IMPLEMENTATION OF SPATIAL DATA MINING TO DETERMINE FIRE-PRONE AREAS USING DBSCAN ALGORITHM STUDY CASE: JAKARTA PROVINCE, INDONESIA

YUSMANTO, RIZAL (2019) IMPLEMENTATION OF SPATIAL DATA MINING TO DETERMINE FIRE-PRONE AREAS USING DBSCAN ALGORITHM STUDY CASE: JAKARTA PROVINCE, INDONESIA. S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) 1. Yudisium - Rizal Yusmanto - 41515110049.pdf Restricted to Registered users only Download (2MB)

Abstract

The study aimed is to profile fire-prone areas based on data obtained from the Fire and Rescue Service of DKI Jakarta Province. This study was expected to be able to help related parties as evaluation materials to reduce the high rate of fire disasters occurring in DKI Jakarta province. The form of prevention that can be done is making hydrants in fire-prone areas and conducting public outreach on hazards and fire prevention methods. In this study, data mining technique was used with the DBSCAN algorithm as a method for data classification. The optimal value used for Eps was 1.5 and the optimal value for MinPts was 10 with the value of silhouette index reaching 0.747. From the results of this study, it was known that 2 areas in DKI Jakarta had a fairly high fire intensity, which were West Jakarta and East Jakarta with fire-prone time between 10 - 90 minutes. Key words: Data Mining, Clustering, Spatial Analysis, DBSCAN, Urban Fires Tujuan dari penelitian ini adalah untuk membuat profile daerah rawan kebakaran berdasarkan data yang diperoleh dari Dinas Penanggulangan Kebakaran dan Penyelamatan Provinsi DKI Jakarta. Dengan studi ini diharapkan dapat membantu pihak-pihak terkait sebagai bahan evaluasi untuk mengurangi tingginya bencana kebakaran yang terjadi di provinsi DKI Jakarta, adapun pencegahan yang dapat dilakukan yaitu membuat hydrant didaerah rawan kebakaran serta melakukan sosialisasi kepada masyarakat tentang bahaya dan cara penaggulangan kebakaran. Pada penelitian ini digunakan teknik data mining dengan algoritma DBSCAN sebagai metode untuk pengelompokan data. Nilai optimal yang digunakan untuk Eps adalah 1.5 serta nilai optimal untuk MinPts adalah 10 dengan nilai silhouette index mencapai 0.747. Hasil dari penelitian ini diketahui bahwa terdapat 2 wilayah di DKI Jakarta yang memiliki intensitas kebakaran yang cukup tinggi wilayah tersebut meliputi Jakarta barat dan Jakarta timur dengan rentan waktu kebakaran antara 10 – 90 menit. Kata kunci: Data Mining, Clustering, Spatial Analisis, DBSCAN, Kebakaran Perkotaan.

Actions (login required)

View Item