PEMETAAN DAN KLASIFIKASI WILAYAH RAWAN GEMPA DI INDONESIA DENGAN METODE K-MEANS DAN LIGHTGBM

• YUDHI SELVINA YULIANTI
• 2025

---

Penelitian ini bertujuan untuk memetakan dan mengklasifikasikan wilayah rawan gempa di Indonesia dengan menggabungkan algoritma K-Means untuk pengelompokan wilayah dan LightGBM untuk klasifikasi gempa berdasarkan magnitudo. Dengan menggunakan data historis gempa yang diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG), penelitian ini mengidentifikasi pola distribusi gempa di Indonesia, serta mengklasifikasikan tingkat kerawanan wilayah terhadap gempa. Algoritma K-Means digunakan untuk mengelompokkan wilayah berdasarkan kedalaman dan magnitudo gempa, sementara LightGBM digunakan untuk mengklasifikasikan kategori magnitudo gempa. Hasil pengujian menunjukkan bahwa K-Means berhasil mengelompokkan wilayah dengan baik berdasarkan parameter tersebut, dengan Silhouette Score rata-rata sekitar 1.00, yang menunjukkan pemisahan yang sangat baik antara cluster. Model LightGBM mencapai akurasi 95%, dengan performa yang sangat baik dalam mengklasifikasikan gempa berdasarkan magnitudo, meskipun ada kesulitan dalam mengklasifikasikan gempa dengan magnitudo besar. Penelitian ini diharapkan dapat memberikan peta wilayah rawan gempa yang akurat, yang dapat digunakan untuk mendukung strategi mitigasi bencana gempa di Indonesia.

• Pemetaan Wilayah
• Klasifikasi Gempa
• K-Means
• LightGBM

https://repository.bsi.ac.id/repo/73126/PEMETAAN-DAN-KLASIFIKASI-WILAYAH-RAWAN-GEMPA-DI-INDONESIA-DENGAN-METODE-K-MEANS-DAN-LIGHTGBM
Anda dapat membaca file tugas akhir ini di repository.