Clustering tingkat kerusakan bangunan menggunakan data gempa dengan teknik Agglomerative

Abstrak:

Indonesia merupakan wilayah dengan tingkat aktivitas seismik yang tinggi akibat pertemuan beberapa lempeng tektonik aktif, sehingga berpotensi menimbulkan kerusakan bangunan yang tidak merata pada setiap kejadian gempa bumi. Variasi tingkat kerusakan tersebut dipengaruhi oleh berbagai faktor seperti magnitudo, kedalaman, lokasi gempa, serta kondisi lokal wilayah terdampak. Oleh karena itu, diperlukan pendekatan analitik berbasis data untuk mengelompokkan tingkat kerusakan bangunan secara sistematis. Penelitian ini bertujuan untuk menerapkan metode Agglomerative Hierarchical Clustering dalam mengelompokkan tingkat kerusakan bangunan pascagempa berdasarkan data seismik. Data yang digunakan merupakan data gempa bumi wilayah Jawa Timur tahun 2021 yang meliputi parameter latitude, longitude, depth, magnitude, serta variabel turunan berupa hypocenter. Tahapan penelitian meliputi preprocessing data, normalisasi menggunakan StandardScaler, perhitungan jarak menggunakan Euclidean Distance, serta proses clustering dengan metode Ward Linkage. Evaluasi model dilakukan menggunakan validasi internal berupa Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index, serta validasi eksternal menggunakan data kerusakan bangunan. Hasil penelitian menunjukkan bahwa jumlah klaster optimal adalah 2 klaster dengan nilai Silhouette Score sebesar 0,6287 yang mengindikasikan kualitas pengelompokan yang baik. Klaster yang terbentuk mampu merepresentasikan perbedaan tingkat kerusakan bangunan berdasarkan karakteristik gempa secara signifikan. Dengan demikian, metode Agglomerative Clustering terbukti efektif dalam mengelompokkan tingkat kerusakan bangunan pascagempa dan dapat digunakan sebagai dasar dalam mendukung pengambilan keputusan mitigasi bencana secara lebih tepat dan efisien.

Inggris:

Indonesia is one of the most seismically active regions in the world due to the convergence of major tectonic plates, which often results in uneven levels of building damage following earthquake events. The variation in damage levels is influenced by several factors, including earthquake magnitude, depth, location, and local site conditions. Therefore, a data-driven analytical approach is required to systematically classify the level of building damage. This study aims to apply the Agglomerative Hierarchical Clustering method to group post-earthquake building damage levels based on seismic data. The dataset used in this research consists of earthquake data in East Java in 2021, including parameters such as latitude, longitude, depth, magnitude, and a derived variable, hypocenter. The research methodology includes data preprocessing, normalization using StandardScaler, distance calculation using Euclidean Distance, and clustering using the Ward Linkage method. Model evaluation is conducted using internal validation metrics, namely Silhouette Score, Davies-Bouldin Index, and Calinski-Harabasz Index, as well as external validation using actual building damage data. The results indicate that the optimal number of clusters is two, with a Silhouette Score of 0.6287, reflecting a good clustering structure. The resulting clusters successfully represent significant differences in building damage levels based on earthquake characteristics. Thus, the Agglomerative Clustering method is proven to be effective in classifying post-earthquake building damage levels and can be utilized as a decision-support tool for disaster mitigation planning and response.

مستخلص البحث

تُعدّ إندونيسيا من المناطق ذات النشاط الزلزالي المرتفع نتيجة التقاء عدة صفائح تكتونية نشطة، مما يؤدي إلى احتمالية حدوث أضرار غير متساوية في المباني عند كل حدث زلزالي. وتتأثر مستويات الضرر هذه بعدة عوامل، مثل مقدار الزلزال، وعمقه، وموقعه، بالإضافة إلى الظروف المحلية في المناطق المتضررة. لذلك، هناك حاجة إلى نهج تحليلي قائم على البيانات لتصنيف مستويات أضرار المباني بشكل منهجي. تهدف هذه الدراسة إلى تطبيق طريقة التجميع الهرمي التراكمي (Agglomerative Hierarchical Clustering) في تصنيف مستويات أضرار المباني بعد الزلازل بالاعتماد على البيانات الزلزالية. وقد استُخدمت في هذه الدراسة بيانات الزلازل في منطقة جاوة الشرقية لعام 2021، والتي تشمل معلمات خط العرض (Latitude)، وخط الطول (Longitude)، والعمق (Depth)، والمقدار (Magnitude)، بالإضافة إلى متغير مشتق يتمثل في المركز البؤري (Hypocenter).اشتملت مراحل البحث على المعالجة المسبقة للبيانات (Preprocessing)، والتطبيع باستخدام StandardScaler، وحساب المسافات باستخدام المسافة الإقليدية (Euclidean Distance)، بالإضافة إلى تنفيذ عملية التجميع باستخدام طريقة Ward Linkage. وتم تقييم النموذج باستخدام التحقق الداخلي من خلال معامل السيلويت (Silhouette Score)، ومؤشر ديفيز–بولدين (Davies-Bouldin Index)، ومؤشر كالينسكي–هاراباز (Calinski-Harabasz Index)، إلى جانب التحقق الخارجي باستخدام بيانات أضرار المباني. أظهرت نتائج الدراسة أن العدد الأمثل للعناقيد هو عنقودان (2 Clusters)، بقيمة معامل السيلويت بلغت 0.6287، مما يشير إلى جودة جيدة في عملية التصنيف. كما أظهرت العناقيد المتكوّنة قدرةً على تمثيل الفروقات في مستويات أضرار المباني بناءً على خصائص الزلازل بشكل واضح ودال. وبناءً على ذلك، أثبتت طريقة التجميع التراكمي (Agglomerative Clustering) فعاليتها في تصنيف مستويات أضرار المباني بعد الزلازل، ويمكن استخدامها كأساس لدعم اتخاذ قرارات التخفيف من مخاطر الكوارث بصورة أكثر دقة وكفاءة.