APLIKASI DATA MINING MENGGUNAKAN METODE CLARANS UNTUK KLASTERISASI GEMPA BUMI SIGNIFIKAN DI INDONESIA

Abstract

Terjadi puluhan gempa setiap bulannya yang mengakibatkan kerusakan alam maupun bangunan serta korban luka-luka hingga korban jiwa. Diperlukan peningkatan terhadap kefektifan mitigasi bencana dengan dilakukan penelitian terhadap sumber gempa bumi itu sendiri. Salah satu penelitian yang dapat dilakukan terhadap sumber gempa bumi adalah klasterisasi daerah sumber gempa. Klasterisasi dapat dilakukan dengan menggunakan metode klasterisasi dalam data mining yakni metode CLARANS (Clustering Algorithm based on Randomized Search). Pada penelititan ini penulis mengembangkan Aplikasi Data Mining Menggunakan Metode CLARANS untuk Klasterisasi Gempa Bumi Signifikan di Indonesia. Dalam pemrosesan klasterisasi, CLARANS memproses data gempa bumi dengan menggunakan atribut kedalaman, kekuatan, dan skala MMI gempa. Validasi klaster dalam penelitian ini menggunakan metode silhouette coefficient. Suatu percobaan klasterisasi dikatakan paling optimal apabila memiliki nilai silhouette coefficient paling tinggi dibandingkan percobaan lainnya. Hasil dari penelitian ini menunjukkan bahwa aplikasi dapat menghasilkan klaster yang optimal saat nilai jumlah klaster sebanyak 6, maxneighbor bernilai 193,560, dan numlocal bernilai 3 dengan silhouette coefficient sebesar 0,410075 pada data gempa bumi signifikan di Indonesia yang berjumlah 1619 record dengan rentang tahun 2012 sampai tahun 2017. Dihasilkan pula sebaran titik gempa yang baik secara keseluruhan maupun per klaster memiliki pola yang serupa yaitu mulai pesisir barat Pulau Sumatera, menyusuri secara merata di Pulau Jawa, Bali, Nusa Tenggara, hingga Sulawesi, serta Papua terutama bagian barat dan utara. Wilayah yang aman atau hampir tidak ditemui gempa bumi signifikan adalah wilayah di tepi timur Pulau Sumatera, keseluruhan Pulau Kalimantan, dan bagian Selatan Pulau Papua.