Melola Discovery

← Melola Discovery

Open access Journal No SINTA rank

ANALISIS PENGELOMPOKAN GEMPA BUMI DI SUMATRA INDONESIA MENGGUNAKAN METODE K-MEANS, DBSCAN, AGGLOMERATIVE CLUSTERING, DAN MEAN SHIFT

JOURNAL ONLINE OF PHYSICS · Vol. 10 No. 3 (2025) · pp. 75–86

DOI
10.22437/jop.v10i3.44090
ISSN
2502-2016
Published
2025-07-15
Publisher
Prodi Fisika FST UNJA
Language
en
License
creativecommons.org/licenses/by/4.0

Abstract

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

Keywords

Collaboration network of the authors

3 authors · 3 co-authorship links · 3 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Kebangsaan Republik Indonesia
  • Bandung Institute of Technology
  • State University of Medan
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://online-journal.unja.ac.id/index.php/jop/oai, first harvested 6 Nov 2026, last seen 16 Nov 2026.
Original metadata (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">ANALISIS PENGELOMPOKAN GEMPA BUMI DI SUMATRA INDONESIA MENGGUNAKAN METODE K-MEANS, DBSCAN, AGGLOMERATIVE CLUSTERING, DAN MEAN SHIFT</dc:title>
	<dc:creator xml:lang="en">Dwi Mauluda, Alfikri</dc:creator>
	<dc:creator xml:lang="en">Kusumadewi Kuncoro , Alvina</dc:creator>
	<dc:creator xml:lang="en">Aningsih, Sri</dc:creator>
	<dc:subject xml:lang="en">clustering</dc:subject>
	<dc:subject xml:lang="en">earthquake</dc:subject>
	<dc:subject xml:lang="en">K-means</dc:subject>
	<dc:subject xml:lang="en">DBSCAN</dc:subject>
	<dc:subject xml:lang="en">Mean Shift</dc:subject>
	<dc:description xml:lang="en">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</dc:description>
	<dc:publisher xml:lang="en">Prodi Fisika FST UNJA</dc:publisher>
	<dc:date>2025-07-15</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://online-journal.unja.ac.id/jop/article/view/44090</dc:identifier>
	<dc:identifier>10.22437/jop.v10i3.44090</dc:identifier>
	<dc:source xml:lang="en">JOURNAL ONLINE OF PHYSICS; Vol. 10 No. 3 (2025): JOP (Journal Online of Physics) Vol 10 No 3; 75-86</dc:source>
	<dc:source>2502-2016</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://online-journal.unja.ac.id/jop/article/view/44090/21533</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2025 Alfikri Dwi Mauluda, Alvina Kusumadewi Kuncoro , Sri Aningsih</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by/4.0</dc:rights>
</oai_dc:dc>