Klasifikasi Risiko Gempa Bumi menggunakan metode Decision Tree

Abstrak

Gempa bumi merupakan salah satu bencana alam yang sulit diprediksi namun memiliki dampak besar terhadap kehidupan manusia. Oleh karena itu, diperlukan suatu pendekatan analitis yang mampu mengidentifikasi pola dan hubungan antarparameter gempa untuk mendukung sistem peringatan dini. Penelitian ini bertujuan untuk melakukan Klasifikasi Dampak akan kejadian gempa bumi menggunakan metode Data Mining berbasis Decision Tree. Data yang digunakan berasal dari katalog gempa yang memuat atribut seperti Tanggal Kejadian (timestamp), magnitudo, kedalaman, serta koordinat lokasi (latitude dan longitude). Proses analisis meliputi tahap pembersihan data (data cleaning), transformasi, dan pembuatan model klasifikasi Decision Tree untuk menentukan tingkat potensi dan dampak gempa serta mengetahui keakuratan gempa bumi berdasarkan data dari tahun ketahun. Hasil penelitian menunjukkan bahwa atribut magnitudo memiliki pengaruh signifikan terhadap tingkat risiko gempa. Model Decision Tree yang dibangun mampu menghasilkan aturan klasifikasi seperti “Jika magnitudo <5 maka berpotensi Risiko gempa bumi rendah, sedangkan magnitudo antara 5-7 berisiko gempa bumi sedang, dan magnitudo ≥ 7 maka berpotensi Risiko Gempa Bumi Tinggi”, yang dapat digunakan untuk mendukung pengambilan keputusan dalam mitigasi bencana. Dengan demikian, metode Decision Tree terbukti efektif dalam mengungkap pola tersembunyi dari data gempa bumi dan dapat menjadi dasar bagi sistem prediksi serta peringatan dini gempa di masa mendatang. Disimpulkan bahwa akurasi masing – masing sebesar 100 %, sedangkan recall sebesar 100 % tapi hasil precision menunjukkan statistik yang berbeda yakni Prediksi Tidak Berpotensi Gempa Bumi  Besar sebesar 100%, sedangkan Prediksi Tidak berpotensi Gempa Bumi sedang sebesar 99,67%, dan terakhir prediksi Tidak berpotensi Gempa Bumi Kecil sebesar 96 %. Hasil pengujian ternyata menghasilkan magnitude rendah dengan ukuran >5,350 tergolong rendah, sedangkan magnitude rendah dengan ukuran <5,350 mempunyai frekuensi yang banyak. Dan Beberapa data berdasarkan statistik Magnitudo >5.350 ukuran sedang dari data sebanyak 16 data. Sedangkan magnitudo ≤ 5.350 Ukuran Rendah sebanyak 6716 Data yang ditemukan dan sudah dianalisis.