Indonesia merupakan salah satu negara dengan tingkat aktivitas seismik tertinggi di dunia, yang dipengaruhi oleh keberadaan tiga lempeng tektonik aktif. Pulau Sumatra khususnya berada di atas zona subduksi dan patahan aktif, sehingga memiliki kerentanan tinggi terhadap bencana gempa bumi. Untuk memahami pola distribusi spasial gempa bumi di wilayah ini, diperlukan analisis berbasis data yang mampu mengidentifikasi zona-zona rawan secara lebih akurat. Penelitian ini bertujuan untuk menganalisis pola sebaran gempa bumi di Sumatra, Indonesia dengan menerapkan empat metode pengelompokan (clustering), yaitu K-Means, DBSCAN, Agglomerative Clustering, dan Mean Shift. Data gempa bumi diperoleh dari United States Geological Survey (USGS) untuk periode tahun 2019 hingga 2024, dengan parameter yang digunakan meliputi lintang, bujur, kedalaman, dan magnitudo. Seluruh data distandardisasi dan dianalisis menggunakan pendekatan berbasis unsupervised learning. Hasil penelitian menunjukkan bahwa metode K-Means dan DBSCAN mampu mengelompokkan data gempa secara efektif berdasarkan parameter spasial dan seismik, dengan klaster yang cenderung padat dan tersebar sesuai struktur geologis. Sementara itu, metode Agglomerative Clustering dan Mean Shift menghasilkan pola yang lebih kompleks dan menyiratkan potensi adanya konsentrasi aktivitas seismik di area tertentu. Beberapa klaster berhasil mengidentifikasi zona seismik penting seperti patahan Sumatra dan zona subduksi Indo-Australia. Temuan ini dapat dimanfaatkan untuk mendukung strategi mitigasi bencana dan perencanaan pembangunan berbasis risiko di wilayah rawan gempa di Sumatra, Indonesia
3 penulis ·
3 tautan kepenulisan bersama
· 3 lintas organisasi
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
Universitas Kebangsaan Republik Indonesia
Bandung Institute of Technology
State University of Medan
Organisasi berbeda
Organisasi sama
Afiliasi tidak diketahui
Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulis
Organisasi
Artikel bersama
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.