PERAMALAN BENCANA ALAM DI KOTA MALANG MENGGUNAKAN ALGORITMA MARKOV CHAINS

Hidayatun Ni'mah, Vita Kusumasari

Abstract


Malang merupakan salah satu kota rawan bencana di Jawa Timur. Hal ini dapat dilihat dari data bencana alam yang terekam dalam data BPBD Kota Malang meliputi gempa bumi, banjir, tanah longsor, dan cuaca ekstrim. BPBD Kota Malang merupakan perangkat daerah yang dibentuk untuk melaksanakan tugas dan fungsi penanggulangan bencana di daerah Kota Malang. Masalah bencana alam yang telah terjadi tanpa adanya peringatan akan menimbulkan banyak sekali kerugian ataupun korban yang berjatuhan. Dalam artikel ini, penulis akan meramalkan bencana salam di Kota Malang menggunakan Algoritma Markov Chains karena algoritma ini bisa digunakan untuk memperkirakan perubahan-perubahan di waktu yang akan datang. Data yang digunakan yaitu data kejadian bencana di Kota Malang tahun 2016 hingga 2020 yang diperoleh dari BPBD Kota Malang. Dari data tersebut akan dilakukan prediksi untuk tahun 2022. Berdasarkan hasil analisis dan pembahasan, Algoritma Markov Chains dapat digunakan untuk meramalkan kejadian waktu yang akan datang karena memiliki ketepatan prediksi yang cukup bagus dilihat dari nilai koefisien korelasi (R) sebesar 0,53 dan RMSE sebesar 0,21. Hasil peramalan bencana alam di Kota Malang pada tahun 2022 yaitu tanah longsor sebesar , cuaca ekstrim sebesar , banjir sebesar , dan gempa bumi sebesar .

Kata kunci: algoritma Markov Chains, prediksi bencana, data mining

Full Text:

PDF

References


T. D. Indriasari and T. A. P. Sidhi, “Sistem Pencarian Orang Hilang Berbasis Mobile Web Dengan Social Network Analysis,” Semin. Nas. Inform. SEMNASIF, no. Vol 1, No 5 (2011): Information System and Application, 2011, [Online]. Available: http://jurnal.upnyk.ac.id/index.php/semnasif/article/view/1270

“Peraturan Kepala Badan Nasional Penanggulangan Bencana Nomor 3.” Badan Penanggulangan Bencana Daerah Provinsi Jawa Timur, 2008.

N. Hidayati, P. T. Pungkasanti, and N. Wakhidah, “Prediksi Bencana Alam di Kota Semarang Menggunakan Algoritma Markov Chains,” J. Sains Dan Inform., vol. 7, no. 1, pp. 107–116, Jul. 2021, doi: 10.34128/jsi.v7i1.283.

H. Ihsan, W. Sanusi, and H. Hasriani, “Peramalan Pola Curah Hujan Di Kota Makassar Menggunakan Model Rantai Markov,” J. Math. Comput. Stat., vol. 2, no. 1, p. 19, May 2020, doi: 10.35580/jmathcos.v2i1.12448.

F. I. Durrah, S. Anwar, and L. R. Siregar, “Markov Chain Analysis, Metode Alternatif Dalam Mengukur Tingkat Elektabilitas Peserta Pemilu Melalui Tagar: Studi Kasus Pemilihan Presiden Indonesia Tahun 2019,” JWP J. Wacana Polit., vol. 5, no. 1, p. 41, Mar. 2020, doi: 10.24198/jwp.v5i1.27084.

Y. A. R. Langi, “Penentuan Klasifikasi State pada Rantai Markov dengan Menggunakan Nilai Eigen dari Matriks Peluang Transisi,” J. Ilm. SAINS, vol. 11, no. 1, p. 124, Apr. 2011, doi: 10.35799/jis.11.1.2011.54.

F. A. Kurniawan, “Aplikasi Markov Chain Untuk Memprediksi Tekanan Darah,” InComTech J. Telekomun. Dan Komput., no. Vol 8, No 2 (2018), pp. 103–120, 2018, doi: http://dx.doi.org/10.22441/incomtech.v8i2.4087.

D. Allo, D. Hatidja, and M. Paendong, “Analisis Rantai Markov untuk Mengetahui Peluang Perpindahan Merek Kartu Seluler Pra Bayar GSM (Studi Kasus Mahasiswa Fakultas Pertanian Unsrat Manado),” J. MIPA, vol. 2, p. 17, Jan. 2013, doi: 10.35799/jm.2.1.2013.745.

M. N. Aidi, “Penggunaan Rantai Markov untuk Analisis Spasial Serta Modifikasinya Dari Sistem Tertutup Ke Sistem Terbuka,” Dep. Stat. FMIPA IPB, vol. Vol 13 No.1, pp. 23–33, Apr. 2008.

M. K. Mustakim Insanul; Ramadhan, Aditya, “Implementasi Algoritma Markov Chains untuk Prediksi Kejadian Bencana Alam di Provinsi Riau,” Semin. Nas. Teknol. Inf. Komun. Dan Ind., no. 2018: SNTIKI 10, pp. 151–157, 2018.


Refbacks

  • There are currently no refbacks.