Implementasi Metode K-means dan Dbscan 3 Dimensi untuk Identifikasi Wilayah Rawan Gempa di Indonesia

Abstract

Indonesia merupakan negara yang rawan gempa bumi karena berada di pertemuan tiga lempeng tektonik aktif. Gempa bumi ini terjadi hampir seluruh wilayah di Indonesia dengan kedalaman dan kekuatan yang berbeda-beda. Penelitian ini bertujuan untuk identifikasi mengelompokkan lokasi gempa bumi di Indonesia pada periode 2015–2024 menggunakan metode clustering K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN) 3 Dimensi, serta mengevaluasi hasilnya berdasarkan kedalaman dan kekuatan gempa untuk mengetahui wilayah rawan gempa. Metode DBSCAN menghasilkan 3 cluster utama dan satu noise. Cluster 1 hasil DBSCAN menjadi cluster terbesar dengan gempa yang didominasi oleh kedalaman dangkal dan magnitude sedang, sehingga wilayah cluster 1 dikategorikan sebagai rawan gempa tinggi. Di sisi lain. Metode K-Means menghasilkan 3 cluster. Cluster 2 hasil K-Means mencakup gempa dangkal dan kuat, sehingga wilayah cluster 2 dikategorikan sebagai rawan gempa tinggi. Evaluasi menggunakan Silhouette Coefficient dan Davies–Bouldin Index, metode K-Means (0,6906997 ; 0,6952476) menunjukkan performa clustering yang lebih baik dibandingkan DBSCAN (0,5689777 ; 1,0347859). Namun, berdasarkan Dunn Index, DBSCAN (0,0219992) memiliki kemampuan pemisahan antar cluster yang lebih baik dibandingkan K-Means (0,0016850). Oleh karena itu, algoritma K-Means dinilai lebih baik dalam mengidentifikasi wilayah rawan gempa bumi di Indonesia tahun 2015-2024 dibandingkan dengan DBSCAN. Secara keseluruhan, hasil clustering ini memberikan informasi penting dalam mengidentifikasi wilayah rawan gempa, sehingga dapat dijadikan dasar dalam perencanaan mitigasi bencana di Indonesia.