Indentifikasi Status Bencana Gunung Berapi Menggunakan Metode Kombinasi Case-Based Reasoning dan Bayesian Network

Miftah Muhammad

Abstract


Abstrak— Secara geografis Indonesia berada di pertemuan dua lempeng yaitu Asia dan Australia, hal ini menyebabkan banyak terdapat gunung merapi. Selain itu pegunungan di Indonesia didominasi oleh gunung yang aktif dan berpotensi meletus sewaktu-waktu. Kondisi tersebut mengharuskan warga negara Indonesia, khususnya yang tinggal di sekitaran pegunungan berapi aktif tanggap akan bencana letusan gunung berapi. Pesatnya perkembangan Teknologi Informasi dan Komunikasi (TIK) pada mitigasi bencana dalam bentuk aplikasi pendeteksi potensi bencana gunung merapi, dapat menjadi solusi membantu warga masyarakat daerah rawan bencana. Penelitian ini menghasilkan suatu aplikasi indentifikasi status gunung berapi. Data latih yang digunakan diambil dari situs Pusat Vulkanologi dan Mitigasi Bencana Gunung Berapi yang diklasifikasikan dalam tiga status yaitu normal, siaga, dan waspada. Pengklasifikasi menggunakan Case-Based Reasoning (CBR) dan Bayesian Network (BN) yang merupakan metode kombinasi berbasis probabilitas yang sederhana namun handal untuk meningkatkan akurasi data. Berdasarkan hasil pengujian dengan jumlah data latih terbesar mencapai tingkat akurasi 80%. Dengan demikian dapat dikatakan bahwa aplikasi indentifikasi status bencana gunung berapi dengan metode CBR dan BN memiliki performa dan akurasi yang tinggi dalam mengklasifikasi status gunung berapi.

Keywords


CBR; BN; status gunung berapi

References


Lillian, D, Y., 2014, “Sistem Peringatan Dini Status Gunung Berapi Menggunakan Pengklasifikasi Naïve Bayesâ€, 27 Februari-1 Maret 2014 [Proceeding KNSI Makassar,. 835-838].

Fatkhurrozi, b., muslim, m, a., dan santoso, d, r.,, “penggunaan artificial neuro fuzzy inference sistem (anfis) dalam penentuan status aktivitas gunung merapi†vol. 6, no. 2, jurnal eeccis.2012. 113-118.

Tomar, S. P. P., Singh, R., Saxena, K. P., dan Sharma, J., Case Based Medical Diagnosis of Occupational Chronic Lung Diseases From Their Symptoms and Signs, Vol 5, International Journal of Biometrics and Bioinformatics (IJBB), 2011, 216-224

Mulyana, S., dan Hartati, S., Tinjauan Singkat Perkembangan Case-Based Reasoning,1979-2328, 23 Mei 2009 [Seminar Nasional Informatika (SEMNASIF), Yogyakarta, D17-D24]

Aamodt, A., dan Plaza, E,, Case Based Reasoning: Foundation Issues Methodological Variations, and System Approaches, vol 7, AI Communication IOS Press, 1994,pp. 39-59.

Wu, X., and Kumar, V., The Top Ten Algorithms in Data Mining. London: CRC Press Taylor & Francis Group, 2009.

Guessoum, S., Laskri, M. T., dan Lieber, J., A Case-Based Reasoning System for the Diagnosis of Chronic Obstructive Pulmonary Disease, Vol. 41 Expert Systems With Applications An International Journal. 2014, 267-273.

Pal, S, K., Shiu, S, C, K., Foundations of Soft Case-Based Reasoning. Wiley-Interscience publication,2004

Shi, H., Xin, M., Dong, W., A Kind of Case Similarity Model Based on Case-Based Reasoning, International Conferences on Internet of Things, and Cyber, Physical and Social Computing IEEE,2011, 453-457

Ong, L., S., Shepherd, B., Tong, L. C., Choen, F. S., Ho, H. K., Tang. C. L., Ho. Y. S., dan Tan. K., The Colortecal Cancer Reccurence Support (CARES) System, Vol 11, Artficial intelligence in Medicine Elsevier, 1997, 175-188.




DOI: https://doi.org/10.33387/protk.v4i2.417

Refbacks

  • There are currently no refbacks.






Editorial Office :
Protek : Jurnal Ilmiah Teknik Elektro
Department of Electrical Engineering. Faculty of Engineering. Universitas Khairun.
Address: Jusuf Abdulrahman 53 Gambesi, Ternate City, Indonesia.
Email: protek@unkhair.ac.id, WhatsApp: +6282292852552
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

View Stat Protek