KLASIFIKASI STATSUS BENCANA ALAM GEMPA BUMI DENGAN ALGORITMA K-NEAREST NEIGHBOR (K-NN)

Purnama, Rizal Wahyu (2025) KLASIFIKASI STATSUS BENCANA ALAM GEMPA BUMI DENGAN ALGORITMA K-NEAREST NEIGHBOR (K-NN). Skripsi thesis, Institut Teknologi Nasional Malang.

[img] Text
2112032_Bagian Awal.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img] Text
2112032_BAB I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (219kB)
[img] Text
2112032_BAB II.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (540kB) | Request a copy
[img] Text
2112032_BAB III.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (616kB) | Request a copy
[img] Text
2112032_BAB IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (709kB) | Request a copy
[img] Text
2112032_BAB V.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (179kB) | Request a copy
[img] Text
2112032_Daftar Pustaka.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (170kB)
[img] Text
2112032_Lampiran.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Request a copy

Abstract

Gempa bumi merupakan fenomena alam yang terjadi secara tiba-tiba dan berpotensi menimbulkan kerugian bagi manusia, baik secara materil maupun korban jiwa. Untuk meminimalisir dampak tersebut, diperlukan deteksi dini serta klasifikasi bencana gempa untuk meminimalkan risiko yang ditimbulkan. Penelitian ini melakukan klasifikasi tingkat risiko kerusakan akibat gempa bumi menggunakan algoritma K-Nearest Neighbor (K-NN) berbasis parameter kedalaman dan magnitudo. Data yang digunakan diperoleh melalui situs web Kaggle, dengan sumber BMKG dan USGC dalam rentang tahun 2008 hingga 2023. Setelah melalui tahap pra-pemrosesan, termasuk pembersihan dan pelabelan data, kemudian dataset sebanyak 92.887 dibagi menjadi data latih dan data uji dengan rasio 80:20. Tujuan dari penelitian ini adalah untuk mengevaluasi akurasi algoritma K-NN berdasarkan data yang tersedia serta menentukan nilai K yang optimal. Hasil penelitian menunjukkan bahwa algoritma K-NN mampu memprediksi kelas risiko gempa dengan tingkat akurasi tinggi, yaitu sebesar 99.82% untuk K= 3, 99.70%, untuk K= 5, dan 99.57% untuk K= 7 dengan menggunakan parameter magnitudo dan kedalaman.

Item Type: Thesis (Skripsi)
Additional Information: Rizal Wahyu Purnama (2112032)
Uncontrolled Keywords: Gempa Bumi, Klasifikasi Risiko, Algoritma K-NN
Subjects: Engineering > Electrical Engineering
Divisions: Fakultas Teknologi Industri > Teknik Elektro S1 > Teknik Elektro S1(Skripsi)
Depositing User: Rizal Wahyu Purnama
Date Deposited: 22 Sep 2025 06:31
Last Modified: 22 Sep 2025 06:31
URI: http://eprints.itn.ac.id/id/eprint/15133

Actions (login required)

View Item View Item