CLUSTERING GEMPA BUMI DI PULAU SUMATERA DALAM SATU TAHUN TERAKHIR DENGAN MENGGUNAKAN ALGORITMA SELF – ORGANIZING MAPS ( SOMS )

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.

[img] Text (COVER-ABSTRAK)
COVER.pdf

Download (965kB)
[img] Text (BAB I)
BAB I.pdf

Download (240kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only

Download (542kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only

Download (458kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only

Download (597kB)
[img] Text (BAB V)
BAB V.pdf

Download (69kB)
[img] Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf
Restricted to Registered users only

Download (2MB)
[img] Archive (SOURCE CODE)
Source Code - Muhammad Indrayadi Rhamadhan.rar
Restricted to Repository staff only

Download (18MB)
[img] 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:
Pembimbing
Sunyoto, Andi
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 View Item