KLASIFIKASI STATUS BENCANA ALAM GEMPA BUMI DENGAN ALGORITMA K-NEAREST NEIGHBOUR (K-NN) MENGGUNAKAN SISTEM EMBEDDED

Abstract

Gempa bumi merupakan fenomena alam yang terjadi secara tiba-tiba dan dapat menimbulkan kerugian bagi manusia, baik secara materiel maupun korban jiwa. Oleh karena itu, diperlukan deteksi dini serta klasifikasi pola gempa untuk meminimalkan risiko yang ditimbulkan. Penelitian ini melakukan klasifikasi risiko kerusakan akibat gempa bumi ke dalam tiga kelas, yaitu risiko rendah, risiko sedang, dan risiko tinggi, dengan menggunakan parameter kedalaman dan magnitudo dari data yang diperoleh melalui situs web Kaggle, berdasarkan sumber BMKG tahun 2008–2023. Data dianalisis setelah melalui tahap pra-pemrosesan, seperti pengumpulan data, pembersihan data, pelabelan. Dataset kemudian dibagi menjadi data latih dan data uji dengan rasio 80:20. Tujuan dari penelitian ini adalah untuk mengevaluasi akurasi algoritma K-Nearest Neighbor (K-NN) berdasarkan data yang tersedia serta menentukan nilai k yang optimal. Hasil penelitian menunjukkan bahwa algoritma K-NN mampu memprediksi kelas risiko gempa dengan tingkat akurasi tinggi, yaitu sebesar 99,67% untuk k = 3, 99,62%, untuk k = 5, dan 99,54% untuk k = 7.