HAYYUDI GIANNANDA ASFA, - (2025) KLASTERISASI DATA GEMPA DI INDONESIA MENGGUNAKAN K-MEANS CLUSTERING. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text (BAB GABUNGAN) File Lengkap (Kecuali BAB 4) Hayyudi Giannanda Asfa (11850112515) - KLASTERISASI DATA GEMPA DI INDONESIA MENGGUNAKAN K-MEANS CLUSTERING - HAYYUDI GIANNANDA ASFA TEKNIK INFORMATIKA.pdf - Published Version Download (1MB) | Preview
	Text (BAB HASIL) File Hasil Penelitian (BAB 4) Hayyudi Giannanda Asfa (11850112515) - KLASTERISASI DATA GEMPA DI INDONESIA MENGGUNAKAN K-MEANS CLUSTERING-33-45 - HAYYUDI GIANNANDA ASFA TEKNIK INFORMATIKA.pdf - Published Version Restricted to Repository staff only Download (700kB)
Preview	Text (SURAT PERNYATAAN PUBLIKASI) Surat Pernyataan Serah Simpan Karya TA Hayyudi Giannanda Asfa - HAYYUDI GIANNANDA ASFA TEKNIK INFORMATIKA.pdf - Published Version Download (693kB) | Preview

Abstract

Indonesia merupakan wilayah yang sering mengalami gempa seismik karena dikelilingi oleh empat lempeng utama dunia. Gempa dapat membuat kerusakan pada daerah yang mengalaminya bahkan membahayakan jiwa manusia. Walaupun saat ini teknologi sudah semakin maju, tetapi gempa bumi belum dapat diprediksi waktu dan tempat terjadinya. Meskipun begitu, teknologi yang sudah ada saat ini mampu memetakan daerah rawan gempa. Maka dilakukan pendekatan dengan menggunakan penghitungan clustering. Pada penelitian ini digunakan algoritma K-Means Clustering untuk mengolah data. Data berisi 92887 data gempa bumi yang terjadi di Indonesia. Penghitungan K-Means menggunakan Euclidean Distance dan Manhattan Distance. Pada Euclidean Distance, didapatkan hasil cluster 1 memiliki 49838 record, cluster 2 berisi 33126 record, dan cluster 3 dengan 7188 record. Sedangkan melalui penghitungan Manhattan Distance, didapatkan hasil cluster 1 memiliki 36525 record, cluster 2 dengan 46676 record, dan cluster 3 berisikan 6951 record. Didapatkan cluster berjumlah 3 melalui penghitungan Elbow Method. Nilai Silhouette Score pada penghitungan Euclidean Distance penelitian ini adalah 0,469702780513585 dan pada Manhattan Distance nilai Silhouette Score yaitu 0,44916422524456295. Dapat disimpulkan bahwa nilai Silhouette Score penghitungan Euclidean Distance menghasilkan kualitas clustering yang lebih baik dari penghitungan Manhattan Distance pada penelitian klasterisasi data gempa di Indonesia menggunakan K-Means Clustering ini.

Actions (login required)

View Item