文章基本信息

标题：Pengelompokan Desa Menggunakan K-Means untuk Penyelenggaraan Penanggulangan Bencana Banjir
本地全文：下载
作者：Shelladita Fitriyani Susilo ; Asep Jamaludin ; Intan Purnamasari 等
期刊名称：JOINS (Journal of Information System)
印刷版ISSN：2528-0228
电子版ISSN：2528-0236
出版年度：2020
卷号：5
期号：2
页码：156-167
DOI：10.33633/joins.v5i2.3709
语种：Indonesian
出版社：Program Studi Sistem Informasi
摘要：Penyelenggaraan penanggulangan bencana merupakan suatu agenda kewajiban lembaga yang dinamakan BPBD. Perencanaan yang tidak terstruktur menyebabkan penentuan komponen didalamnya menjadi kurang optimal,seperti tempat,sumber daya manusia,transportasi. Penentuan tempat menjadi poin utama yang dapat mempengaruhi komponen lain dalam perencanaan. Ketersediaan data mengenai tempat berupa rekap desa rawan bencana dimiliki oleh bidang I Kesiapsiagaan Bencana. Dari rekap data kejadian dan profil desa dilakukan pengelompokan yang bertujuan untuk menemukan karakteristik yang dapat membantu dalam penentuan tempat kegiatan. Metode K-Means dipilih untuk memetakan desa sesuai karakteristik dengan jumlah cluster sesuai jumlah optimal yang lebih baik antara metode elbow dan silhouette. Dihasilkan clustering optimal dengan jumlah cluster 7 hasil penentuan nilai k dari metode elbow. Dengan ukuran pengelompokan Cluster 1 = 1 desa,Cluster 2 = 2 desa,Cluster 3 = 19 desa, Cluster 4 = 4 desa,Cluster 5 = 5 desa,Cluster 6 = 1 desa,Cluster 7 =1 desa.
其他摘要：Disaster management is an institutional obligation agenda called BPBD. Unstructured planning causes the determination of components in it to be less than optimal,such as place,human resources,transportation. Determination of place is the main point that can affect other components in planning. The availability of data on places in the form of recapitalization of disaster-prone villages is owned by the Disaster Preparedness I field. The recapitulation of village events and profiles is grouped to find characteristics that can help determine the location of activities. The K-Means method is used to map villages according to characteristics with the number of clusters according to the optimal number that is better between the elbow and silhouette methods. Optimal clustering is produced with the number of clusters 7 results of determining the value of k from the elbow method. The grouping size Cluster 1 = 1 village,Cluster 2 = 2 villages,Cluster 3 = 19 villages,Cluster 4 = 4 villages,Cluster 5 = 5 villages,Cluster 6 = 1 village,Cluster 7 = 1 village.
关键词：Clustering;Elbow;K-Means;Silhouette