Pengelompokan Wilayah Menurut Kekuatan Gempa Bumi Menggunakan

Abstract

ABSTRAK
Gempa bumi adalah fenomena alam yang dapat menyebabkan kerusakan properti dan hilangnya nyawa. Untuk lebih memahami dan memprediksi gempa bumi, pada penelitian ini dapat menggunakan metode clustering untuk mengelompokkan gempa bumi berdasarkan karakteristiknya. Studi ini mengeksplorasi penggunaan metode clustering K-Means untuk mengelompokkan wilayah berdasarkan kekuatan gempa bumi.
Studi ini mengumpulkan data gempa bumi dari berbagai wilayah di negara Jepang dan melakukan preprocessing data dengan cara melakukan standarisasi dan normalisasi atribut kekuatan gempa. Algoritma K-Means kemudian digunakan untuk mengelompokkan wilayah berdasarkan kesamaan dalam atribut tersebut.
Hasilnya menunjukkan bahwa algoritma K-Means cukup efektif dalam melakukan pengelompokan wilayah berdasarkan kekuatan gempa bumi. Wilayah dengan kekuatan gempa yang serupa cenderung tergabung dalam satu kelompok. Dengan memvisualisasikan kelompok pada peta, studi ini dapat mengidentifikasi daerah dengan aktivitas gempa bumi yang tinggi dan mendapatkan wawasan tentang pola dan tren gempa bumi di wilayah tersebut.

ABSTRACT
Earthquakes are natural phenomena that can cause property damage and loss of life. To better understand and predict earthquakes, this research can use the clustering method to classify earthquakes based on their characteristics. This study explores the use of the K-Means clustering method to classify areas based on earthquake strength.
This study collects earthquake data from various regions in Japan and preprocesses the data by standardizing and normalizing earthquake strength attributes. The K-Means algorithm is then used to group regions based on similarities in these attributes.
The results show that the K-Means algorithm is quite effective in grouping areas based on earthquake strength. Regions with similar earthquake strength tend to be grouped together. By visualizing clusters on a map, this study can identify areas with high earthquake activity and gain insight into earthquake patterns and trends in those areas.