VALIDASI KLASTER INTERNAL PADA DATA GEMPA DI WILAYAH SUMATERA

Gempa bumi merupakan salah satu bencana yang paling berbahaya
karena tidak bisa diprediksi. Tingkat kegempaan di Indonesia 10 kali lipat lebih
tinggi dibandingkan Amerika. Sumatera menjadi salah satu wilayah di Indonesia
dengan intesitas kegempaan yang tinggi. Pengelompokan pada kejadian gempa
bumi diperlukan untuk membantu upaya mitigasi. Metode pengelompokan yang
digunakan yaitu metode k-means. Algoritma k-means memerlukan jumlah klaster
yang optimal agar diperoleh pengelompokan yang baik. Jumlah klaster optimal
diperoleh dengan melakukan validasi klaster menggunakan indeks internal yaitu
Sillhouette (Si), Davies-Bouldin (DB), Dunn (D), SDbw, Ball-Hall (BH), PBM,
Trace_WiB (TWB), dan Det_Ratio (DR). Hasil yang diperoleh dari perhitungan
klaster optimal berdasarkan validasi klaster internal yaitu K=2 berdasarkan indeks
Si, DB, D, SDbw, K=3 berdasarkan indeks BH, K=4 berdasarkan indeks PBM,
K=6 berdasarkan indeks TWB, dan K=7 berdasarkan indeks DR. Hasil klaster
optimal dari indeks-indeks tersebut digunakan dalam pengelompokan k-means.
Berdasarkan nilai SSE, klaster optimal (K=7) yang diperoleh dari indeks DR
memberikan hasil yang baik untuk pengelompokan data gempa di Sumatera tahun
2000 – 2020. Pengelompokan dengan K=7 menghasilkan klaster dengan nilai total
SSE terkecil yaitu 1108,2358. Pada pengelompokan ini, klaster 3 memiliki titik
kejadian gempa paling sedikit yaitu 92 kejadian, sedangkan klaster 2 memiliki
titik kejadian terbanyak yaitu 255 kejadian. Klaster 4 memiliki anggota dengan
kekuatan gempa terbesar yaitu sebesar 9,1 magnitudo.
Kata Kunci: Ball-Hall, Davies-Bouldin, Det_Ratio, Dunn, Gempa Bumi, K�means, PBM, SDbw, Sillhouette, Trace_WiB, Validasi Klaster