PENERAPAN ALGORITMA KMEANS CLUSTERING UNTUK MENGELOMPOKKAN KERAWANAN ROB DI DAERAH PEKALONGAN

Imam Faturohim, Anna Baita

Abstract


Banjir rob di kawasan Kota Pekalongan telah terjadi sejak lama dan berpotensi semakin luas. Hal ini disebabkan oleh beberapa wilayah di Kota Pekalongan memiliki ketinggian tanah dibawah permukaan air laut dan mengalami penurunan muka tanah (land subsidence). Ancaman banjir dan rob semakin tinggi karena adanya pemanasan global yang berdampak pada naiknya permukaan air laut. Pemetaan kerawanan Rob ini penting agar dapat membantu pemerintah daerah dalam evaluasi dan penanganan rob. Selain itu, pemetaan ini dapat digunakan untuk mengevaluasi dan merencanakan tata ruang wilayah Kota Pekalongan. Dalam penelitian ini menggunakan metode K-Means Clustering untuk mengelompokkan data berdasarkan tinggi genangan rob dan luas area genangan rob. Hasil penelitian ini menghasilkan 3 cluster daerah. Hasil penelitian ini menunjukkan bahwa daerah dengan kerawanan tinggi bencana rob di kota Pekalongan ada 7 Kelurahan yakni Bandengan, Degayu,Kandang Panjang, Krapyak, Padukuhan Kraton, Panjang Wetan dan Panjang Baru. Hasil Clustering disajikan dalam bentuk peta menggunakan ArcGis.


Full Text:

PDF

References


S. Miftakhudin, “Strategi penanganan banjir rob kota pekalongan,” JURNAL LITBANG KOTA PEKALONG-

AN, vol. 19, no. 1, 2021.

M. A. Salim and A. B. Siswanto, “Kajian penanganan dampak banjir kabupaten pekalongan,” Rang Teknik

Journal, vol. 4, no. 2, p. 295–303, 2021.

S. W. d. B. R. S. Adi Iskandar, M. Helmi. Analisis geospasial area genangan banjir rob dan dampaknya

pada penggunaan lahan tahun 2020-2025 di kota pekalongan provinsi jawa tengah. [Online]. Available:

http://ejournal2.undip.ac.id/index.php/ijoice/Diterima

C. Nisa1 and W. Yustanti, “Studi perbandingan algoritma klastering dalam pengelompokan persediaan

produk (studi kasus subdirektorat perencanaan sarana prasarana dan logistik ptn x),” JEISBI, vol. 02,

U. K. I. Kamila, “Perbandingan algoritma k-means dan k-medoids untuk pengelompokan,” Jurnal Ilmiah

Rekayasa dan Manajemen Sistem Informasi, vol. 5, no. 1, pp. 119–125, 2019.

C. S. Santoso and A. I. Nurhidayat. Sistem informasi real time gis untuk monitoring sistem cors

(continously operating reference station) di kantor wilayah badan pertahanan provinsi jawa timur.

[Online]. Available: https://id.m.wikipedia.org/wiki/JSON

H. M. L. Petra Refialy and M. S. Pesulima, “Perbaikan kinerja clustering k-means pada data ekonomi

nelayan dengan perhitungan sum of square error (sse) dan optimasi nilai k cluster,” Techno.Com, vol. 20,

no. 2, pp. 321–329, 2021.

N. H. R. Kesuma Dinata and N. Azizah, “Analisis k-means clustering pada data sepeda motor,” INFOR-

MAL, vol. 5, no. 1, pp. 10–17, 2020.

E. M. S. R. M. A. Syakur, B. K. Khotimah and B. D. Satoto, “Integration k-means clustering method and

elbow method for identification of the best customer profile cluster,” IOP Conference Series: Materials

Science and Engineering, vol. 336, no. 1, pp. 891–921, 1905.

K. R. Shahapure and C. Nicholas, “Cluster quality analysis using silhouette score,” IEEE 7th International

Conference on Data Science and Advanced Analytics (DSAA), 2020.

J. D. K. J. P. F. Wang, H.-H. Franco-Penya and R. Ross. An analysis of the application

of simplified silhouette to the evaluation of k-means clustering validity. [Online]. Available:

https://link.springer.com/chapter/10.1007/978-3-319-62416-7_21

M. J. R. D. Indraswari, N. Hanifah and Y. Priyana, “Analisis aplikasi arcgis 10.3 untuk pembuatan daerah

aliran sungai dan penggunaan lahan di das samajid kabupaten sampang, madura,” in Prosiding Seminar

Nasional Geografi UMS IX 2018, vol. IX, Surakarta, Indonesia, Juni 2018, pp. 478–489.

A. S. W. D McGinnis, C. Siu and H. Huang, “Category encoders: a scikit-learn-contrib package of tran-

sformers for encoding categorical data,” The Journal of Open Source Software, vol. 3, no. 21, p. 501,

H. H. K. D. Azzahra Nasution and N. Chamidah, “Perbandingan normalisasi data untuk klasifikasi wine

menggunakan algoritma k-nn,” Journal of Computer Engineering, System, and Science, vol. 4, no. 1, pp.

–82, 2019.

N. G. Ramadhan and A. Khoirunnisa, “Klasifikasi data malaria menggunakan metode support vector

machine,” Jurnal Media Informatika Budidarma, vol. 5, no. 4, p. 1580, 2021.




DOI: http://dx.doi.org/10.26798/juti.v1i1.624

Article Metrics

Abstract view : 388 times
PDF - 245 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Anna Baita

JuTI "Jurnal Teknologi Informasi"

Published by
Fakultas Teknologi Informasi
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN


Creative Commons License

JuTI "Jurnal Teknologi Informasi" 
by Fakultas Teknologi Informasi, Universitas Teknologi Digital Indonesia 
is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.