Klasterisasi Menggunakan Agglomerative Hierarchical Clustering Untuk Memodelkan Wilayah Banjir

Ridzki Okta Pratikto, Natalia Damastuti

Abstract

Setiap tahun selama musim hujan masalah banjir di provinsi Jawa Timur adalah bencana yang sering terjadi. Berdasarkan catatan Badan Penanggulangan Bencana (BNPB) dari 2014 hingga 2015 ada 574 bencana banjir di provinsi Jawa Timur, Banyak faktor yang menyebabkan terjadinya bencana banjir diantaranya adalah lambatnya informasi yang didapat sehingga diperlukan suatu pemodelan wilayah potensi banjir di Jawa Timur dengan menggunakan metode yang lebih akurat dan efisien dengan menggunakan suatu metode Agglomerative Hierarchical Clustering (AHC). Metode ini akan digunakan untuk melakukan pengelompokkan dengan uji performansi menggunakan metode cophenetic correlation coefficient. Hasil dari penelitian ini divisualisasikan kedalam bentuk SIG. Berdasarkan hasil uji cluster optimal dengan elbow method, provinsi Jawa Timur terbagi menjadi 3 kelompok cluster daerah terdampak potensi banjir yaitu karakteristik rendah, sedang, tinggi. Hasil uji performa cluster menggunakan cophenetic correlation coefficient menunjukkan bahwa metode average linkage memberikan solusi cluster yang lebih baik dibandingkan dengan metode AHC lainnya yakni sebesar 0,92

Keywords

banjir; klasterisasi; agglomerative; metode elbow; cophenetic correlation coefficient;

Article Metrics

Abstract view : 1 times
PDF view : 3 times

Full Text:

PDF

References

C. Hasiholan, R. Primananda, and K. Amron, “Implementasi Konsep Internet Of Things Pada Sistem Monitoring Banjir Menggunakan Protokol MQTT,” Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 12, pp. 6128–6135, 2018.

S. Adi, “Characterization of Flash Flood Disaster in Indonesia (Karakterisasi Bencana Banjir Bandang di Indonesia),” J. Sains dan Teknol. Indones., vol. 15, no. 1, pp. 42–51, 2013.

D. S. Ratnasari and P. Kusumawardani, “Pemetaan Risiko Bencana di Kota Bogor Tahun 2015 ( Bencana Banjir , Tanah Longsor , Angin Puting Beliung , Dan Kebakaran ),” Semin. Nas. Penginderaan Jauh, vol. 2015, pp. 720–839, 2016.

B. Liu, Web Data Mining Exploring Hyperlinks, Contents, and Usage Data, vol. 11, no. 5. 2015.

A. Bouguettaya, Q. Yu, X. Liu, X. Zhou, and A. Song, “Efficient Agglomerative Hierarchical Clustering,” Expert Syst. Appl., vol. 42, no. 5, pp. 2785–2797, 2015, doi: 10.1016/j.eswa.2014.09.054.

A. Ramadhan, Mustakim, and R. Handinata, “Implementasi Algoritma Fuzzy C Means Dan Moora Untuk Pengelompokan Dan Penentuan Wilayah Penanggulangan Bencana Banjir,” no. November, p. Pekanbaru, 2019.

K. K. Raihana, S. M. K. Rishad, T. Sadia, S. Ahmed, M. S. Alam, and R. M. Rahman, “Identifying Flood Prone Regions In Bangladesh By Clustering,” Proc. - 17th IEEE/ACIS Int. Conf. Comput. Inf. Sci. ICIS 2018, pp. 556–561, 2018, doi: 10.1109/ICIS.2018.8466533.

L. N. Wang, X. H. Chen, Q. X. Shao, and Y. Li, “Flood Indicators And Their Clustering Features In Wujiang River, South China,” Ecol. Eng., vol. 76, pp. 66–74, 2015, doi: 10.1016/j.ecoleng.2014.03.018.

P. Prihandoko and B. Bertalya, “A Data Analysis Of The Impact Of Natural Disaster Using K-Means Clustering Algorithm,” Kursor, vol. 8, no. 4, p. 169, 2017, doi: 10.28961/kursor.v8i4.109.

S. G. K. Patro and K. K. sahu, “Normalization: A Preprocessing Stage,” Iarjset, pp. 20–22, 2015, doi: 10.17148/iarjset.2015.2305.

D. Marutho, S. Hendra Handaka, E. Wijaya, and Muljono, “The Determination Of Cluster Number At K-Mean Using Elbow Method And Purity Evaluation On Headline News,” Proc. - 2018 Int. Semin. Appl. Technol. Inf. Commun. Creat. Technol. Hum. Life, iSemantic 2018, pp. 533–538, 2018, doi: 10.1109/ISEMANTIC.2018.8549751.

M. Roux, “A Comparative Study Of Divisive And Agglomerative Hierarchical Clustering Algorithms,” J. Classif., vol. 35, no. 2, pp. 345–366, 2018, doi: 10.1007/s00357-018-9259-9.

N. Bhargava, A. Kumawat, and R. Bhargava, “Fingerprint Matching of Normalized Image Based On Euclidean Distance,” Int. J. Comput. Appl., vol. 120, no. 24, pp. 20–23, 2015, doi: 10.5120/21409-4428.

S. Kumar and D. Toshniwal, “Analysis Of Hourly Road Accident Counts Using Hierarchical Clustering And Cophenetic Correlation Coefficient (CPCC),” J. Big Data, vol. 3, no. 1, pp. 1–11, 2016, doi: 10.1186/s40537-016-0046-3.

D. Saptono, T. M. Sampurna, and T. W. R. N, “Implementasi Algoritma Gunning Fog Index Pada Uji Keterbacaan ( Readability Test ) Bahasa Indonesia Menggunakan Bahasa Pemrograman Python,” Semantik, vol. 3, no. 1, pp. 72–77, 2013.

Refbacks

  • There are currently no refbacks.