(0721) 8030188    [email protected]   

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