Pengelompokan Daerah Rawan Gempa Bumi di Pulau Jawa Menggunakan Metode Density Based Spatial Clustering of Application with Noise (DBSCAN)
Abstract
Abstract. In cluster analysis, there are often several problems, such as arbitrary cluster shapes and different cluster sizes and densities. One method that can handle these problems is Density Based Spatial Clustering of Application with Noise (DBSCAN). Java Island is one of the areas in Indonesia that often experiences earthquakes, due to the collision zone of the Indo-Australian plate colliding with the Eurasian plate and the presence of 34 active volcanoes. The earthquakes that occur also vary in terms of magnitude and depth. The greater the magnitude and the shallower the depth, the greater the damage. Java is one of the most populous islands in Indonesia, so it is important to know the earthquake-prone areas in Java to minimize the risk through cluster analysis minimize risk through cluster analysis. The data used in this study is earthquake event data in the January 1, 2021 - January 1, 2024 date range obtained from the United States Geological Survey (USGS). From the cluster analysis or grouping carried out, 2 clusters and 1 noise were obtained with the optimal parameter value ε = 0.2857 and MinPts = 4. Cluster 1 consists of 167 areas prone to medium earthquakes and has an average magnitude of 4.42 mb. Cluster 2 consists of 8 areas prone to deep earthquakes and have an average magnitude of 4.46 mb. Meanwhile, the noise regions are areas prone to deep and high magnitude earthquakes. The Silhouette coefficient of 0.6788 means that the cluster structure formed is already in the good structure category.
Abstrak. Dalam analisis klaster seringkali terjadi beberapa permasalahan, seperti bentuk klaster yang tidak beraturan (arbitrary) serta ukuran dan kepadatan klaster yang berbeda. Salah satu metode yang mampu menangani permasalahan tersebut adalah Density Based Spatial Clustering of Application with Noise (DBSCAN). Pulau Jawa merupakan salah satu daerah di Indonesia yang sering mengalami gempa bumi. Hal ini dikarenakan adanya zona tumbukan lempeng Indo-Australia yang bertabrakan dengan lempeng Eurasia serta adanya 34 gunung berapi aktif. Gempa bumi yang terjadi juga bervariasi dari segi magnitudo maupun kedalamannya (depth). Semakin besar magnitudo dan semakin dangkal kedalamannya, maka akan semakin besar pula kerusakan yang terjadi. Pulau Jawa merupakan salah satu pulau terpadat di Indonesia sehingga penting untuk mengetahui daerah rawan gempa bumi di Pulau Jawa untuk meminimalisir risiko melalui analisis klaster. Data yang digunakan pada penelitian ini merupakan data kejadian gempa bumi pada rentang tanggal 1 Januari 2021-1 Januari 2024 yang diperoleh dari United States Geological Survey (USGS). Dari analisis klaster atau pengelompokkan yang dilakukan diperoleh 2 klaster dan 1 noise dengan nilai parameter optimal ε = 0.2857 dan MinPts = 4. Klaster 1 terdiri dari 167 daerah yang rawan akan gempa bumi menengah dan memiliki rata-rata magnitudo 4.42 mb. Klaster 2 terdiri dari 8 daerah yang rawan akan gempa bumi dalam dan memiliki rata-rata magnitudo 4.46 mb. Sedangkan, daerah yang menjadi noise merupakan daerah yang rawan gempa bumi dalam dan magnitudo tinggi. Silhouette coefficient sebesar 0.6788 mengartikan bahwa struktur klaster yang terbentuk sudah dalam kategori struktur yang baik.
References
Azuri, D. F., Zulhanif, & Pontoh, R. S. (2016). Pengelompokan Kabupaten/Kota Di Pulau Jawa Berdasarkan Pembangunan Manusia Berbasis Gender Menggunakan Bisecting K-Means. Prosiding Seminar Nasional MIPA 2016, 78–83.
Anggarwai, C. C., & Reddy, C. K. (2013). Data Clustering: Algorithms and Applications. CRC Press.
Bariklana, M., & Fauzan, A. (2023). Implementation of The DBSCAN Method for Cluster Mapping of Earthquake Spread Location. Journal of Mathematics and Its Applications, 17(2), 867-878.
Ester, M., Kriegel, H. P., Sander, J., & Xu, X. (1996). A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise. KDD-96 Proceedings, 96(34), 226-231.
Ester, M., Kriegel, H. P., Sander, J., & Xu, X. (1998). Density-Based Clustering in Spatial Databases: The Algorithm GDBSCAN and Its Applications. KDD-96 Proceedings, 96(34), 169-194.
Furqon, M. T., & Muflikhah. L. (2016). Clustering The Potential Risk of Tsunami Using Density-Based Spatial Clustering of Application with Noise. Journal of Environmental Engineering & Suistanable Technology, 3(1), 1-8.
Han, J., Kamber, M., & Pei, J. (2012). Data Mining Concepts and Techniques. (Third Edition). Waltham: Elsevier.
Hidayat, N., & Santoso, E. W. (1997). Gempa Bumi dan Mekanismenya. Alami: Jurnal Teknologi Reduksi Risiko Bencana, 2(3), 50-52.
Khurin’in, A. I. (2021). Pengelompokan Kabupaten/Kota di Provinsi Jawa Barat Berdasarkan Tingkat Sebaran Pengangguran Menggunakan Metode Density-Based Spatial Clustering Algoruthm with Noise (DBSCAN). Surabaya. Program Studi Matematika. Universitas Islam Negeri Sunan Ampel Surabaya.
Mumtaz, K., & Duraiswamy, K. (2010). An Analysis on Density Based Clustering of Multi dimensional Spatial Data. Indian Journal of Computer Science and Engineering, 1(1), 8-12.
Rousseeuw, P. J. (1987). Silhouettes: A Graphical Aid to The Interpretation and Validation of Cluster Analysis. Journal of computational and applied mathematics, 20, 53-65.
Zakaria, Z., Ismawan., & Haryanto, I. (2011). Identifikasi dan Mitigasi pada Zona Rawan Gempa Bumi di Jawa Barat. Bulletin of Scientific Contribution, 9(1), 35-41
Karimuse, W. Y., Nohe, D. A., & Siringoringo, M. (n.d.). Pendekatan Regresi Nonparametrik Kernel pada Data IHSG Periode Januari 2020-Desember 2021 (Vol. 23, Issue 1). https://www.idx.co.id/
Meidianingsih, Q., Wardani, D. E., Salsabila, E., Nafisah, L., & Mutia, A. N. (n.d.). Perbandingan Performa Metode Berbasis Support Vector Machine untuk Penanganan Klasifikasi Multi Kelas Tidak Seimbang (Vol. 23, Issue 1).
Samudera Kutaraja Banda Aceh Rizwan, P., Saputra, E., Shiddiq, M., Studi Pemanfaatan Sumberdaya Perikanan, P., Syiah Kuala, U., & Studi Statistika, P. (2023). Analisis Jumlah Kedatangan Kapal terhadap Hasil Tangkapan Ikan di Pelabuhan (Vol. 23, Issue 1).