Analisis Potensi Kerusakan Akibat Gempa Menggunakan Metode Klasifikasi Bayesian Analysis Of Potential Damage From Earthquakes Using Bayesian Classification Method

Tanwiril Awlad, Daryanto Daryanto, Hardiyan Oktavianto

Abstract


Indonesia merupakan negara dengan potensi bencana (hazard potency) yang sangat tinggi. Wilayah Indonesia memiliki rata-rata aktivitas gempa tektonik sebanyak 6.512 kejadian per tahunnya, 543 kejadian per bulannya dan 18 kejadian gempa per harinya. Dalam hal pencegahan bencana seperti uraian di atas, maka dapat dilakukan cara yang salah satunya adalah dengan mengevaluasi masalah tersebut adalah melalui studi statistik menggunakan analisis Bayesian. Penelitian ini bertujuan untuk menganalisis penerapan metode klasifikasi bayesian dampak gempa di Indonesia dan mengukur tingkat akurasi, recall, dan presisi dari analisis kemungkinan besar magnitudo gempa di Indonesia menggunakan metode klasifikasi Bayesian. Data yang diperoleh dari situsweb BMKG berjumlah 140 data dengan lima macam wilayah di Indonesia yang memiliki atribut magnitudo gempa, kedalaman gempa, waktu kejadian, wilayah gempa, dan efek yang mungkin terjadi. Setelah dilakukan perhitungan, hasilnya untuk wilayah Sumatera, Sulawesi, Jawa, dan Nusa Tenggara adalah potensi kerusakan, sedangkan untuk wilayah Maluku adalah potensi kerusakan dan terjadi kerusakan. Untuk nilai rata-rata akurasi yang diperoleh adalah sebesar 78.37394%, nilai recall adalah 78.35334%, dan nilai rata-rata presisi yang diperoleh adalah 66.56%.


Full Text:

PDF

References


Arnold, Hugh J., dan Danield C, Feldman. 1986. Individual in Organizations: Series in Management. New York: McGraw Hill.

Esdm.go.id. Hazard Potency [internet]. Potensi bencana di Indonesia, 1 Januari 2020 [diakses 6 Agustus 2020], www.esdm.go.id.

Jananto. 2013. Algoritma Naive Bayes untuk Mencari Perkiraan Waktu Studi Mahasiswa. Jurnal Teknologi Informasi DINAMIK. 18 (1). 09-16.

Liu, Bing. 2012. Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data. New York: Springer Science and Bussiness Media.

Muslim, dkk. 2019. Data Mining Algoritma C4.5 Disertai Contoh Kasus dan Penerapannya dengan Program Komputer. Semarang: Doni Aprilianto Media.

Myatt, Glenn J. 2007. Making Sense of Data: A Practica Guide to Exploratory Data Analysis and Data Mining. New Jersey: John Wiley & Sons Inc.

Pujianto, 2007. Bahan Kuliah Perencanaan Struktur Tahan Gempa. Yogyakarta: Universitas Muhammadiyah Yogyakarta.

Sabtaji, A. 2020. Statistik Kejadian Gempa Bumi Tektonik Tiap Provinsi di Wilayah Indonesia Selama 11 Tahun Pengamatan (2009-2019). Buletin Meteorologi, Klimatologi, dan Geofisika. 1 (7). 31-46.

Tjetjep, Wimpy S.. 1996. Dari Gunung Api hingga Otonomi Daerah. Jakarta: Yayasan Media Bhakti Tambang.

Papaioannao, W., Pandis, N., Kontou, E., Nakou, M., Eliades, T. 2016. Salivary Streptococcus Mutans Level in Patients with Conventional and Self-ligating Brackets. The European Journal of Orthodontics Advance Access. 31(1). 94-97.

Utomo, D.P., Purba, B. 2019. Penerapan Data Mining pada Data Gempa Bumi Terhadap Potensi Tsunami di Indonesia. Prosiding Seminar Nasional Riset Information Science (SEMINARIS). ISSN: 2686-0260. 846-853.

Wang, J. P., Huang, D., Chang, S. C., dan Wu, Y.M. 2015. Estimating the Standard deviation of soil properties with limited samples through the Bayesian approach. Bull. Eng. Geol. Environ. 74(1). 271–278.


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.