Fuzzy C-Means untuk Klasterisasi Perkiraan Kerugian Bencana Kebakaran

Novianti Puspitasari, Pebianoor Pebianoor, Rosmasari Rosmasari, Masna Wati, Anindita Septiarini, Alfrina Mewengkang

Abstract


Bencana kebakaran merupakan bencana yang sering terjadi dan mendapatkan perhatian serius dari pemerintah Kota Samarinda. Namun, informasi tentang perkiraan jumlah kerugian yang dialami oleh korban kebakaran masih kurang memadai dan bahkan tidk diketahui. Informasi tentang perkiraan kerugian bencana kebakaran sangat diperlukan oleh pemerintah untuk memberikan penanganan yang tepat sasaran terhadap korban bencana kebakaran. Fuzzy C-Means merupakan metode yang dapat digunakan untuk memberikan informasi tentang perkiraan kerugian bencana kebakaran melalui klusterisasi. Hal ini dikarenakan Fuzzy C-Means mampu mengelompokkan data ke dalam kategori berdasarkan fungsi obyektif yang dihasilkan. Data yang digunakan merupakan data bencana kebakaran di Kota Samarinda sebanyak 306 data. Jumlah perkiraan kerugian bencana kebakaran dikelompokkan ke dalam tiga cluster yaitu sedikit, sedang dan banyak. Dari hasil perhitungan menggunakan Fuzzy C-Means, jumlah perkiraan kerugian bencana kebakaran dengan kategori sedikit (C3) sebanyak 180 data, kategori sedang (C2) sebanyak 83 data dan kategori banyak (C1) sebesar 43 data. Hasil validasi cluster menggunakan Partition Coefficient menunjukkan bahwa tiga cluster adalah cluster yang optimal dengan nilai partisi fuzzy sebesar 0.230. Nilai ini lebih besar dari dua cluster maupun empat cluster sehingga model pembentukan tiga cluster sangat tepat digunakan untuk mengelompokkan perkiraan kerugian bencana kebakaran.

Keywords


Kebakaran; Fuzzy C-Means; Partition Coefficient; Kerugian; Perkiraan

Full Text:

PDF (Indonesian)

References


L. Asiri, “Pelaksanaan Mitigasi Bencana Kebakaran Pada Dinas Pemadam Kebakaran Kabupaten Buton,” Kybernan J. Stud. Kepemerintahan, vol. 3, no. 2, pp. 28–40, 2020, doi: 10.35326/kybernan.v3i2.843.

Z. F. Abror, “Klasifikasi Citra Kebakaran Dan Non Kebakaran Menggunakan Convolutional Neural Network,” J. Ilm. Teknol. dan Rekayasa, vol. 24, no. 2, pp. 102–113, 2020.

D. L. Hidayati, M. Hasanah, S. I. Suryani, and N. Dahena, “Konseling Islam untuk Meningkatkan Strategi Coping Korban Bencana Kebakaran di Kota Samarinda,” Taujihat, vol. I, no. 1, pp. 1–21, 2020.

Badan Pusat Statistik Kota Samarinda, “Kota Samarinda Dalam Angka 2020,” p. 280, 2020.

A. Cahyadi, F. Lestari, and A. Kadir, “Analisis Tingkat Risiko Bencana Kebakaran Wilayah Jakarta Barat, Provinsi Dki Jakarta,” PREPOTIF J. Kesehat. Masy., vol. 6, no. 1, pp. 468–477, 2022.

N. Puspitasari, R. Rosmasari, and S. Stefanie, “Penentuan Prioritas Perbaikan Jalan Menggunakan Fuzzy C-Means: Studi Kasus Perbaikan Jalan Di Kota Samarinda,” J. Teknol. dan Sist. Komput., vol. 5, pp. 7–14, 2017.

S. Mashfuufah and D. Istiawan, “Penerapan Partition Entropy Index, Partition Coefficient Index dan Xie Beni Index untuk Penentuan Jumlah Klaster Optimal pada Algoritma Fuzzy C-Means dalam Pemetaan Tingkat Kesejahteraan Penduduk Jawa Tengah,” 7th Univ. Res. Colloqium, pp. 51–60, 2018.

S. Mashfuufah and D. Istiawan, “Penerapan Partition Entropy Index, Partition Coefficient Index dan Xie Beni Index untuk Penentuan Jumlah Klaster Optimal pada Algoritma Fuzzy C-Means dalam Pemetaan Tingkat Kesejahteraan Penduduk Jawa Tengah,” Proceeding of The URECOL, pp. 51–60, 2018.

E. Rouza and L. Fimawahib, “Implementasi Fuzzy C-Means Clustering dalam Pengelompokan UKM Di Kabupaten Rokan Hulu,” vol. 19, no. 4, pp. 481–495, 2020.

S. K. Gusti and R. Abdillah, “Oil Palm Plantation Land Suitability Classification using PCA-FCM,” in Seminar Nasional Teknologi Informasi Komunikasi dan Industri, 2018, pp. 229–236.

M. M. A. Amirah, A. W. Widodo, and C. Dewi, “Pengelompokan Lagu Berdasarkan Emosi Menggunakan Algoritma Fuzzy C-Means,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 12, pp. 1526–1534, 2017.

F. Novianti, Y. R. A. Yasmin, and D. C. R. Novitasari, “Penerapan Algoritma Fuzzy C-Means (FCM) dalam Pengelompokan Provinsi di Indonesia berdasarkan Indikator Penyakit Menular Manusia,” JUMANJI (Jurnal Masy. Inform. Unjani), vol. 6, no. 1, pp. 23–33, 2022.

H. Rusnedy, G. W. Nurcahyo, and S. Sumijan, “Identifikasi Tingkat Pemakaian Obat Menggunakan Metode Fuzzy C-Means,” J. Inf. dan Teknol., vol. 3, no. 4, pp. 196–201, 2021.

S. Sumiati, Y. Marelita, A. Suhendar, R. Hay’s, H. Sigit, and A. Jubaedi, “Implementation of Fuzzy C-Means (FCM) Method For Grouping Heart Disorder Patient Data,” 2020, doi: 10.4108/eai.11-7-2019.2298039.

N. Puspitasari, J. A. Widians, and P. Pohny, “A Clustering Of Generative and Infectious Diseases Using Fuzzy C-Means,” ITSMART J. Teknol. dan Inf., vol. 7, pp. 22–28, 2018.

M. S. Alam et al., “Automatic Human Brain Tumor Detection In MRI Image Using Template-Based K-Means And Improved Fuzzy C-Means Clustering Algorithm,” Big Data Cogn. Comput., vol. 3, no. 2, pp. 1–18, 2019.

N. Puspitasari, “Penentuan Prioritas Perbaikan Jalan Menggunakan Fuzzy C-Means : Studi Kasus Perbaikan Jalan Di Kota Samarinda,” J. Teknol. dan Sist. Komput., vol. 5, no. 1, p. 7, 2017, doi: 10.14710/jtsiskom.5.1.2017.7-14.

M. T. A. C. Widiyanto, “Perbandingan Validitas Fuzzy Clustering pada Fuzzy C-Means dan Particle Swarms Optimazation (PSO) Pada Pengelompokan Kelas,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 4, no. 1, p. 22, 2019.

E. Oktafiansyah and A. Uperiati, “Prediksi Pendistribusian Air di Perusahaan Daerah Air Minum ( PDAM ) dengan Metode Adaptive Neuro Fuzzy Inference System ( ANFIS ) ( Studi Kasus : PDAM Tirta Kepri Tanjungpinang ),” J. Sustain. J. Has. Penelit. dan Ind. Terap., vol. 10, no. 01, pp. 32–36, 2021.

T. U. Azmi, H. Haryanto, and T. Sutojo, “Prediksi Jumlah Produksi Jenang di PT Menara Jenang Kudus Menggunakan Metode Logika Fuzzy Tsukamoto,” Sisfotenika, vol. 8, no. 1, pp. 23–34, 2018.

M. Nazmi fadilah, A. Yusuf, and N. Huda, “Prediksi Beban Listrik Di Kota Banjarbaru Menggunakan Jaringan Syaraf Tiruan Backpropagation,” Mat. Murni Dan Terap., vol. 14, no. 2, pp. 81–92, 2020.

R. Rustiyan and M. Mustakim, “Penerapan Algoritma Fuzzy C-Means untuk Analisis Permasalahan Simpanan Wajib Anggota Koperasi,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 2, p. 171, 2018.

S. Mallik and Z. Zhongming, “Multi-objective Optimized Fuzzy Clustering For Detecting Cell Clusters From Single-Cell Expression Profiles,” Genes (Basel)., vol. 10, no. 8, pp. 1–22, 2019, doi: 10.3390/genes10080611.




DOI: http://dx.doi.org/10.30700/jst.v13i1.1384

Article Metrics

Abstract view : 271 times
PDF (Indonesian) - 241 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 SISFOTENIKA

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

Badan Pengelola Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (SISFOTENIKA) STMIK Pontianak.

 

Jurnal Ilmiah SISFOTENIKA terindex di :


   

   

  

    

    

    

   

 

 

 

ISSN Printed : 2087-7897

ISSN Online : 2460-5344


SERTIFIKAT PENGHARGAAN :

Jurnal Ilmiah SISFOTENIKA Terakreditasi Peringkat Empat

 

Partners & Co-Organizers:




Lisensi Creative Commons

Jurnal Ilmiah SISFOTENIKA: STMIK Pontianak Online Journal ISSN Printed (2087-7897) - ISSN Online (2460-5344) licensed under a Lisensi Creative Commons Atribusi 4.0 Internasional. Flag Counter

View My Stats>