PENGELOMPOKAN DAERAH RAWAN TANAH LONGSOR DI KABUPATEN MAGELANG MENGGUNAKAN ALGORITMA FUZZY C-MEANS
Abstract
Tujuan dari penelitian ini adalah mengetahui hasil pengelompokan dan karakteristik cluster hasil pengelompokan daerah rawan tanah longsor di Kabupaten Magelang menggunakan algoritma Fuzzy C-Means. Penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik Kabupaten Magelang dan Rencana Pembangunan Jangka Menengah Daerah Kabupaten Magelang Tahun 2019-2024. Proses pengelompokan dimulai dengan menangani missing value (Mean Imputation), kategorisasi data, standarisasi data (Z score), pengelompokan dengan Fuzzy C-Means, validasi cluster, interpretasi, pemetaan hasil pengelompokan, dan pembuatan Graphical User Interface (GUI). Hasil dari penelitian menunjukkan bahwa jumlah cluster terbaik adalah 2 cluster berdasarkan Partition Coefficient Index (PCI) dan Modified Partition Coefficient Index (MPCI) dengan nilai 0,5278043 dan 0,05560862. Cluster 1 memiliki banyak anggota 11 kecamatan dan cluster 2 memiliki banyak anggota 10 kecamatan. Cluster 1 sebagian besar karakteristiknya meliputi jenis tanah yang sangat peka terhadap erosi (Regosol, Litosol) dan memiliki desa/kelurahan dengan topografi lereng/puncak. Sedangkan 10 kecamatan yang masuk dalam cluster 2 merupakan daerah yang tidak rawan tanah longsor karena sebagian besar memiliki desa/kelurahan dengan topografi dataran dan tanah Aluvial yang tidak peka terhadap erosi.
Full Text:
XMLReferences
Afif, M.F., & Subekti, R. (2017). Penerapan Algoritma Self Organizing Map Dalam Memetakan Daerah Rawan Bencana Tanah Longsor di Indonesia. S1 thesis, UNY.
Alimohammadlou, Y., Najafi, A., & Gokceoglu, C. (2014). Estimation of rainfall-induced landslides using ANN and fuzzy clustering methods: A case study in Saeen Slope, Azerbaijan province, Iran. CATENA, 120, 149–162. http://dx.doi.org/10.1016/j.catena.2014.04.009
Basofi, A., Fariza, A., & Nailussaaada. (2017). Landslide susceptibility mapping using ensemble fuzzy clustering: A case study in ponorogo, east Java, Indonesia. 2017 2nd International Conferences on Information Technology, Information Systems and Electrical Engineering (ICITISEE). https://doi.org/10.1109/icitisee.2017.8285540
Bezdek, J. C. (1973). Cluster Validity with Fuzzy Sets. Journal of Cybernetics, 3(3), 58–73. https://doi.org/10.1080/01969727308546047
Bezdek, J.C. (1981). Pattern Recognition with Fuzzy Objective Function Algorithms. https://doi.org/10.1007/978-1-4757-0450-1
BNPB. (2016). Risiko Bencana Indonesia. Jakarta: Badan Nasional Penanggulangan Bencana.
BPS. (2020). Kabupaten Magelang Dalam Angka 2020. Magelang: BPS Kabupaten Magelang.
Cebeci, Z., Yildiz, F., Kavlak, A.T., Cebeci, C., & Onder, H. (2018). ppclust-Probabilistic and Possibilistic Cluster Analysis. https://cran.r-project.org/web/packages/ppclust/index.html
Chang, W., Cheng, J., Allaire, J., Xie, Y., & McPherson, J. (2019). shiny: Web Application Framework for R. https://cran.r-project.org/web/packages/shiny/index.html
Dave, R. N. (1996). Validating fuzzy partitions obtained through c-shells clustering. Pattern Recognition Letters, 17(6), 613–623. https://doi.org/10.1016/0167-8655(96)00026-8
Dunn, J.C. (1973). A Fuzzy Relative of the ISODATA Process and Its Use in Detecting Compact Well-Separated Clusters. Journal of Cybernetics, 3(3): 32–57. https://doi.org/10.1080/01969727308546046
Dunnington, D. (2017). prettymapr: Scale Bar, North Arrow, and Pretty Margins in R. https://cran.r-project.org/web/packages/prettymapr/index.html
Giordani, P., Ferraro, M.B., & Serafini, A. (2019). fclust: Fuzzy Clustering. https://cran.r-project.org/web/packages/fclust/index.html
Guo, Z., Shi, Y., Huang, F., Fan, X., & Huang, J. (2021). Landslide susceptibility zonation method based on C5.0 decision tree and K-means cluster algorithms to improve the efficiency of risk management. Geoscience Frontiers, 12(6), 101249. https://doi.org/10.1016/j.gsf.2021.101249
Heil, J., Häring, V., Marschner, B., & Stumpe, B. (2019). Advantages of fuzzy k-means over k-means clustering in the classification of diffuse reflectance soil spectra: A case study with West African soils. Geoderma, 337, 11–21. https://doi.org/10.1016/j.geoderma.2018.09.004
Hijmans, R.J. (2017). raster: Geographic Data Analysis and Modeling. http://cran.r-project.org/web/packages/raster/index.html
Karnawati, D. (2013). Bencana Alam Gerakan Massa Tanah di Indonesia dan Upaya Penanggulangan. Yogyakarta: Universitas Gajah Mada.
Krishnapuram, R., & Keller, J. M. (1993). A possibilistic approach to clustering. IEEE Transactions on Fuzzy Systems, 1(2), 98–110. https://doi.org/10.1109/91.227387
Krishnapuram, R., & Keller, J. M. (1996). The possibilistic C-means algorithm: insights and recommendations. IEEE Transactions on Fuzzy Systems, 4(3), 385–393. https://doi.org/10.1109/91.531779
Melchiorre, C., Matteucci, M., Azzoni, A., & Zanchi, A. (2008). Artificial neural networks and cluster analysis in landslide susceptibility zonation. Geomorphology,94(3-4),379–400. http://dx.doi.org/10.1016/j.geomorph.2006.10.035
Mingoti, S.A., & Lima, J.O. (2006). Comparing SOM neural network with Fuzzy C-Means, K-Means and traditional hierarchical clustering algorithms. European Journal of Operational Research, 174(3), 1742–1759. https://doi.org/10.1016/j.ejor.2005.03.039
Pal, N. R., & Bezdek, J. C. (1995). On cluster validity for the fuzzy c-means model. IEEE Transactions on Fuzzy Systems, 3(3), 370–379. https://doi.org/10.1109/91.413225
Pangaribuan, J., Sabri, L. M., & Ammarrohman, F. J. (2019). Analisis Daerah Rawan Bencana Tanah Longsor Di Kabupaten Magelang Menggunakan Sistem Informasi Geografis Dengan Metode Standar Nasional Indonesia dan Analythical Hierarchy Process. Jurnal Geodesi Undip, 8(1), 288–297.
Peraturan Daerah Nomor 5 Tahun 2011 Tentang Rencana Tata Ruang Wilayah Kabupaten Magelang Tahun 2010-2030.
Puslit Tanah. (2004). Klasifikasi Intersitas Curah Hujan. Puslit Tanah, Bogor.
Rencana Pembangunan Jangka Menengah Daerah Kabupaten Magelang Tahun 2019-2024
Sobirin, S. (2013). Pengolahan Sumber Daya Air Berbasis Masyarakat. Presentasi disampaikan pada Seminar Reboan Pusat Penelitian Geoteknologi LIPI, Tanggal 8 Mei 2012, Bandung.
Sugianti, K. Mulyadi, D. Sarah, D. (2014). Pengklasan Tingkat Kerentanan Gerakan Tanah Daerah Sumedang Selatan Menggunakan Metode Storie. Bandung: Pusat Penelitian Geoteknologi LIPI.
Wang, W dan Zhang, Y. (2007). On Fuzzy Cluster Validity Indices. Fuzzy Sets System, Vol. 158, No. 19, pp.2095-2117.
Wickham, H., Chang, W., Henry, L., Takahashi, K., Wilke, C., Woo, K., Yutani, H., & Dunnington, D. (2016). ggplot2: Create Elegant Data Visualisations Using the Grammar of Graphics. https://cran.r-project.org/web/packages/ggplot2/index.html
Wickham, H., Hester, J., Francois, R., & Francois, R. (2017). readr: Read Rectangular Text Data. https://cran.r-project.org/web/packages/readr/index.html
Wutsqa DU, Aryani AS, Kismiantini, Andayani S. (2020). Fuzzy C-means Clustering for Landslide Mapping in Malang Regency. Journal of Advanced Research in Dynamical and Control Systems,12(07): 1653-1659. https://doi.org/10.5373/JARDCS/V12SP7/20202271
Refbacks
- There are currently no refbacks.
Online ISSN (e-ISSN): 3031-1152
Jurnal Kajian dan Terapan Matematika by https://journal.student.uny.ac.id/index.php/jktm/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. |