Implementasi Business Intelligence Menentukan Daerah Rawan Gempa Bumi di Indonesia dengan Fitur Geolokasi

Ricky Akbar, Ridho Darman, FNU Marizka, Jesi Namora, Novisa Ardewati

Abstract


Gempa bumi merupakan bencana alam yang dapat menimbulkan banyak kerusakan materil bahkan jatuhnya korban jiwa. Secara geografis, Indonesia terletak pada kawasan cincin api (ring of fire), yaitu lokasi yang sering mengalami bencana gempa bumi dan letusan gunung berapi. Badan Nasional Penanggulangan Bencana (BNPB) adalah Lembaga yang memiliki data-data tentang bencana yang terjadi di Indonesia dalam ukuran besar. Supaya data tersebut dapat diolah menjadi informasi yang lebih bernilai, diperlukan sebuah aplikasi untuk memvisualisasikan data-data tersebut sehingga dapat menampilkan informasi berupa daerah yang rawan bencana dan aman dari bencana khususnya gempa bumi. Penerapan business inteligence sangat cocok untuk kasus ini agar BNPB dapat mengelompokkan bencana khususnya gempa bumi di setiap provinsi yang ada di Indonesia untuk mempermudah masyarakat mendapat informasi bencana gempa bumi yang terjadi serta dapat menjadi acuan bagi pemerintah dalam merancang standar pendirian bangunan dan kesiapan mitigasi bencana. Pada penelitian ini menggunakan salah satu aplikasi business inteligence yakni QlikView untuk dapat mengelompokkan bencana gempa bumi yang terjadi di setiap provinsi yang ada di Indonesia serta menampilkan visualisasinya pada peta dengan fitur geolokasi menggunakan data spasial.


Full Text:

PDF

References


R. Akbar, N. Abedi, R. Handayani, U. Meiliya, and E. Putri, “Analisis Hasil Implementasi Business Intelligence Menentukan Daerah Rawan Banjir dan Kebakaran di Indonesia,†JEPIN, vol. 3, no. 1, pp. 65–70, 2017.

Undang-Undang Republik Indonesia Nomor 24 Tahun 2007 Tentang Penanggulangan Bencana. .

L. A. Nugraha, Supardi, and A. Supriyadi, “Evaluasi Kekuatan Dan Detailing Tulangan Kolom Beton Bertulang Sesuai Sni 2847 : 2013 Dan Sni 1726 : 2012 ( Studi Kasus : Hotel 10 Lantai Di Semarang ),†e-Jurnal MATRIKS Tek. SIPIL, vol. 2012, no. September, pp. 887–894, 2017.

D. Pareek, Business Intelligence for telecommunications. CRC Press, 2006.

Rezkiani, R. E. Indrajit, and M. Fauzy, “Implementasi konsep bussiness intelligence dalam strategi pemasaran public training pada PT.ZIGOT MEDIATAMA,†in Prosiding Seminar Nasional Sains dan Teknologi Fakultas Teknik Universitas Muhammadiyah Jakarta, 2017, pp. 1–9.

P. Sulistyorini, “Business Intelligence Dan Manfaatnya Bagi Organisasi,†Maj. Ilm. IC Tech, vol. 5, no. 2, pp. 74–81, 2010.

A. Pratibha and A. Archna, “At the Whi M of Nature ‘ Natural Disasters ’ : Causes and,†Int. J. Res., vol. 3, pp. 2–5, 2015.

Badan Meteorologi Klimatologi dan Geofisika, “Indonesia Tsunami Early Warning System,†2016. [Online]. Available: https://inatews.bmkg.go.id/new/tentang_eq.php.

H. Saputra and M. Arsyad, “Studi Analisis Parameter Gempa dan Pola Sebarannya Berdasarka Data Multi-Statio (Studi Kasus Kejadian Gempa Pulau Sulawesi Tahun 2000-2014),†J. Sains dan Pendidik. Fis., pp. 83–87, 2014.

Nasruddin et al., “Potential of geothermal energy for electricity generation in Indonesia: A review,†Renew. Sustain. Energy Rev., vol. 53, pp. 733–740, 2016.

J. Gignoux and M. Menéndez, “Benefit in the wake of disaster: Long-run effects of earthquakes on welfare in rural Indonesia,†J. Dev. Econ., vol. 118, pp. 26–44, 2016.

QlikTech International AB, “Mapping and Location-Based Analytics,†2018. [Online]. Available: https://www.qlik.com/us/products/qlik-geoanalytics. [Accessed: 21-Apr-2018].

OpenStreetMap, “OpenStreetMap.†[Online]. Available: https://www.openstreetmap.org/about. [Accessed: 21-Apr-2018].

A. C. Teknik, “Penerapan Data Mining Menggunakan Pohon Keputusan Dengan Algoritma C4.5 Dalam Menentukan Kecelakaan Penerbangan,†Semin. Nas. Teknol. Inf. dan Multimed. 2017, vol. 1–6, no. 3, 2017.




DOI: http://dx.doi.org/10.26418/jp.v4i1.25518

Refbacks



Oktrik
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License
  View My Stats