MODEL KLASTERISASI TINGKAT KERAWANAN KEBAKARAN DAERAH KHUSUS JAKARTA MENGGUNAKAN ALGORITMA X-MEANS

Penulis

  • Ignasius Alvin Nugroho Universitas Budi Luhur
  • Deni Mahdiana Universitas Budi Luhur

Kata Kunci:

Kebakaran, Daerah Khusus Jakarta, Klasterisasi, X-Means

Abstrak

Terjadinya kebakaran di Daerah Khusus Jakarta mengalami resiko yang cukup merugikan terhadap benda dan dapat menimbulkan korban jiwa. Tingkat kerawanan kebakaran yang menyebabkan nilai kerugian yang sangat besar berdasarkan wilayah di Daerah Khusus Jakarta. Belum diketahuinya pengelompokkan wilayah rawan kebakaran di Daerah Khusus Jakarta. Menyebabkan kurangnya penanganan dalam mengantisipasi terjadinya kebakaran di Daerah Khusus Jakarta. Oleh karena itu, pada penelitian ini dapat melakukan klasterisasi wilayah rawan kebakaran di Daerah Khusus Jakarta pada tingkat kecamatan sehingga dapat membantu pihak pemadam kebakaran setempat untuk menangani terjadinya kebakaran yang terjadi di Daerah Khusus Jakarta. Data penelitian berasal dari situs resmi Open Data Jakarta, data yang digunakan merupakan data tingkat kerawanan kebakaran di Daerah Khusus Jakarta dengan menggunakan metode penelitian yang dipakai adalah X-Means. Dalam penelitian ini dilakukan perbandingan ketiga algoritma X-Means, K-Means dan K-Medoids untuk menentukan metode yang paling optimal digunakan. Hasil yang didapatkan dalam penelitian ini menunjukan algoritma X-Means yang memiliki jumlah cluster sebanyak 4 cluster yang paling optimal dengan nilai DBI sebesar 0,624 yang terdiri dari cluster Tidak Rawan dengan 6 kecamatan, cluster Cukup Rawan dengan 15 kecamatan, cluster Rawan dengan 22 kecamatan dan cluster Sangat Rawan dengan 1 kecamatan.

Referensi

Akbar, E. (2023) “Perbandingan Algoritma Dbscan-K Means dan K Means Untuk Pengelompokan Madrasah Aliyah Provinsi Jawa Timur,” Repository.Uinjkt.Ac.Id, 1, hal. 1–51. Tersedia pada: https://repository.uinjkt.ac.id/dspace/handle/123456789/68812%0Ahttps://repository.uinjkt.ac.id/dspace/bitstream/123456789/68812/1/EMIR AKBAR-FST.pdf.

Amna dkk. (2023) Buku Data Mining. Cetakan 1,. Diedit oleh Y. Novita. Padang Sumatera Barat: PT Global Eksekutif Teknologi. Tersedia pada: www.globaleksekutifteknologi.co.id.

Apriyadi, Lubis, M.R. dan Damanik, B.E. (2022) “Penerapan Algoritma C5.0 Dalam Menentukan Tingkat Pemahaman Mahasiswa Terhadap Pembelajaran Daring,” Komputa : Jurnal Ilmiah Komputer dan Informatika, 11(1), hal. 11–20. Tersedia pada: apriyadi2301997@gmail.com.

Bomanthara dan Halim, R.M.N. (2023) “Implementasi Metode K-Means Clustering Untuk Menentukan Tingkat Peminatan Konsumen Terhadap Type Smartphone Di Tio Cell Dan Tio Cell 2,” Jupiter: Jurnal Penelitian Ilmu dan Teknologi Komputer, 15(1a), hal. 49–60. Tersedia pada: https://jurnal.polsri.ac.id/index.php/jupiter/article/view/5191.

Dhewayani, F.N. dkk. (2022) “Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM,” Jurnal Teknologi dan Informasi, 12(1), hal. 64–77. Tersedia pada: https://doi.org/10.34010/jati.v12i1.6674.

Exasanti, D. dan Jananto, A. (2021) “Analisa Hasil Pengelompokan Wilayah Kejadian Non-Kebakaran Menggunakan Agglomerative Hierachical Clustering di Semarang,” Jurnal Tekno Kompak, 15(2), hal. 63. Tersedia pada: https://doi.org/10.33365/jtk.v15i2.1166.

Harmain, A. dkk. (2021) “Data Normalization for K-Means Efficiency on Groups of Areas With Potential Fores and /Land Fire Based on Heat Spots Distribution,” Teknimedia, 2(2), hal. 83–89.

Hasanah, M.A., Soim, S. dan Handayani, A.S. (2021) “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” Journal of Applied Informatics and Computing, 5(2), hal. 103–108. Tersedia pada: https://doi.org/10.30871/jaic.v5i2.3200.

Khaerullah, R.R., Suarna, N. dan Nurdiawan, O. (2023) “Analisa Pengelompokkan Dataset Komputer Menggunakan Algoritma X-Means,” Jurnal Informatika dan Teknologi Informasi, 1(2), hal. 125–132. Tersedia pada: https://doi.org/10.56854/jt.v1i2.135.

Manzis, Z., Kurniawan, R. dan Wijaya, Y.A. (2024) “Penerapan X-Means Clustering Terhadap Hasil Kuesioner Website Virtual Tour STMIK IKMI Cirebon System Usability Scale ( SUS ),” JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), hal. 2863–2869.

Muhammad, A.F. (2021) “Klasterisasi Proses Seleksi Pemain Menggunakan Algoritma K-Means,” Jurnal Teknik Informatika dan Sistem Informasi, 1, hal. 1–5.

Novita, D., Sihotang, F.P. dan Khairani, S. (2023) “Pelatihan Penggunaan Microsoft Excel Untuk Mengolah Data Bagi Siswa/i SMK Bina Cipta Palembang,” Fordicate, 2(2), hal. 109–118. Tersedia pada: https://doi.org/10.35957/fordicate.v2i2.4759.

Nuriska, D. dkk. (2023) “Klaterisasi Data Lagu Terpopuler Spotify 2023 Berdasarkan Suasana Hati Menggunakan Algoritma K-Means,” JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), hal. 3843–3850.

Putra, P.H., Hasibuan, A. dan Marpaung, E.A. (2022) “Analisis Klasifikasi Metode X-Means Pada Minat dan Bakat Anak Dimasa Pandemi,” Jurnal Sains, Teknologi dan Industri, 19(2), hal. 424–429.

Riska, W.H. dkk. (2024) “Categorical Data Clustering with K-Modes Method on Fire Cases in DKI Jakarta Province,” UNP Journal of Statistics and Data Science, 2(1), hal. 56–63. Tersedia pada: https://doi.org/10.24036/ujsds/vol2-iss1/115.

Riza, A.A. dan Saputro, D.R.S. (2022) “Clustering Data Numerik Menggunakan Algoritma X-Means (Clustering Numeric Data Using X-Means Algorithm),” Seminar Nasional Matematika, hal. 30–35. Tersedia pada: https://magestic.unej.ac.id/.

Setyanigtyas, S., Nugroho, B.I. dan Arif, Z. (2022) “Tinjauan Pustaka Sistematis: Penerapan Data Mining Teknik Clustering Algoritma K-Means,” Jurnal Teknoif Teknik Informatika Institut Teknologi Padang, 10(2), hal. 52–61. Tersedia pada: https://doi.org/10.21063/jtif.2022.v10.2.52-61.

Sholeh, M., Andayanti, D. dan Rachmawati, R.Y. (2022) “Data Mining Model Klasifikasi Menggunakan K-Nearest Neighbor With Normalization For Diabetes Prediction,” Jurnal TeIKA, 12, hal. 77–87.

Sopyan, Y., Lesamana, A.D. dan Juliane, C. (2022) “Analisis Algoritma K-Means dan Davies Bouldin Index dalam Mencari Cluster Terbaik Kasus Perceraian di Kabupaten Kuningan,” Building of Informatics, Technology and Science (BITS), 4(3), hal. 1464–1470. Tersedia pada: https://doi.org/10.47065/bits.v4i3.2697.

Sudrajat, W., Cholid, I. dan Petrus, J. (2022) “Penerapan Algoritma K-Means Clustering untuk Pengelompokan UMKM Menggunakan Rapidminer,” Jurnal Jupiter, 14(1), hal. 27–36.

Suhartini, Wijaya, L.K. dan Pratiwi, N.A. (2020) “Penerapan Algoritma K-Means Untuk Pendataan Obat Berdasarkan Laporan Bulanan Pada Dinas Kesehatan Kabupaten Lombok Timur Pendahuluan berbagai manusia bidang dan terutama bidang dengan jenis dan jumlah yang mencukupi sehingga obat dapat diperoleh dengan ce,” Jurnal Informatika dan Teknologi, 3(2), hal. 147–156.

Sulistio, M.R., Suarna, N. dan Nurdiawan, O. (2023) “Analisa Penerapan Metode Clustering X-Means Dalam Pengelompokan Penjualan Barang,” Jurnal Teknologi Ilmu Komputer, 1(2), hal. 37–42. Tersedia pada: https://doi.org/10.56854/jtik.v1i2.49.

Wijayanto, A. dan Adhitama, R. (2019) “Penggunaan X-Means Clustering Method untuk Mengelompokkan Potensi Sekolah Menengah Unggul di Kabupaten Banyumas,” Journal of Informatics, Information System, Software Engineering and Applications, 8106.

Winayah, Kurniawan, R. dan Wijaya, Y.A. (2024) “Penerapan Data Mining Clustering Menggunakan Algoritma X- Means Pada Data Penerima Bantuan Program Keluarga Harapan Di Desa Gebang Kulon Kabupaten Cirebon,” JATI ( Jurnal Mahasiswa Teknik Informatika), 8(1), hal. 982–988.

Unduhan

Diterbitkan

30-09-2024

Cara Mengutip

Nugroho, I. A., & Mahdiana, D. (2024). MODEL KLASTERISASI TINGKAT KERAWANAN KEBAKARAN DAERAH KHUSUS JAKARTA MENGGUNAKAN ALGORITMA X-MEANS. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 3(2), 1836. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/1454

Terbitan

Vol 3 No 2 (2024): Prosiding SENAFTI Ke-5 September 2024

Bagian

Poster

Lisensi

Hak Cipta (c) 2024 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>