Klasterisasi Dampak Bencana Gempa Bumi Menggunakan Algoritma K-Means di Pulau Jawa

Aandriko Wahyu, Rushendra Rushendra
{"title":"Klasterisasi Dampak Bencana Gempa Bumi Menggunakan Algoritma K-Means di Pulau Jawa","authors":"Aandriko Wahyu, Rushendra Rushendra","doi":"10.26418/jp.v8i1.52260","DOIUrl":null,"url":null,"abstract":"Pulau Jawa merupakan salah satu daerah rawan gempa bumi dan memiliki populasi penduduk yang padat. Dalam hal ini pemerintah diharuskan untuk memberikan perhatian lebih pada penanggulangan bencana khusunya di pulau jawa. Maka dari itu penelitian ini hadir untuk mengetahui dampak gempa bumi berdasarkan tingkat keparahannya dengan cara melakukan klasterisasi data pesebaran dampak bencana gempa bumi (2012 - 2021) dari Badan Nasional Penanggunlangan Bencana (BNPB) menggunakan algoritma K-Means Clustering. Dari penelitian ini ditemukan bahwa dampak bencana dapat dibagi menjadi 4 klaster. Klaster 1 memiliki dampak bencana paling banyak meliputi meninggal, luka, menderita, mengungsi, kerusakan rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah, kantor, jembatan, dan kios. Klaster ini memiliki Mean Absolute Error (MAE)  senilai 0,017, Mean Square Error (MSE) senilai 0,002, standar deviasi senilai 0,255 dan variance senilai 0,065. Klaster 2 meliputi meninggal, luka, menderita, mengungsi, rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah, pada korban menderita, mengungsi, kerusakan rumah dan fasilitas ibadah. Klaster ini memperoleh MAE senilai 0,053, MSE senilai 0,011, standar deviasi senilai 0,249 dan variance senilai 0,062. Klaster 3 meliputi korban luka, menderita, mengungsi, kerusakan rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah dan kantor. klaster ini memperoleh MAE senilai 0,102, MSE senilai 0,039, standar deviasi senilai 0,212 dan variance senilai 0,045. Klaster 0 memiliki dampak bencana paling sedikit meliputi kerusakan rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah, kantor, dan kios. klaster ini memperoleh MAE sebesar 0,021, MSE senilai 0,005, standar deviasi senilai 0,251 dan variance senilai 0,063.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"1 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-04-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"4","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JEPIN Jurnal Edukasi dan Penelitian Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26418/jp.v8i1.52260","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 4

Abstract

Pulau Jawa merupakan salah satu daerah rawan gempa bumi dan memiliki populasi penduduk yang padat. Dalam hal ini pemerintah diharuskan untuk memberikan perhatian lebih pada penanggulangan bencana khusunya di pulau jawa. Maka dari itu penelitian ini hadir untuk mengetahui dampak gempa bumi berdasarkan tingkat keparahannya dengan cara melakukan klasterisasi data pesebaran dampak bencana gempa bumi (2012 - 2021) dari Badan Nasional Penanggunlangan Bencana (BNPB) menggunakan algoritma K-Means Clustering. Dari penelitian ini ditemukan bahwa dampak bencana dapat dibagi menjadi 4 klaster. Klaster 1 memiliki dampak bencana paling banyak meliputi meninggal, luka, menderita, mengungsi, kerusakan rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah, kantor, jembatan, dan kios. Klaster ini memiliki Mean Absolute Error (MAE)  senilai 0,017, Mean Square Error (MSE) senilai 0,002, standar deviasi senilai 0,255 dan variance senilai 0,065. Klaster 2 meliputi meninggal, luka, menderita, mengungsi, rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah, pada korban menderita, mengungsi, kerusakan rumah dan fasilitas ibadah. Klaster ini memperoleh MAE senilai 0,053, MSE senilai 0,011, standar deviasi senilai 0,249 dan variance senilai 0,062. Klaster 3 meliputi korban luka, menderita, mengungsi, kerusakan rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah dan kantor. klaster ini memperoleh MAE senilai 0,102, MSE senilai 0,039, standar deviasi senilai 0,212 dan variance senilai 0,045. Klaster 0 memiliki dampak bencana paling sedikit meliputi kerusakan rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah, kantor, dan kios. klaster ini memperoleh MAE sebesar 0,021, MSE senilai 0,005, standar deviasi senilai 0,251 dan variance senilai 0,063.
基于爪哇岛的k -意义算法的地震灾害影响规程
爪哇是一个容易地震的地区,人口众多。在这种情况下,政府应该更加关注爪哇岛的主要灾难应对措施。因此,该研究目前正在通过一种使用k -均值算法来确定地震灾害影响数据(2012 - 2021)严重程度的影响。这项研究发现,灾难影响可以分为四组。集群1的灾难性影响最多包括死亡、受伤、痛苦、流离失所、破坏家园、教育设施、卫生设施、宗教设施、办公室、桥梁和摊位。这个集群有0.017的“a”值,平均平方误差(MSE)值0.002,平均偏差值为0.255,变量值为0.065。第二组包括死亡、受伤、受苦、难民、家园、教育设施、卫生设施、宗教设施、受害者、难民、家庭破坏和宗教设施。这些集群得到0 053的MAE,0 011的MSE,0 249的标准差和0 062的方差。第三组包括受伤、受伤、难民、破坏家园、教育设施、卫生设施、宗教设施和办公室。这个集群得到0。102的玫,0。039的MSE,0。212的标准差和0。045的方差。集群0的灾难性影响至少包括房屋损失、教育设施、卫生设施、礼拜设施、办公室和亭子。这些集群得到0 021的MAE,0 005的MSE,0 251的标准差和0 063的方差。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
1
审稿时长
10 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信