Pengelompokan Daerah Rawan Bencana di Indonesia Dengan Algoritma K-Medoid
Indonesia merupakan negara yang mempunyai struktur alam yang terdiri dari pertemuan lempeng-lempeng tektonik yaitu Eurasia Indo-Australia dan Pasifik. Kondisi ini mengakibatkan banyak daerah-daerah di Indonesia rawan terhadap bencana alam. Keadaan tersebut mengakibatkan banyaknya korban jiwa yang berjatuhan dan banyaknya kerusakan fasilitas-fasilitas umum lainya, hal ini disebabkan karena kurangnya persiapan pemerintah dalam penanggulangan bencana, Untuk membantu pemerintah dalam persiapan penanggulangan bencana, maka akan dilakukan penelitian pengelompokan daerah rawan bencana dengan intensitas tinggi sedang dan rendah, salah satu cara untuk mengolah data yaitu dengan menggunakan teknik clustering dengan algoritma kmedoid. peneitian ini diharapkan dapat membantu pemerintah dalam kesiapan penanggulangan bencana. Dari pengujian tersebut menghasilkan cluster 1 atau daerah rawan bencana dengan intensitas paling tinggi diantaranya Aceh, Sumatra Utara dan Jawa Barat, Sedangkan untuk cluster 2 atau daerah rawan bencana dengan intensitas sedang diantaranya Jawa Timur, Nusa Tenggara Barat dan Kalimatan Tengah sedangkan untuk cluster 3 atau daerah rawan bencana dengan intensitas rendah yang merupakan hasil terbanyak diantaranya Sumatra Barat, DKI Jakarta dan Bali.
Kata kunci : Clustering, Bencana Alam, Data Mining, K-Medoid
Detail Information
Bagian |
Informasi |
Pernyataan Tanggungjawab |
|
Pengarang |
Surono, Muh - Personal Name Siregar, Amril Mutoi - Personal Name Lestari, Santi Arum Puspita - Personal Name
|
Edisi |
Print |
No. Panggil |
TA/IF 190024 |
Subyek |
Informatika Komputer
|
Klasifikasi |
Teknik Informatika |
Judul Seri |
|
GMD |
Text |
Bahasa |
Indonesia |
Penerbit |
Fakultas Teknik dan Ilmu Komputer |
Tahun Terbit |
2019 |
Tempat Terbit |
karawang |
Deskripsi Fisik |
|
Info Detil Spesifik |
Teknik Informatika |
Citation
. (2019).Pengelompokan Daerah Rawan Bencana di Indonesia Dengan Algoritma K-Medoid.(Electronic Thesis or Dissertation). Retrieved from https://localhost/etd