Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Bianglala Informatika
Dede Rohman
STMIK IKMI Cirebon
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKAN WILAYAH RAWAN BANJIR Jahrotun Khomsiyah; Alif Ramdhani; Ade Feby Damayanti; Dede Rohman
JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer Vol 12 No 3 (2021): JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : LPPM Sekolah Tinggi Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The city of Cirebon is one of the cities that often experiences floods caused by very high rainfall and people often throw garbage in the sewers and into the river so that the river becomes clogged and overflows. To classify flood-prone areas in the city of Cirebon, an algorithm is needed. Therefore, the method used in this research is the K-Means Clustering Algorithm method. The data was processed using the RapidMiner application with this clustering stage producing 5 clusters consisting of Cluster 0 totaling 8 items, Cluster 1 totaling 15 items, Cluster 2 totaling 33 items, Cluster 3 totaling 10 items, and Cluster 4 having 32 items. The results of this study indicate that the K-Means Clustering Algorithm can group flood-prone areas in the city of Cirebon.
Pengembangan Model Pengelompokan Jenis Bencana Alam di Jawa Baratmenggunakan Algoritma K-Means Panji Adi Putra; Martanto; Arif Rinaldi Dikananda; Dede Rohman
Bianglala Informatika Vol. 13 No. 1 (2025): Maret 2025
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/bianglala.v13i1.11998

Abstract

Salah satu masalah terbesar yang dihadapi masyarakat Jawa Barat adalah bencana alam.Analisis berbasis data diperlukan untuk memahami pola kejadian bencana dan mendukung kebijakanmitigasi yang efektif karena berbagai jenis bencana. Untuk menganalisis data kejadian bencana diJawa Barat selama periode 2020–2023, penelitian ini menggunakan pendekatan KnowledgeDiscovery in Databases (KDD).Tahapan KDD meliputi pembuatan dataset, preprocessing untuknormalisasi dan penanganan data hilang, serta transformasi guna menentukan atribut utama.Algoritma K-Means digunakan dalam proses data mining untuk mengelompokkan wilayahberdasarkan jenis bencana dan intensitasnya. Tahap terakhir adalah interpretasi hasil, yang bertujuanuntuk memahami pola distribusi bencana. Hasil klasterisasi menghasilkan lima kluster utama. Cluster0 menunjukkan dominasi kejadian banjir dan kebakaran lahan, sering ditemukan di dataran rendahdengan karakteristik lingkungan yang rawan pembakaran liar. Cluster 1 didominasi oleh kejadiantanah longsor di wilayah perbukitan yang curah hujannya tinggi. Cluster 2 mencerminkan kombinasikejadian hujan angin dan kekeringan di daerah pedesaan dengan sumber daya air terbatas. Cluster 3menunjukkan kejadian bencana dengan frekuensi rendah dan distribusi yang merata, seringkali terkaitdengan daerah urban. Sementara itu, Cluster 4 memiliki tingkat heterogenitas tertinggi, mencakupberbagai jenis bencana dengan intensitas bervariasi di wilayah pegunungan dan lembah. Kualitasklasterisasi diukur menggunakan Davies-Bouldin Index (DBI) sebesar 0.085, mengindikasikanpemisahan kluster yang baik. Selain itu, analisis Performance Vector menunjukkan jarak total antarkluster sebesar 2.311, dengan jarak terbesar pada Cluster 4 (4.672). penelitian ini diharapkan dapatmembantu dalam perencanaan dan alokasi sumber daya yang lebih tepat sasaran untuk mitigasibencana.
Co-Authors Ade Feby Damayanti Alif Ramdhani Arif Rinaldi Dikananda Jahrotun Khomsiyah Martanto . Panji Adi Putra