Rhamadhan, Muhammad Indrayadi (2020) CLUSTERING GEMPA BUMI DI PULAU SUMATERA DALAM SATU TAHUN TERAKHIR DENGAN MENGGUNAKAN ALGORITMA SELF – ORGANIZING MAPS ( SOMS ). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
Text (COVER-ABSTRAK)
COVER.pdf Download (965kB) |
|
Text (BAB I)
BAB I.pdf Download (240kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (542kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (458kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (597kB) |
|
Text (BAB V)
BAB V.pdf Download (69kB) |
|
Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (2MB) |
|
Archive (SOURCE CODE)
Source Code - Muhammad Indrayadi Rhamadhan.rar Restricted to Repository staff only Download (18MB) |
|
Text (PUBLIKASI)
Publikasi_15.11.8651 - Muhammad Indrayadi Rhamadhan.pdf Restricted to Repository staff only Download (659kB) |
Abstract
Indonesia merupakan negara dengan intensitas terjadi gempa yang sangat tinggi. Hal ini dipengaruhi oleh letak geografis Indonesia yang pada wilayah tumbukan (pertemuan) 3 (tiga) buah lempeng besar berukuran benua yang secara terus menerus bergerak. Salah satu wilayah yang rawan terjadi gempa di Indonesia adalah pulau Sumatera. Dengan memperhatikan tingkat kerawanan yang ada, maka data gempa yang terjadi di wilayah ini perlu dianalisa dengan cara dikelompokan sehingga diketahui wilayah mana 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. Dari hasil clustering algoritma SOM diperoleh hasil yang menunjukkan bahwa dari data gempa yang dianalisa sebanyak 71.89% berada pada cluster ke 1 yaitu kerusakan berat, 19.78% pada cluster ke 2 yaitu kerusakan sedang, dan 8.33% pada cluster ke 3 yaitu kerusakan ringan.
Item Type: | Thesis (S1 - Sarjana) | ||
---|---|---|---|
Contributor: |
|
||
Uncontrolled Keywords: | Self-Organizing Map (SOM), Data Mining, Clustering | ||
Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer |
||
Divisions: | Fakultas Ilmu Komputer > Informatika | ||
Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
Date Deposited: | 29 Jun 2022 05:25 | ||
Last Modified: | 25 Aug 2023 03:55 | ||
URI: | http://eprints.amikom.ac.id/id/eprint/3207 |
Actions (login required)
View Item |