Pengelompokan Desa Menggunakan K-Means Untuk Penyelenggaraan Penanggulangan Bencana Banjir

shelladita fitriyani susilo, Asep Jamaludin, Intan Purnamasari

Abstract


Penyelenggaraan penanggulangan bencana merupakan suatu agenda kewajiban lembaga yang dinamakan BPBD. Perencanaan yang tidak terstruktur menyebabkan penentuan komponen didalamnya menjadi kurang optimal, seperti tempat, sumber daya manusia, transportasi. Penentuan tempat menjadi poin utama yang dapat mempengaruhi komponen lain dalam perencanaan. Ketersediaan data mengenai tempat berupa rekap desa rawan bencana dimiliki oleh bidang I Kesiapsiagaan Bencana. Rekap data kejadian dan profil desa dilakukan pengelompokan untuk menemukan karakteristik yang dapat membantu dalam penentuan tempat kegiatan. Metode K-Means digunakan untuk memetakan desa sesuai karakteristik dengan jumlah cluster sesuai jumlah optimal yang lebih baik antara metode elbow dan silhouette. Dihasilkan clustering optimal dengan jumlah cluster 7 hasil penentuan nilai k dari metode elbow. Dengan ukuran pengelompokan Cluster 1 = 1 desa, Cluster 2 = 2 desa, Cluster 3 = 19 desa, Cluster 4 = 4 desa, Cluster 5 = 5 desa, Cluster 6 = 1 desa, Cluster 7 =1 desa.

Full Text:

PDF

References


M. G. Sadewo, A. P. Windarto and D. Hartama, 2019, Algoritma K-Means Dalam Mengelompokkan Desa/Kelurahan Menurut Keberadaan Keluarga Pengguna Listrik dan Sumber Penerangan Jalan Utama Berdasarkan Provinsi, Seminar nasional teknologi Komputer & Sains (SAINTEKS), pp. 754-761, Januari.

G. Shmueli, P. C. Bruce, I. Yahav, N. R. Patel and K. C. Lichtendahl Jr., 2018, Data Mining for Bussiness Analytics Concepts, Techniques, and Applications in R, John Wiley & Sons, Inc.

L. Listiani, Y. H. Agustin and M. Z. Ramdhani, 2019, Implementasi Algoritma K-Means Cluster Untuk Rekomendasi Pekerjaan Berdasarkan Pengelompokkan Data Penduduk, In Sensitif 2019, Tasikmalaya.

T. Ariwibowo, 2019, Perbandingan Metode Imputasi Mean, Median, Modus, Dan 1-Nn Pada Hasil Klasifikasi K-Nearest Neigbour (K-Nn) Studi Kasus : Klasifikasi Penyakit Jantung Koroner, Universitas Pembangunan Nasional Veteran.

H. Satriawan, 2018, Problematika Pembelajaran Matematika Pada Materi Statistika Smp Kelas IX, Jurnal Elektronik Pembelajaran Matematika, vol. 5, pp. 278-285, Oktober.

N. Asiska, N. Satyahadewi and H. Perdana, 2019, Pencarian Cluster Optimum Pada Single Linkage, Complete Linkage Dan Average Linkage, Buletin Ilmiah Math, Stat, dan Terapannya (Bimaster), vol. 8, pp. 393-398.

R. I. Fajriah, H. Sutisna and B. K. Simpony, 2019, Perbandingan Distance Space Manhattan Dengan Euclidean Pada K-Means Clustering Dalam Menentukan Promosi, IJCIT (Indonesian Journal on Computer and Information Technology), vol. 4, pp. 36-49, Mei.

A. F. Febrianti, A. H. Cabral and G. Anuraga, 2018, K-Means Clustering Dengan Metode Elbow Untuk Pengelompokan Kabupaten Dan Kota Di Jawa Timur Berdasarkan Indikator Kemiskinan, in SNHRP-1.

C. D. Rumiati and I. Budi, 2017, Segmentasi Pelanggan Pada Customer Relationship Management Di Perusahaan Ritel: Studi Kasus Pt Gramedia Asri Media, Jurnal Sistem Informasi (Journal of Information Systems), vol. 13, no. 1, pp. 1-10, April.

B. Santoso, I. Cholissodin and B. D. Setiawan, "Optimasi K-Means untuk Clustering Kinerja Akademik Dosen Menggunakan Algoritme Genetika," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 1, pp. 1652-1659, 2017.

Y. Novianti, 2017, Implementasi K-Means Clustering Algorithm Untuk Analisa Soal Ujian Online Pada Smp Islam Al-Fath Pare, Simki-Techsain, vol. 1.

Kusnendi, 2016, Memahami Analisis Varians.

K-Means Clustering, https://stat.ethz.ch/R-manual/R-patched/library/stats/html/k-means.html, diakses tgl 20 Februari 2020.

R. Adrianto and A. Fahmi, 2016, Penerapan Metode Clustering Dengan Algoritma K-Means Untuk Rekomendasi Pemilihan Jalur Peminatan Sesuai Kemampuan Pada Progam Studi Teknik Informatika - S1 Universitas Dian Nuswantoro, pp. 101-116.

E. Yulaelawati, Ph.d and U. Syihab, Ph.d, 2008, Mencerdasi Bencana : banjir, tanah longsor, tsunami, gempa bumi, gunung api, kebakaran, Grasindo.




DOI: https://doi.org/10.33633/joins.v5i2.3709

Article Metrics

Abstract view : 977 times
PDF - 773 times

Refbacks

  • There are currently no refbacks.


Bookmark and Share


akun pro jepanghttps://jippm.uho.ac.id/public/site/scatterr/https://elijo.umpwr.ac.id/blog/sensorgacor/https://e-learning.asia.ac.id/products/turbox500/kakekslotturbox500https://learning.poltekkesjogja.ac.id/lib/pulsaceban/https://learning.poltekkesjogja.ac.id/lib/juaraslot/https://fsi.unjani.ac.id/course/scatter/

Index by: