengan mengelompokkan wilayah kejadian gempa bumi di Indonesia yang memiliki potensi akan rawan terjadinya gempa bumi berdasarkan kedalaman dan kekuatan gempa bumi dengan menggunakan metode clustering. Metode clustering yang digunakan adalah Algoritma K-Means. Tujuan dari penelitian ini adalah untuk menganalisa pola spasial dari persebaran gempa di Indonesia. Data yang digunakan adalah data titik gempa di seluruh daerah di Indonesia dari November 2008 hingga Juni 2022 yang dicatat oleh Badan Meteorologi Klimatologi dan Geofisika (BMKG). Hasil clustering dengan menggunakan Algoritma K-Means menghasilkan 3 cluster dengan nilai rata-rata Silhouette Coefficient yaitu 0.7390 dan Davies Bouldin Index yaitu 0.4475. Selain itu dari penelitian ini juga didapatkan bahwa Algoritma K-Means memiliki nilai rata-rata Silhouette Coefficient dan Davies Bouldin Index lebih baik dibandingan dengan Algoritma Bisecting K-Means.