KLASTERISASI DATA BAHAYA KERUSAKAN BANGUNAN AKIBAT GEMPA BUMI MENGGUNAKAN ALGORITMA FUZZY KOHONEN CLUSTERING NETWORK SKRIPSI. Oleh

Transkripsi

1 KLASTERISASI DATA BAHAYA KERUSAKAN BANGUNAN AKIBAT GEMPA BUMI MENGGUNAKAN ALGORITMA FUZZY KOHONEN CLUSTERING NETWORK SKRIPSI Oleh Muhammad Faisal Verra Irawati Muhammad Ihsan Kelas / Kelompok : 07MAT / 01 School of Computer Science Universitas Bina Nusantara Jakarta 2014

2 KLASTERISASI DATA BAHAYA KERUSAKAN BANGUNAN AKIBAT GEMPA BUMI MENGGUNAKAN ALGORITMA FUZZY KOHONEN CLUSTERING NETWORK SKRIPSI diajukan sebagai salah satu syarat untuk gelar kesarjanaan pada Program Teknik Informatika School of Computer Science Jenjang Pendidikan Strata-1 Oleh Muhammad Faisal Verra Irawati Muhammad Ihsan Kelas / Kelompok : 07MAT / 01 School of Computer Science Universitas Bina Nusantara Jakarta 2014

3 School of Computer Science Program Teknik Informatika Semester Ganjil tahun 2013/ 2014 KLASTERISASI DATA BAHAYA KERUSAKAN BANGUNAN AKIBAT GEMPA BUMI MENGGUNAKAN ALGORITMA FUZZY KOHONEN CLUSTERING NETWORK Muhammad Faisal Verra Irawati Muhammad Ihsan Kelas / Kelompok : 07MAT / 01 ABSTRAK Penelitian ini bertujuan untuk mengembangkan program yang mampu melakukan klasterisasi data bahaya kerusakan bangunan akibat gempa bumi dengan mengimplementasikan algoritma Fuzzy Kohonen Clustering Network (FKCN). Data yang digunakan meliputi data kelas litologi, data zona topografi dan nilai Peak Ground Acceleration (PGA) sebagai parameter fisik. Metode penelitian terdiri dari pengumpulan data dengan melakukan wawancara kepada ahli geologi untuk mendapatkan data kelas litologi dan zona topografi serta menggunakan data PGA Youngs, perancangan program dengan melakukan normalisasi data input kemudian implementasi klasterisasi menggunakan algoritma FKCN serta membuat tampilan antarmuka, evaluasi menggunakan data IRIS Fisher dan kuesioner kepada expert user. Hasil penelitian merupakan suatu program yang dapat melakukan klasterisasi data kegempaan yang dapat membantu dalam penyusunan klasifikasi daerah rawan gempa di suatu daerah sehingga dapat meminimalisir korban jiwa dan kerusakan infrastruktur yang ditimbulkan oleh gempa bumi. Algoritma FKCN terbukti dapat dimplementasikan dengan baik untuk melakukan klasterisasi data kegempaan yaitu data kelas litologi, zona topografi, dan nilai PGA dan memiliki persentase keberhasilan 89.4%. Kata Kunci: Fuzzy Kohonen Clustering Network, Klasterisasi, Gempa, Kerusakan Bangungan, Jaringan Saraf Tiruan, Logika Fuzzy ABSTRACT The objective of this research is to develop a program that capable of doing data clustering of building damage hazard caused by earthquake by implementing the Fuzzy Kohonen Clustering Network (FKCN) Algorithm. This research used a method consist of collecting data by interviewing the geologists to obtain lithology class data, topographic zones data and Peak Ground Acceleration data (PGA) by

4 Youngs, designing programs to perform normalization and clustering by implementing FKCN algorithm and make the user interface, evaluation using the IRIS Fisher data and questionnaires for expert user. The result of this research is a program that can perform seismic data clustering that would assist in the preparation of the earthquake-prone areas classification in some regions to minimize loss of life and infrastructure damage caused by the earthquake. FKCN algorithm has proven can be implemented well to perform seismic data clustering such as lithology class, topography zone, and PGA value with 89.4% success rate. Key Words: Fuzzy Kohonen Clustering Network, Clustering, Earthquake, Building Damage, Artificial Neural Network, Fuzzy Logic

5 KATA PENGANTAR Pertama kali kami mengucapkan puji dan syukur kepada Tuhan Yang Maha Esa karena atas berkat, rahmat dan karunia-nya penulis dapat menyelesaikan skripsi dengan judul KLASTERISASI DATA BAHAYA KERUSAKAN BANGUNAN AKIBAT GEMPA BUMI MENGGUNAKAN ALGORITMA FUZZY KOHONEN CLUSTERING NETWORK tepat pada waktunya. Skripsi ini dibuat sebagai salah satu syarat untuk gelar kesarjanaan pada Program Teknik Informatika, School of Computer Science, jenjang pendidikan strata satu di Universitas Bina Nusantara. Pada kesempatan ini kami ingin mengucapkan terima kasih kepada semua pihak yang telah membantu dan membimbing kami selama melaksanakan penelitian, terutama kepada : 1. Orang tua, saudara, dan keluarga yang selau memberikan doa dan dukungan baik secara langsung maupun tidak langsung. 2. Prof. Dr. Ir. Harjanto Prabowo, M.M. selaku Rektor Universitas Bina Nusantara, 3. Fredy Purnomo, S.Kom., M.Kom. selaku Dekan School of Computer Science, Universitas Bina Nusantara, 4. Yen Lina Prasetio, S.Kom., McompSc. selaku ketua Jurusan Teknik Informatika Universitas Bina Nusantara, 5. Sudarno Wiharjo, Dr. Ing. selaku dosen pembimbing kelas skripsi 07MAT yang telah memberikan dukungan dan bimbingan kepada kami dalam menyusun skripsi ini, 6. Edy Irwansyah, ST., M.Si. selaku narasumber yang senantiasa membantu, memberikan masukan yang bermanfaat dan telah berkontribusi besar dalam penyelesaian skripsi ini. 7. Annisaa Primadini sebagai sahabat yang telah meluangkan waktu, tenaga dan pikiran untuk membantu kami dalam mempelajari MATLAB. 8. Kindy Aulia dan Adini Rahmatia Ningrum untuk seluruh doa, pengertian, kesabaran, dan dukungan secara langsung maupun tidak langsung. 9. Teman-teman kami yang selalu memberikan dukungan agar skripsi ini dapat selesai tepat waktu.

6 10. Pihak-pihak lain yang telah membantu dan mendukung kami yang tidak dapat disebutkan satu per satu. Kami menyadari sepenuhnya bahwa penelitian dan penulisan skripsi ini masih jauh dari sempurna dan masih banyak kekurangan yang disebabkan karena keterbatasan pengetahuan kami. Oleh karena itu, kritik dan saran yang bersifat membangun sangat diharapkan demi kesempuranaan skripsi ini. Akhir kata, kami berharap semoga skripsi ini dapat bermanfaat bagi berbagai pihak yang terkait dan semua pihak yang memerlukan, serta dapat memberikan kontribusi yang berarti bagi dunia pendidikan. Jakarta, 28 Januari 2013 Penulis

7 DAFTAR ISI Halaman Judul Luar... i Halaman Judul Dalam... ii Halaman Persetujuan Dosen Pembimbing... iii Halaman Pernyataan Dosen Penguji... iv Halaman Pernyataan Persetujuan Publikasi Skripsi... vii Abstrak... viii Kata Pengantar... x Daftar Isi... xii Daftar Tabel... xvi Daftar Gambar... xvii Daftar Lampiran... xix BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Ruang Lingkup Tujuan dan Manfaat Metodologi Sistematika Penulisan... 5 BAB 2 TINJAUAN PUSTAKA Landasan Teori Artificial Intelligence (AI) Pendekatan yang berpusat pada manusia Pendekatan yang berpusat pada rasionalitas... 8

8 Cabang AI Data Mining Pengertian Data Mining Tahap Penemuan Knowledge pada Data Mining Arsitektur Data Mining Metode Data Mining Logika Fuzzy Aplikasi pada Logika Fuzzy Himpunan Fuzzy Fungsi Keanggotaan Fuzzy Clustering Fuzzy C-Means Artificial Neural Network Model Neuron Single Input Neuron Multiple Input Neuron Fungsi Aktivasi Arsitektur Neural Network Learning Neural Network Supervised Unsupervised Self Organizing Map Arsitektur SOM Cara Kerja SOM Algoritma SOM Fuzzy Kohonen Clustering Network (FKCN) Kerusakan Bangunan Akibat Gempa Bumi... 33

9 2.2 Related Works Paper Fuzzy Kohonen Clustering Network Paper An Efficient Fuzzy Kohonen Clustering Network Algorithm Paper Zonasi Daerah Bahaya Kerusakan Bangunan Akibat Gempa Menggunakan Algoritma SOM dan Kriging Paper IFKCN: Applying Fuzzy Kohonen Clustering Network to Interval Data Paper Asociation Learning in SOMs for Fuzzy- Classification BAB 3 METODOLOGI Kerangka Berpikir Metodologi Parameter Fisik Normalisasi Data Klasterisasi Perancangan Aplikasi Unified Modeling Language (UML) Use Case Diagram Activity Diagram Klasterisasi Data Kegempaan Rancangan Layar Antarmuka BAB 4 HASIL DAN PEMBAHASAN Hasil Pembahasan Penggunaan Program Evaluasi Data IRIS Fisher... 77

10 Expert User BAB 5 SIMPULAN DAN SARAN Simpulan Saran DAFTAR PUSTAKA LAMPIRAN RIWAYAT HIDUP SURAT SURVEI

11 DAFTAR TABEL Tabel 3.1 Kelas Litologi dan Nilai Konversi Tabel 3.2 Zona Topografi dan Nilai Konversi Tabel 3.3 Penjelasan Use Case Diagram Klasterisasi Data Kegempaan Tabel 4.1 Tabel Hasil Olah Data FKCN dengan Cluster Number = Tabel 4.2 Tabel Hasil Olah Data IFKCN dengan Cluster Number = Tabel 4.3 Tabel Hasil Olah Data FKCN dengan Cluster Number = Tabel 4.4 Tabel Hasil Olah Data IFKCN dengan Cluster Number = Tabel 4.5 Tabel Hasil Olah Data FKCN dengan Cluster Number = Tabel 4.6 Tabel Hasil Olah Data IFKCN dengan Cluster Number = Tabel 4.7 Klasterisasi Data Gempa dengan c= Tabel 4.8 Klasterisasi Data Gempa dengan c= Tabel 4.9 Klasterisasi Data Gempa dengan c= Tabel 4.10 Klasterisasi Data Gempa dengan c= Tabel 4.11 Klasterisasi Data Gempa dengan c= Tabel 4.12 Correct Data dengan Data IRIS Tabel 4.13 Correct Data dengan Improved FKCN... 77

12 DAFTAR GAMBAR Gambar 2.1 Tahap Penemuan Knowledge pada Data Mining Gambar 2.2 Arsitektur Data Mining Gambar 2.3 Single Input Neuron Gambar 2.4 Multiple Input Neuron Gambar 2.5 Neuron dengan R Input Gambar 2.6 Fungsi Transfer Hard Limit Gambar 2.7 Fungsi Transfer Linear Gambar 2.8 Fungsi Sigmoid Biner Gambar 2.9 Fungsi Sigmoid Bipolar Gambar 2.10 Arsitektur Single Layer Perceptron Gambar 2.11 Arsitektur Multi Layer Perceptron Gambar 2.12 Arsitektur SOM Gambar 2.13 Linear Array Unit Gambar 2.14 Rectangular Grid Gambar 2.15 Hexagonal Grid Gambar 2.16 Cara Kerja SOM Gambar 3.1 Bagan Kegiatan Penelitian Gambar 3.2 Flow chart Cara Kerja Program Gambar 3.3 Arsitektur FKCN Gambar 3.4 Flow chart Algoritma FKCN Gambar 3.5 Use Case Diagram Gambar 3.6 Activity Diagram Gambar 3.7 Layar Awal Gambar 3.8 Layar Data Tidak Valid Gambar 3.9 Layar Data Valid Gambar 3.10 Layar Akhir Gambar 4.1 Tampilan User Interface dengan c=3 iteration number= Gambar 4.2 Plot Klasterisasi Data Gempa dengan FKCN dan c= Gambar 4.3 Plot Klasterisasi Data Gempa dengan IFKCN dan c= Gambar 4.4 Grafik Jumlah Error dengan c Gambar 4.5 Tampilan User Interface dengan c=4 iteration number= Gambar 4.6 Plot Klasterisasi Data Gempa dengan FKCN dan c= Gambar 4.7 Plot Klasterisasi Data Gempa dengan IFKCN dan c= Gambar 4.8 Grafik Jumlah Error dengan c Gambar 4.9 Tampilan User Interface dengan c=5 iteration number= Gambar 4.10 Plot Klasterisasi Data Gempa dengan FKCN dan c= Gambar 4.11 Plot Klasterisasi Data Gempa dengan IFKCN dan c= Gambar 4.12 Grafik Jumlah Error dengan c Gambar 4.13 Tampilan User Interface dengan c=6 iteration number= Gambar 4.14 Plot Klasterisasi Data Gempa dengan FKCN dan c= Gambar 4.15 Plot Klasterisasi Data Gempa dengan IFKCN dan c= Gambar 4.16 Grafik Jumlah Error dengan c Gambar 4.17 Tampilan User Interface dengan c=7 iteration number= Gambar 4.18 Plot Klasterisasi Data Gempa dengan FKCN dan c= Gambar 4.19 Plot Klasterisasi Data Gempa dengan IFKCN dan c= Gambar 4.20 Grafik Jumlah Error dengan c Gambar 4.21 Spec MATLAB (R2013a) Windows Gambar 4.22 Spec MATLAB (R2013a) Mac... 76

13 Gambar 4.23 Spec MATLAB (R2013a) Linux... 76

14 DAFTAR LAMPIRAN Lampiran 1. Kuesioner Expert User Lampiran 2. Data Nilai PGA Young Lampiran 3. Data Gempa Litologi, Topografi, dan PGA Lampiran 4. Data Gempa Litologi dan Topografi setelah Normalisasi Lampiran 5. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan FKCN untuk Cluster Number 3 pada Iterasi 5 hingga Lampiran 6. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan FKCN untuk Cluster Number 3 pada Iterasi 30 hingga Lampiran 7. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan IFKCN untuk Cluster Number 3 pada Iterasi 5 hingga Lampiran 8. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan IFKCN untuk Cluster Number 3 pada Iterasi 30 hingga Lampiran 9. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan FKCN untuk Cluster Number 4 pada Iterasi 5 hingga Lampiran 10. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan FKCN untuk Cluster Number 4 pada Iterasi 30 hingga Lampiran 11. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan IFKCN untuk Cluster Number 4 pada Iterasi 5 hingga Lampiran 12. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan IFKCN untuk Cluster Number 4 pada Iterasi 30 hingga Lampiran 13. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan FKCN untuk Cluster Number 5 pada Iterasi 5 hingga

15 Lampiran 14. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan FKCN untuk Cluster Number 5 pada Iterasi 30 hingga Lampiran 15. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan IFKCN untuk Cluster Number 5 pada Iterasi 5 hingga Lampiran 16. Hasil Klasterisasi Data Bahaya Kerusakan Bangunan Akibat Gempa Bumi dengan IFKCN untuk Cluster Number 5 pada Iterasi 30 hingga Lampiran 17. Data IRIS Fisher, Lampiran 18. Uji FKCN dengan Data IRIS Lampiran 18. Uji IFKCN dengan Data IRIS