Analisis dan visualisasi data gempa bumi di indonesia menggunakan k-means clustering

DETAIL KOLEKSI

Analisis dan visualisasi data gempa bumi di indonesia menggunakan k-means clustering

Oleh : Elita Wahyu Firdasari

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2026

Pembimbing 1 : Dedy Sugiarto

Pembimbing 2 : Syandra Sari

Kata Kunci : Earthquake, K-Means Clustering, Business Intelligence, dashboard, Power BI, Disaster Mitigation

Status Posting : Published

Status : Lengkap

File Repositori

No.	Nama File	Hal.
1.	2026_SK_SSI_065002200038_Halaman-Judul.pdf	13
2.	2026_SK_SSI_065002200038_Surat-Pernyataan-Revisi-Terakhir.pdf	1
3.	2026_SK_SSI_065002200038_Surat-Hasil-Similaritas.pdf	1
4.	2026_SK_SSI_065002200038_Halaman-Pernyataan-Persetujuan-Publikasi-Tugas-Akhir-untuk-Kepentingan-Akademis.pdf	1
5.	2026_SK_SSI_065002200038_Lembar-Pengesahan.pdf	1
6.	2026_SK_SSI_065002200038_Pernyataan-Orisinalitas.pdf	1
7.	2026_SK_SSI_065002200038_Formulir-Persetujuan-Publikasi-Karya-Ilmiah.pdf	1
8.	2026_SK_SSI_065002200038_Bab-1-Pendahuluan.pdf
9.	2026_SK_SSI_065002200038_Bab-2-Landasan-Teori.pdf
10.	2026_SK_SSI_065002200038_Bab-3-Metodologi-Penelitian.pdf
11.	2026_SK_SSI_065002200038_Bab-4-Analisis-dan-Pembahasan.pdf
12.	2026_SK_SSI_065002200038_Bab-5-Kesimpulan-dan-Saran.pdf
13.	2026_SK_SSI_065002200038_Daftar-Pustaka.pdf
14.	2026_SK_SSI_065002200038_Lampiran.pdf

Abstrak
Abstract

I Indonesia merupakan salah satu negara yang memiliki tingkat aktivitas gempa bumi yang tinggi karena berada pada pertemuan beberapa lempeng tektonik aktif. banyaknya data kejadian gempa bumi yang terus bertambah memerlukan pengolahan dan penyajian informasi yang mampu mendukung proses analisis serta pengambilan keputusan dalam upaya mitigasi bencana. penelitian ini bertujuan untuk mengelompokkan wilayah berdasarkan karakteristik aktivitas gempa bumi menggunakan algoritma k-means clustering serta memvisualisasikan hasil analisis dalam bentuk dashboard business intelligence yang interaktif.penelitian menggunakan data gempa bumi badan meteorologi, klimatologi, dan geofisika (bmkg) periode juli hingga desember 2025 sebanyak 9.458 data kejadian. tahapan penelitian meliputi proses extract, transform, load (etl), analisis deskriptif, penentuan jumlah cluster menggunakan elbow method, proses clustering menggunakan algoritma k-means, evaluasi hasil clustering menggunakan silhouette score, perancangan data warehouse berbasis star schema, serta pembangunan dashboard menggunakan microsoft power bi. proses clustering dilakukan berdasarkan tiga variabel, yaitu jumlah kejadian gempa, rata-rata magnitudo, dan rata-rata kedalaman gempa yang telah diagregasi berdasarkan lokasi.hasil jumlah cluster optimal adalah tiga cluster dengan nilai silhouette score sebesar 0,352 yang menunjukkan kualitas pengelompokan cukup baik. hasil clustering menghasilkan tiga kelompok wilayah dengan karakteristik yang berbeda, yaitu cluster 1 yang memiliki frekuensi gempa tinggi dengan rata-rata magnitudo mikro dan kedalaman dangkal, cluster 2 yang memiliki frekuensi gempa sedang dengan rata-rata magnitudo kecil dan kedalaman dangkal, serta cluster 3 yang memiliki frekuensi gempa rendah dengan rata-rata magnitudo ringan dan kedalaman menengah. hasil clustering kemudian diintegrasikan ke dalam data warehouse dan divisualisasikan melalui dashboard business intelligence yang mendukung eksplorasi data menggunakan operasi olap berupa slice, dice, drill down, dan roll up. dashboard yang dihasilkan mampu menyajikan informasi aktivitas gempa bumi secara lebih interaktif sehingga dapat membantu pengguna dalam memahami karakteristik aktivitas gempa di berbagai wilayah indonesia sebagai salah satu bentuk dukungan terhadap upaya mitigasi bencana.

I Indonesia is one of the countries with a high level of seismic activity due to its location at the convergence of several active tectonic plates. the increasing volume of earthquake event data requires effective data processing and information presentation to support analysis and decision-making for disaster mitigation. this study aims to classify regions based on earthquake activity characteristics using the k-means clustering algorithm and to visualize the analysis results through an interactive business intelligence dashboard.this study utilizes earthquake data provided by the meteorology, climatology, and geophysics agency (bmkg) covering the period from july to december 2025, consisting of 9,458 earthquake events. the research stages include the extract, transform, load (etl) process, descriptive analysis, determination of the optimal number of clusters using the elbow method, clustering using the k-means algorithm, cluster evaluation using the silhouette score, the design of a star schema-based data warehouse, and dashboard development using microsoft power bi. the clustering process is performed based on three variables: the number of earthquake events, average magnitude, and average earthquake depth aggregated by location.the results indicate that the optimal number of clusters is three, with a silhouette score of 0.352, indicating a reasonably good clustering quality. the clustering process produces three groups of regions with distinct characteristics: cluster 1 is characterized by a high frequency of earthquakes, an average micro magnitude, and shallow earthquake depth; cluster 2 is characterized by a moderate frequency of earthquakes, an average small magnitude, and shallow earthquake depth; and cluster 3 is characterized by a low frequency of earthquakes, an average light magnitude, and intermediate earthquake depth. the clustering results are subsequently integrated into the data warehouse and visualized through a business intelligence dashboard that supports data exploration using olap operations, including slice, dice, drill down, and roll up. the resulting dashboard provides interactive visualization of earthquake activity, enabling users to better understand the characteristics of earthquake activity across different regions of indonesia and supporting disaster mitigation efforts.