Zonasi Daerah Terdampak Bencana Angin Puting Beliung Menggunakan K-Means Clustering
Author(s) -
Ravena Lailatur Rohmah,
Dian Candra Rini,
Wika Dianita Utami
Publication year - 2020
Publication title -
prosiding seminar pendidikan matematika dan matematika
Language(s) - Italian
Resource type - Journals
ISSN - 2721-6802
DOI - 10.21831/pspmm.v2i0.78
Subject(s) - forestry , geography , mathematics
Indonesia merupakan salah satu negara yang dilewati jalur The Pacific Ring of Fire atau biasa disebut cincin api pasifik. Daerah tersebut merupakan daerah yang sering terjadi bencana alam seperti gunung meletus, banjir maupun angin puting beliung. Berdasarkan data yang tercatat oleh Badan Nasional Penanggulangan Bencana (BNPB) terdapat 1042 kejadian bencana di Indonesia selama tahun 2019 . Provinsi di Indonesia yang sering terjadi bencana adalah Jawa Timur. Seperti yang telah tercatat pada data BNPB, salah satu bencana yang sering terjadi di Jawa Timur adalah angin puting beliung, hingga Juni 2019 tercatat sebanyak 135 kejadian. Angin puting beliung merupakan bencana alam yang sulit untuk di prediksi. Banyak hal yang dapat mempengaruhi terjadinya angin puting beliung. Oleh karena itu diperlukan pengelompokkan daerah rawan bencana angin puting beliung. Hal ini dilakukan agar pemerintah mengetahui daerah-daerah mana saja yang perlu di waspadai akan bencana tersebut. Metode yang akan digunakan dalam pengelompokkan tersebut adalah K-Means Clustering yang dianalisis menggunakan Silhouette Coefficient, Davies Bouldin Index, dan Purity. Hasil dari penelitian ini adalah pengelompokkan daerah rawan bencana angin puting beliung yang di representasikan ke dalam Geographical Information System (GIS). Berdasarkan pengelompokkan menggunakan K-Means, Jawa Timur terbagi menjadi 4 kelompok daerah rawan bencana angin puting beliung, dengan karakteristik aman, cukup rawan, rawan dan sangat rawan. 4 kelompok tersebut juga telah tervalidasi keakuratannya. Cluster yang terbentuk cukup optimal karena telah dilakukan uji validasi cluster menggunakan Silhouette, Davies Bouldin Index, dan Purity dimana hasilnya menunjukkan cluster dengan jumlah 4 merupakan cluster yang optimal. Dengan nilai Silhouette Coefficient sebesar 0.9116, Davies Bouldin Index sebesar 0.3633 dan Purity sebesar 1.
Accelerating Research
Robert Robinson Avenue,
Oxford Science Park, Oxford
OX4 4GP, United Kingdom
Address
John Eccles HouseRobert Robinson Avenue,
Oxford Science Park, Oxford
OX4 4GP, United Kingdom