Sonhaji, Nur Rif'at (2023) Clustering titik gempa di Pulau Jawa menggunakan algoritma ST-DBSCAN. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
|
Text (Fulltext)
16610103.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) | Preview |
Abstract
INDONESIA:
Gempa bumi merupakan bencana alam yang cukup serius di Indonesia, khususnya di Pulau Jawa. Gempa bumi cukup menakutkan karena tidak dapat diprediksi kapan datangnya, dari mana datangnya, dan seberapa kuat getarannya, yang sering menimbulkan kerusakan fatal dan korban jiwa. Dalam upaya meminimalisasi kerugian akibat gempa bumi, hal itu perlu dilakukan membagi daerah yang mudah terkena gempa. Salah satu metode yang dapat digunakan dalam membagi daerah adalah dengan menggunakan teknik clustering. Penelitian ini menggunakan metode clustering dengan ST-DBSCAN (Spatial Temporal-Density Based Spatial Clustering Application with Noise) pada dataset titik gempa di Pulau Jawa antara tahun 2019 sampai dengan tahun 2022. Pada penelitian ini didapatkan parameter terbaik untuk clustering data gempa untuk jarak spasial (Eps1 = 20), parameter jarak temporal (Eps2 = 5), dan jumlah minimum anggota cluster (MinPts = 3), yang menghasilkan total 13 cluster dan 10 noise dengan nilai silhouette coefficient sebesar 0,538.
ENGLISH:
Earthquake is a quite serious natural disaster in Indonesia, especially in Java Island. Earthquakes are quite scary because you cannot predict when they will come, where they will come from, and how strong the vibrations will be, which often cause fatal damage and casualties. In an effort to minimize losses due to earthquakes, it is necessary to divide the areas that are prone to earthquakes. One method that can be used in dividing the area is to use clustering techniques. This study uses the clustering method with ST-DBSCAN (Spatial Temporal-Density Based Spatial Clustering Application with Noise) on a dataset of earthquake points on Java Island between 2019 and 2022. This method uses the spatial distance parameter (Eps1 = 20), the distance parameter temporal (Eps2 = 5), and the minimum number of cluster members (MinPts = 3), resulting in a total of 13 clusters and 10 noises with a silhouette coefficient of 0.538.
ARABIC:
الزلزال هو كارثة طبيعية خطيرة للغاية في إندونيسيا ، وخاصة في جزيرة جاوة. الزلازل مخيفة للغاية لأنه لا يمكنك التنبؤ بموعد ظهورها ، ومن أين ستأتي ، ومدى قوة الاهتزازات ، والتي غالبًا ما تسبب أضرارًا مميتة وإصابات. في محاولة لتقليل الخسائر الناجمة عن الزلازل ، من الضروري تقسيم المناطق المعرضة للزلازل. إحدى الطرق التي يمكن استخدامها في تقسيم المنطقة هي استخدام تقنيات التجميع. استخدمت هذه الدراسة طريقة التجميع باستخدام ST-DBSCAN (تطبيق التجميع المكاني القائم على الكثافة الزمنية المكانية مع الضوضاء) في مجموعات بيانات نقطة الزلازل في جزيرة جافا بين عامي ٢٠١٩ و ٢٠٢٢. في هذه الدراسة ، تم الحصول على أفضل المعلمات لتجميع بيانات الزلازل للمسافة المكانية ٢٠، معلمة المسافة الزمنية ٥ ، والحد الأدنى لعدد أعضاء الكتلة ٣ ، مما ينتج عنه إجمالي ١٣ مجموعة و ١٠ ضوضاء بقيمة معامل صورة ظلية ٠،٥٣٨
Item Type: | Thesis (Undergraduate) |
---|---|
Supervisor: | Fahmi, Hisyam and Jauhari, Mohammad Nafie |
Keywords: | Data mining; Gempa Bumi; Clustering; ST-DBSCAN; Data Mining; Earthquake; Clustering; ST-DBSCAN; استخراج البيانات ;الزلازل ;التجميع; ST-DBSCAN; |
Departement: | Fakultas Sains dan Teknologi > Jurusan Matematika |
Depositing User: | Nur Rif'at Sonhaji |
Date Deposited: | 18 Jul 2023 13:42 |
Last Modified: | 18 Jul 2023 13:42 |
URI: | http://etheses.uin-malang.ac.id/id/eprint/52694 |
Downloads
Downloads per month over past year
Actions (login required)
View Item |