Perbandingan Algoritma DBSCAN dan Mean Shift dalam Pengelompokan Gempa Bumi Berdasarkan Jumlah Cluster Optimal
ABSTRAK
Perbandingan Algoritma DBSCAN dan Mean Shift dalam Pengelompokan
Gempa Bumi Berdasarkan Jumlah Cluster Optimal
Jaysyu Muhammad S.W.
Indonesia tergolong sebagai salah satu negara yang paling rentan terhadap gempa bumi
karena letaknya di kawasan Cincin Api Pasifik, tempat bertemunya tiga lempeng
tektonik utama, yaitu Lempeng Indo-Australia, Lempeng Eurasia, dan Lempeng
Pasifik. Dengan frekuensi gempa yang tinggi, penting untuk mengelompokkan data
gempa guna mengidentifikasi pola dan potensi risiko lebih lanjut. Penelitian ini
membahas penerapan dan perbandingan dua algoritma clustering, yaitu Density-Based
Spatial Clustering of Application with Noise (DBSCAN) dan Mean Shift, dalam
pengelompokan data gempa bumi di wilayah Lampung dan sekitarnya pada rentang
waktu 2013 hingga 2023. Hasil penelitian menunjukkan bahwa DBSCAN
menghasilkan 2 cluster dengan beberapa data yang terdeteksi sebagai noise, sedangkan
Mean Shift menghasilkan 6 cluster tanpa noise. Berdasarkan hasil evaluasi, DBSCAN
unggul dengan Silhouette Score sebesar 0.47 dan Davies-Bouldin Index 0.47,
sedangkan Mean Shift memperoleh Silhouette Score sebesar 0.39 dan Davies-Bouldin
Index 0.80. Hasil ini menunjukkan bahwa DBSCAN lebih efektif dalam melakukan
pengelompokan data gempa bumi dibandingkan dengan Mean Shift.
URI
https://repo.itera.ac.id/depan/submission/SB2409240193
Keyword
Gempa Bumi Pengelompokan DBSCAN Mean Shift