Klasterisasi Dampak Bencana Gempa Bumi Menggunakan Algoritma K-Means di Pulau Jawa

Abstract

Pulau Jawa merupakan salah satu daerah rawan gempa bumi dan memiliki populasi penduduk yang padat. Dalam hal ini pemerintah diharuskan untuk memberikan perhatian lebih pada penanggulangan bencana khusunya di pulau jawa. Maka dari itu penelitian ini hadir untuk mengetahui dampak gempa bumi berdasarkan tingkat keparahannya dengan cara melakukan klasterisasi data pesebaran dampak bencana gempa bumi (2012 - 2021) dari Badan Nasional Penanggunlangan Bencana (BNPB) menggunakan algoritma K-Means Clustering. Dari penelitian ini ditemukan bahwa dampak bencana dapat dibagi menjadi 4 klaster. Klaster 1 memiliki dampak bencana paling banyak meliputi meninggal, luka, menderita, mengungsi, kerusakan rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah, kantor, jembatan, dan kios. Klaster ini memiliki Mean Absolute Error (MAE)  senilai 0,017, Mean Square Error (MSE) senilai 0,002, standar deviasi senilai 0,255 dan variance senilai 0,065. Klaster 2 meliputi meninggal, luka, menderita, mengungsi, rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah, pada korban menderita, mengungsi, kerusakan rumah dan fasilitas ibadah. Klaster ini memperoleh MAE senilai 0,053, MSE senilai 0,011, standar deviasi senilai 0,249 dan variance senilai 0,062. Klaster 3 meliputi korban luka, menderita, mengungsi, kerusakan rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah dan kantor. klaster ini memperoleh MAE senilai 0,102, MSE senilai 0,039, standar deviasi senilai 0,212 dan variance senilai 0,045. Klaster 0 memiliki dampak bencana paling sedikit meliputi kerusakan rumah, fasilitas pendidikan, fasilitas kesehatan, fasilitas ibadah, kantor, dan kios. klaster ini memperoleh MAE sebesar 0,021, MSE senilai 0,005, standar deviasi senilai 0,251 dan variance senilai 0,063.