Implementasi Algoritma K-Means Clustering Dalam Pengelompokkan Data Jumlah Kerusakan Rumah Berdasarkan Kondisi Di Jawa Barat

Fauziah Noor Musid; Arif Rinaldi Dikananda; Fathurrohman

doi:10.55606/jsr.v1i3.1155

Fauziah Noor Musid
Arif Rinaldi Dikananda STMIK IKMI Cirebon, Indonesia
Fathurrohman STMIK IKMI Cirebon, Indonesia

DOI: https://doi.org/10.55606/jsr.v1i3.1155

Keywords: Bencana, Data Mining, K-means Clustering

Abstract

Berdasarkan data yang dipublikasikan oleh Badan Penanggulangan Bencana Daerah (BPBD), Jawa Barat merupakan provinsi dengan jumlah kejadian bencana alam tertingggi di Indonesia sebanyak 3006 kejadian untuk periode 2015-2021. Kondisi ini mengharuskan BPBD (Badan Penanggulangan Bencana Daerah) dan Pemda Provinsi Jawa Barat untuk memperhatikan penanggulangan bencana serta penanganan dampak bencana. Bencana-bencana yang terjadi dapat mengakibatkan dampak yang merusak berbagai bidang. Salah satu dampak yang sangat berpengaruh adalah dampak kerusakan rumah. Kerusakan rumah akibat bencana merupakan dampak yang menyangkut kerusakan pada bidang ekonomi, sosial dan lingkungan. Karena itu, penanganan dampak kerusakan rumah harus dilakukan secara matang, tepat serta cara penanganannya harus berkembang setiap saat. Agar kedepannya bisa melakukan penanganan seperti yang diinginkan, maka perlu diketahui klaster/kelompok bencana berdasarkan dampak jumlah kerusakan rumah berdasarkan kondisi akibat bencana yang telah terjadi di Jawa Barat, dengan cara melakukan pengimplementasian algoritma K-Means clustering untuk mengklasterisasikan data jumlah kerusakan rumah berdasarkan kondisi yang diambil dari portal resmi data terbuka milik Pemda Provinsi Jawa Barat yaitu Open Data Jabar. Dalam kaitannya dengan data dampak bencana, teknik pengelompokan pada data mining sangat berguna dalam mengelompokkan data dampak bencana berupa keruskan rumah berdasarkan kemiripannya. Proyek tugas akhir ini mengimplementasikan algoritma k-means untuk mengklasterisasi data jumlah kerusakan rumah akibat bencana berdasarkan kondisinya yang terjadi di Jawa Barat dan menghasilkan 2 klaster/kelompok dengan nilai dbi teroptimal sebesar 0,118 dimana klaster 0 berisi data yang berasal dari 16 Kabupaten di Jawa Barat dan klaster 1 yang berisi data yang berasal dari 9 Kota di Jawa Barat.

References

[1] D. Ramadhan Ismana, S. Baehera, A. Fitrianto, B. Sartono, and S. Desta Oktarina, “Penggerombolan Desa di Jawa Barat Berdasarkan Daerah Rawan Bencana,” Jurnal Statistika dan Aplikasinya, vol. 6, no. 2, 2022.
[2] D. S. Lumbansiantar, “Analisa Data Bencana Alam Untuk Prediksi Dampak Yang Ditimbulkan Dengan Algoritma J48 (Studi Kasus : Palang Merah Indonesia),” KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), vol. 3, no. 1, pp. 25–29, Nov. 2019, doi: 10.30865/komik.v3i1.1562.
[3] A. Heryana, “PENGERTIAN DAN JENIS-JENIS BENCANA,” Jan. 2020. Accessed: Jan. 19, 2023. [Online]. Available: https://www.researchgate.net/publication/338537206
[4] R. C. Prihandari, “DATAMINING: KONSEP DAN APIKASI MENGGUNAKAN RAPIDMINER (SERIES: SUPERVISED LEARNING DAN UNSUPERVISED LEARNING),” 2022.
[5] A. H. Nasrullah, “IMPLEMENTASI ALGORITMA DECISION TREE UNTUK KLASIFIKASI PRODUK LARIS,” Jurnal Ilmiah Ilmu Komputer, vol. 7, no. 2, pp. 45–51, 2021, [Online]. Available: http://ejournal.fikom-unasman.ac.id
[6] H. Hafizan and A. N. Putri, “Penerapan Metode Klasifikasi Decision Tree Pada Status Gizi Balita Di Kabupaten Simalungun,” 2020.
[7] R. D. Syah, “METODE DECISION TREE UNTUK KLASIFIKASI HASIL SELEKSI KOMPETENSI DASAR PADA CPNS 2019 DI ARSIP NASIONAL REPUBLIK INDONESIA,” Jurnal Ilmiah Informatika Komputer, vol. 25, no. 2, pp. 107–114, 2020, doi: 10.35760/ik.2020.v25i2.2750.
[8] D. Fadma Ristianti, Komparasi Algoritma Klasifikasi pada Data Mining, vol. 1, no. 1. 2019.
[9] C. Zai, “IMPLEMENTASI DATA MINING SEBAGAI PENGOLAHAN DATA,” 2022. Accessed: Jan. 15, 2023. [Online]. Available: Portaldata.org
[10] M. Iqbal, “KLASTERISASI DATA JAMAAH UMROH PADA AULIYA TOUR & TRAVEL MENGGUNAKAN METODE K-MEANS CLUSTERING,” JURTEKSI (Jurnal Teknologi dan Sistem Informasi), vol. 5, no. 2, pp. 97–104, Jun. 2019, doi: 10.33330/jurteksi.v5i2.352.
[11] Z. Nabila, A. Rahman Isnain, and Z. Abidin, “ANALISIS DATA MINING UNTUK CLUSTERING KASUS COVID-19 DI PROVINSI LAMPUNG DENGAN ALGORITMA K-MEANS,” Jurnal Teknologi dan Sistem Informasi (JTSI), vol. 2, no. 2, p. 100, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI
[12] I. Ali, A. Rinaldi Dikananda, F. Ali Ma’ruf, and M. Abdurohman, “PENGELOMPOKAN JUMLAH PENDUDUK BERDASARKAN KATEGORI USIA 0-18 TAHUN DENGAN MENGGUNAKAN ALGORITMA K-MEANS UNTUK MENENTUKAN PENGEMBANGAN POTENSI DESA WISATA DI KABUPATEN CIREBON,” JUMIKA, vol. 8, no. 1, pp. 25–31, 2021.