OPTIMASI METODE SELF-ORGANIZING MAP MENGGUNAKAN ALGORITMA GENETIKA UNTUK PENGELOMPOKAN GEMPA DI JAWA

Ash Shubkhi, Muhammad Luqman (2020) OPTIMASI METODE SELF-ORGANIZING MAP MENGGUNAKAN ALGORITMA GENETIKA UNTUK PENGELOMPOKAN GEMPA DI JAWA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (4MB)
	Text (BAB I) BAB I.pdf Download (1MB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (6MB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (5MB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (3MB)
	Text (BAB V) BAB V.pdf Download (574kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (15MB)

Abstract

Gempa bumi merupakan fenomena alam yang disebabkan oleh adanya pelepasan energi regangan elastis bantuan pada litosfir. Semakin besar energi yang dilepas semakin kuat gempa yang terjadi. Menurut data dari Badan Meteorologi dan Geofisika (BMKG) bahwa di wilayah Indonesia khususnya pulau Jawa pada tahun 2018 setiap harinya teriadi gempa bumi dengan kekuatan dibawah 3 skala richter yang biasa di sebut dengan gempa mikro. Data gempa yang terjadi di wilayah ini perlu dianalisa dengan cara di kelompokan sehingga diketahui wilayah mama sajakah yang sering terjadi gempa. Pengelompokan gempa dilakukan dengan metode clustering menggunakan algoritma Self-Organizing MAP (SOM). SOM sendiri merupakan suatu metode yang digunakan untuk menganalisa data berdimensi tinggi dengan teknik pelatihan Artificial Neural Network (ANN) yang menggunakan basis winner takes all, dimana hanya neuron yang menjadi pemenang yang akan diperbarui bobotnya. Tetapi dalam algoritma Self-Organizing MAP terdapat cara awal memilih angka centroid secara acak sehingga data yang dihasilkan kurang akurat. Untuk mengatasi kekurangan itu menggunakan algoritma genetika untuk memilih angka centroid yang baik untuk meningkatkan hasil akurasinya. Sehingga memudahkan dalam upaya mitigasi bencana gempa bumi seperti mengadakan sosialisasi, jalur evakuasi dan sebagainya. Dari hasil yang telah di uji coba algortima SOM dengan AG mendapatkan nilai R yang didapatkan pada tiap tiap cluster menunjukan nilai index davies bouldin yang menjelaskan rasio densitas data pada tiap cluster adalah 0.497, 0.196, 0.105, 0. Rasio dengan nilai terbesar di pilih untuk di cari rata-ratanya sehingga menghasilkan nilai DBI 0.396. Sedangkan dengan algoritma SOM mendapatkan nilai R yang didapatkan pada tiap tiap cluster menunjukan nilai index davies bouldin yang menjelaskan rasio densitas data pada tiap cluster adalah 0.497, 0.195, 0,104, 0. Rasio dengan nilai terbesar di pilih untuk di cari rata-ratanya sehingga menghasilkan nilai DBI 0.396.

Actions (login required)

View Item