Analisis dan Visualisasi Periodisitas Gempa Bumi di Maluku Utara

Ika Arfiani, Dwi Normawati, Muhammad Dzikrullah Suratin

Abstract


Gempa bumi juga dapat dipahami sebagai suatu peristiwa terjadinya guncangan bumi akibat pelepasan energi secara tiba-tiba, yang ditandai dengan pecahnya lapisan batuan pada kerak bumi. Gempa bumi biasanya disebabkan oleh pergerakan kerak atau lempeng bumi. Indonesia termasuk negara rawan gempa karena Indonesia dilalui pertemuan 3 lempeng tektonik: Indo-Australia, Eurasia, dan Pasifik. Beberapa penelitian tentang gempa bumi di Indonesia telah menghubungkan gempa bumi dengan data mining dan pembelajaran mesin. Namun gempa bumi merupakan peristiwa alam yang tidak dapat diprediksi atau diprediksi, sehingga untuk mengurangi risiko terjadinya gempa bumi perlu dilakukan analisis clustering pada daerah yang dicurigai. Kontribusi dalam penelitian ini bertujuan untuk memvisualisasikan data hasil pengolahan dataset gempa bumi kedalam peta geospasial wilayah Maluku Utara dengan menerapkan tahapan data mining, sehingga bisa mengetahui daftar wilayah yang termasuk dalam kawasan rawan bencana sebagai langkah antisipasi untuk mitigasi bencana di daerah Maluku Utara. Selain itu hasil penelitian ini juga dapat digunakan sebagai dataset untuk melakukan proses data mining lain seperti pengelompokan maupun klasisfikasi data gempa bumi di wilayah Maluku Utara.

Keywords


Gempa Bumi, Data Mining, Maluku Utara

References


Brilliantina, M. V., Pratiwi, H., & Susanti, Y. (2021). Analisis Seismisitas pada Data Gempa Bumi di Provinsi Maluku Utara Penerapan Model Epidemic Type Aftershock Sequence (ETAS). Prosiding Pendidikan Matematika Dan Matematika.

Rizaty, M. A. (2022). 10.519 Gempa Bumi Guncang Indonesia Sepanjang 2021. Databoks. https://databoks.katadata.co.id/datapublish/2022/06/20/10519-gempa-bumi-guncang-indonesia-sepanjang-2021#:~:text=Berdasarkan catatan Badan Pusat Statistik,Pulau Sulawesi%2C yaitu 925 kali.

Douwe G. van der Meer, Douwe J.J. van Hinsbergen, Wim Spakman,Atlas of the underworld: Slab remnants in the mantle, their sinking history, and a new outlook on lower mantle viscosity,Tectonophysics,Volume 723,2018,Pages 309-448,ISSN 0040-1951,https://doi.org/10.1016/j.tecto.2017.10.004. (https://www.sciencedirect.com/science/article/pii/S0040195117304055)

E. Irwansyah and E. Winarko, “Spatial Data Clustering and Zonation of Earthquake Building Damage Hazard Area,” in EPJ Web of Conferences, 2014, pp. 1–6.

M. Affan, M. Syukri, L. Wahyuna, and H. Sofyan, “Spatial Statistic Analysis of Earthquakes in Aceh Province Year 1921-2014: Cluster Seismicity,” Aceh Int. J. Sci. Technol., vol. 5, no. 2, Aug. 2016, doi: 10.13170/aijst.5.2.4878.

H. Pratiwi, S. S. Handajani, I. Susanto, S. Sangadji, R. Meilawati, and I. S. Khairunnisa, “Hierarchical Clustering Algorithm for Analyzing Risk of Earthquake on Sumatra Island,” in 2021 International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), Oct. 2021, pp. 1–6. doi: 10.1109/ICECCME52200.2021.9590890.

M. S. Geetha Devasena, R. Kingsy Grace, and G. Gopu, “PDD: Predictive Diabetes Diagnosis using Datamining Algorithms,” in 2020 International Conference on Computer Communication and Informatics (ICCCI), Jan. 2020, pp. 1–4. doi: 10.1109/ICCCI48352.2020.9104108.

P. Prihandoko and B. Bertalya, “A Data Analysis of the Impact of Natural Disaster using K-Means Clustering Algorithm,” Kursor, vol. 8, no. 4, p. 169, Oct. 2017, doi: 10.28961/kursor.v8i4.109.

Prihandoko, Bertalya, and M. I. Ramadhan, “An analysis of natural disaster data by using K-means and K-medoids algorithm of data mining techniques,” in 2017 15th International Conference on Quality in Research (QiR) : International Symposium on Electrical and Computer Engineering, Jul. 2017, pp. 221–225. doi: 10.1109/QIR.2017.8168485.

N. Puspitasari, J. A. Widians, and N. B. Setiawan, “Customer segmentation using bisecting k-means algorithm based on recency, frequency, and monetary (RFM) model,” J. Teknol. dan Sist. Komput., vol. 8, no. 2, pp. 78–83, Apr. 2020, doi: 10.14710/jtsiskom.8.2.2020.78-83.

B. E. V. Comendador, L. W. Rabago, and B. T. Tanguilig, “An educational model based on Knowledge Discovery in Databases (KDD) to predict learner’s behavior using classification techniques,” in 2016 IEEE International Conference on Signal Processing, Communications and Computing (ICSPCC), Aug. 2016, pp. 1–6. doi: 10.1109/ICSPCC.2016.7753623.




DOI: http://dx.doi.org/10.22441/fifo.2024.v16i1.004

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Jurnal Ilmiah FIFO

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Jurnal Ilmiah FIFO
Portal ISSNPrint ISSN: 2085-4315
Online ISSN: 2502-8332

Sekretariat
Fakultas Ilmu Komputer
Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215871335

http://publikasi.mercubuana.ac.id/index.php/fifo

e-mail:[email protected]

Creative Commons Licence
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Web
Analytics Made Easy - StatCounter
View My Stats

 

width= width=