CLUSTERING ZONASI DAERAH RAWAN BENCANA ALAM DI KABUPATEN LABUHANBATU SUMATERA UTARA MENGGUNAKAN ALGORITMA K-MEANS

DANA RINDIANI, NPM 2009100014 (2024) CLUSTERING ZONASI DAERAH RAWAN BENCANA ALAM DI KABUPATEN LABUHANBATU SUMATERA UTARA MENGGUNAKAN ALGORITMA K-MEANS. Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (492kB)
	Text BAB I.pdf Download (187kB)
	Text BAB II.pdf Download (233kB)
	Text BAB III.pdf Download (356kB)
	Text BAB IV.pdf Download (191kB)
	Text BAB V.pdf Download (135kB)
	Text DAFTAR PUSTAKA.pdf Download (194kB)

Abstract

Penggunaan klasterisasi dalam zonasi daerah rawan bencana alam bertujuan untuk mengidentifikasi dan memetakan wilayah yang memiliki potensi bahaya bencana tinggi, sedang, atau rendah. Pendekatan ini bertujuan untuk meningkatkan kesiapsiagaan dan tanggap mitigasi bencana, serta membantu perencanaan tata ruang yang lebih baik bagi pemerintah daerah dan lembaga terkait. Dengan memanfaatkan teknik klasterisasi, data dapat dianalisis secara efisien untuk mengungkap pola dan karakteristik wilayah rawan bencana, sehingga sumber daya dan tindakan pencegahan dapat difokuskan pada wilayah yang memerlukan perhatian khusus. Zonasi yang tepat juga memberikan manfaat dalam pengelolaan risiko, perumusan kebijakan, dan alokasi dana untuk program mitigasi bencana. Metode yang digunakan untuk melakukan klasterisasi zonasi daerah rawan bencana alam adalah K-Means, salah satu teknik klasterisasi yang paling populer dalam penambangan data. Metode ini bekerja dengan mengelompokkan data berdasarkan karakteristik yang serupa, seperti data curah hujan, topografi, kepadatan penduduk, dan riwayat kejadian bencana di suatu wilayah. Dalam prosesnya, K-Means membagi data menjadi beberapa klaster dengan menghitung jarak antara data titik dengan centroid yang ditentukan secara iteratif. Proses ini terus berlanjut hingga posisi centroid stabil, yang menandakan bahwa semua data telah dikelompokkan secara optimal. Keunggulan metode ini adalah kemampuannya dalam menangani data dalam jumlah besar dan menghasilkan pembagian klaster yang jelas dan mudah diinterpretasikan. Hasil penerapan metode K-Means dalam zonasi rawan bencana alam menunjukkan akurasi dan presisi yang sangat baik. Analisis ini berhasil mengidentifikasi banyak wilayah yang termasuk dalam zona rawan bencana, dengan pembagian yang jelas antara wilayah berisiko tinggi, sedang, dan rendah. Menariknya, metode K-Means mencapai hasil optimal hanya dalam dua iterasi, yang menandakan bahwa klaster yang terbentuk stabil dan akurat tanpa perlu iterasi tambahan. Efisiensi ini menandakan bahwa pendekatan K-Means tidak hanya efektif tetapi juga cepat dalam memproses data, memberikan hasil yang andal dalam konteks zonasi bencana. Kata Kunci : Pengelompokan; Penambangan Data; Metode K-Means

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Pengelompokan; Penambangan Data; Metode K-Means
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	09 Oct 2024 02:28
Last Modified:	09 Oct 2024 02:28
URI:	http://repository.ulb.ac.id/id/eprint/1163

Actions (login required)

View Item