Penggunaan Metode Systematic Literature Review Pengelompokan Daerah Rawan Bencana Alam: Tren, Kumpulan Data, dan Pendekatan Algoritma
Abstract
Dalam melakukan pengelompokan daerah yang rawan bencana merupakan aspek penting dalam mitigasi dan perencanaan kebencanaan. Penelitian ini bertujuan untuk menganalisis tren penelitian, kumpulan data yang digunakan, serta pendekatan algoritma yang diterapkan untuk. Penelitian ini dilakukan dengan memahami berbagai artikel yang telah dipublikasikan dalam jurnal ilmiah sejak tahun 2019 sampai 2025. Dengan menerapkan pendekatan Systematic Literature Review (SLR) berbasis kerangka kerja PICOC dan menerapakan strategi pencarian data PRISMA, sebanyak 50 artikel terpilih untuk dianalisis supaya menjawab 7 pertanyaan penelitian terkait tren jumlah Penelitian, jenis bencana, wilayah penelitian, sumber data, software yang digunakan, algoritma yang digunakan serta algoritma paling efektif. Hasil penelitian ini menunjukkan tren penelitian terkait bencana alam dalam kurun waktu 2019 hingga 2023 mengalami peningkatan dengan total 15 penelitian. Namun, dalam periode 2023 hingga 2025, jumlah penelitian menunjukkan penurunan. Bencana yang paling banyak di teliti adalah banjir, dengan total 19 penelitian, sementara wilayah yang paling sering dijadikan objek penelitian adalah Jawa Barat, dengan 10 penelitian yang berfokus pada wilayah tersebut. Sumber data yang paling banyak digunakan dalam penelitian ini berasal dari Badan Nasional Penanggulangan Bencana (BNPB), dengan frekuensi penggunaan sebanyak 7 penelitian. Dari segi perangkat lunak, RapidMiner merupakan software yang paling banyak dimanfaatkan oleh peneliti, dengan total pengguna sebanyak 11 penelitian. Adapun algoritma yang paling sering diterapkan adalah algoritma K-Means Clustering, dengan persentase penggunaan sebesar 46%. Sementara itu, algoritma dengan tingkat akurasi tertinggi adalah kombinasi antara algoritma K-Means dan algoritma lainnya, yang mencapai tingkat akurasi sebesar 98,53%. Penelitian ini menyimpulkan berdasarkan temuan ini, beberapa rekomendasi diajukan untuk penelitian selanjutnya, termasuk peningkatan variasi metode analisis yang digunakan serta optimalisasi integrasi data dalam pemodelan bencana alam.
Keywords
Full Text:
PDFReferences
I. Hidayat, E. Darnila, and Y. Afrillia, “Clustering Zonasi Daerah Rawan Bencana Alam di Kabupaten Mandailing Natal menggunakan Algoritma K-Means,” G-Tech J. Teknol. Terap., vol. 7, no. 3, pp. 1218–1226, 2023, doi: 10.33379/gtech.v7i3.2880.
D. Rohman, R. Annisa, D. Indriyana Efendi, and D. Solahudin, “Clustering Bencana Alam Menggunakan K-Means Pada Wilayah Jawa Barat,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 493–500, 2024, doi: 10.36040/jati.v8i1.8409.
D. Malik, I. M. Artha Agastya, A. Y. Anjaya, Kusrini, and S. Hartantyo, “Earthquake Distribution Mapping in Indonesia Using K-Means Clustering Algorithm,” 2024 8th Int. Conf. Inf. Technol. Inf. Syst. Electr. Eng. ICITISEE 2024, pp. 499–504, 2024, doi: 10.1109/ICITISEE63424.2024.10730706.
N. Fadilah, “Penerapan Metode Algoritma K-Means Untuk Clustering Daerah Rawan Tanah Longsor Di Provinsi Jawa Tengah,” J. BATIRSI, vol. 6, no. 1, pp. 1–5, 2022, [Online]. Available: https://e-journal.stmik-tegal.ac.id/index.php/batirsi/article/view/31
M. Sinambela, H. H. Arrizal, E. Darnila, Munawar, M. R. Nugraha, and A. Widodo, “Clustering Analysis of Earthquake Based on K-Means, DBSCAN, and Fuzzy C-Means in North Sumatra,” Proc. - 2024 Int. Conf. Inf. Technol. Comput. ICITCOM 2024, pp. 242–247, 2024, doi: 10.1109/ICITCOM62788.2024.10762334.
A. Prasetyadi, B. Nugroho, and M. G. Putra, “Determining Natural Disaster Mitigation Level using Unsupervised k-means Clustering,” Proc. 5th Int. Conf. Networking, Inf. Syst. Secur. Envisage Intell. Syst. 5G/6G-Based Interconnected Digit. Worlds, NISS 2022, pp. 1–5, 2022, doi: 10.1109/NISS55057.2022.10085620.
A. Sul and S. Patil, “GIS and ML Integrated Techniques for Detection of Landslide-Prone Areas,” in 2nd International Conference on Self Sustainable Artificial Intelligence Systems, ICSSAS 2024 - Proceedings, 2024, pp. 667–672. doi: 10.1109/ICSSAS64001.2024.10760871.
T. Yulianto, A. F. Rahmah, F. Faisol, and R. Amalia, “Clustering Daerah Bencana Alam di Indonesia Menggunakan Metode Fuzzy C-Means,” Unisda J. Math. Comput. Sci., vol. 9, no. 2, pp. 29–39, 2023, doi: 10.52166/ujmc.v9i2.4776.
M. Murdiaty, A. Angela, and C. Sylvia, “Pengelompokkan Data Bencana Alam Berdasarkan Wilayah, Waktu, Jumlah Korban dan Kerusakan Fasilitas Dengan Algoritma K-Means,” J. Media Inform. Budidarma, vol. 4, no. 3, p. 744, 2020, doi: 10.30865/mib.v4i3.2213.
H. Cai, T. Chen, R. Niu, and A. Plaza, “Landslide Detection Using Densely Connected Convolutional Networks and Environmental Conditions,” IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens., vol. 14, pp. 5235–5247, 2021, doi: 10.1109/JSTARS.2021.3079196.
E. O. Yilmaz, A. Teke, and T. Kavzoglu, “Performance Evaluation of Depthwise Separable CNN and Random Forest Algorithms for Landslide Susceptibility Prediction,” Int. Geosci. Remote Sens. Symp., vol. 2022-July, pp. 5477–5480, 2022, doi: 10.1109/IGARSS46834.2022.9883954.
Adeline Vinda Septiani, R. A. Hasibuan, Anwar Fitrianto, Erfiani, and Alfa Nugraha Pradana, “Penerapan Metode K-Medoids dalam Pengklasteran Kab/Kota di Provinsi Jawa Barat Berdasarkan Intensitas Bencana Alam di Jawa Barat pada Tahun 2020-2021,” Statistika, vol. 23, no. 2, pp. 147–155, 2023, doi: 10.29313/statistika.v23i2.3057.
D. J. Manalu, R. Rahmawati, and T. Widiharih, “Pengelompokan Titik Gempa Di Pulau Sulawesi Menggunakan Algoritma ST-DBSCAN,” J. Gaussian, vol. 10, no. 4, pp. 554–561, 2021, doi: 10.14710/j.gauss.v10i4.29499.
I. Rinjani, S. Anwar, and R. Herdiana, “Pengelompokan Daerah Bencana Alam Menggunakan Algoritma K-Means Clustering,” J. Ilm. Sist. Inf. DAN ILMU Komput., vol. 3, no. I, pp. 36–51, 2023, doi: 10.55606/juisik.v3i1.417.
I. Bagus and K. Puja, “Algoritma Dijkstra : Rute Pengungsian Terpendek Daerah Rawan Bencana di Desa Canggu,” vol. 14, no. 1, pp. 52–60, 2024, doi: 10.24843/JMAT.2024.v14.i01.p171.
Borianto and B. Hendrik, “Tijauan Sistematis Metode Linear Refression, K-Nearest Neighbor dan Random Forest Untuk prediksi Tingkat Kemiskinan,” J. Inform. Manaj. dan Komput., vol. 16, no. 2, pp. 268–274, 2024, doi: 10.36723/juri.v16i2.720.
J. Informatika, B. Hendrik, S. Barat, D. Learning, D. Medis, and D. Berdarah, “Tinjauan Sistematis Peran Jaringan Syaraf Tiruan dan Deep Learning Dalam Diagnosa Demam Berdarah dan Tifus,” J. Inform. Manaj. dan Komput., vol. 16, no. 2, 2024, doi: 10.36723/juri.v16i2.719.
T. T. Tin et al., “Natural Disaster Clustering Using K-Means, DBSCAN, SOM, GMM, and Mean Shift: An Analysis of Fema Disaster Statistics,” Int. J. Adv. Comput. Sci. Appl., vol. 15, no. 9, pp. 667–681, 2024, doi: 10.14569/IJACSA.2024.0150968.
E. Lutfina, W. Andriana, S. Quamila, P. Wiratmaja, and E. Febrianti, “Metode dan Algoritma Dalam Sentimen Analisis: Systematic Literature Review,” Sci. Technol. Manag. J., vol. 4, no. 2, pp. 67–79, 2024, doi: https://doi.org/10.53416/stmj.v4i2.274.
R. S. Wahono, “A Systematic Literature Review of Software Defect Prediction: Research Trends, Datasets, Methods and Frameworks,” J. Softw. Eng., vol. 1, no. 1, pp. 1–16, 2015.
A. Eldawlatly, H. Alshehri, A. Alqahtani, A. Ahmad, F. Al-Dammas, and A. Marzouk, “Appearance of Population, Intervention, Comparison, and Outcome as research question in the title of articles of three different anesthesia journals: A pilot study,” Saudi J. Anaesth., vol. 12, no. 2, pp. 283–286, 2018, doi: 10.4103/sja.SJA_767_17.
E. Susetyarini and A. Fauzi, “Trend of critical thinking skill researches in biology education journals across Indonesia: From research design to data analysis,” Int. J. Instr., vol. 13, no. 1, pp. 535–550, 2020, doi: 10.29333/iji.2020.13135a.
A. K. Purboyo, H. Fakhrurroja, D. Pramesti, and A. R. Chaidir, “Mobile Application Development for Prepaid Water Meter Based on LC Sensor,” Sensors, vol. 24, no. 20, 2024, doi: 10.3390/s24206762.
T. Wathoriq and Subandi, “Implementasi Algoritme K-Means Clustering Untuk Pengelompokkan Wilayah Rawan Banjir,” Semin. Nas. Mhs. Fak. Teknol. Inf., vol. 2, no. 2, pp. 1086–1093, 2023, [Online]. Available: https://senafti.budiluhur.ac.id/index.php/senafti/article/view/1028
M. Ubaidillah and Z. Fatah, “Implementasi Rapidminer Pada Klasterisasi Gempa Bumi DI Indonesia Berdasarkan Kedalaman Menggunakan K-Means,” vol. 1, no. 6, pp. 84–91, 2024, doi: : https://doi.org/10.69714/w0m9zv32 IMPLEMENTASI.
S. Dwiasnati and Y. Devianto, “Optimasi Prediksi Bencana Banjir menggunakan Algoritma SVM untuk penentuan Daerah Rawan Bencana Banjir,” Pros. SISFOTEK, pp. 202–207, 2021, [Online]. Available: https://seminar.iaii.or.id/index.php/SISFOTEK/article/view/283/251
DOI: http://dx.doi.org/10.36448/jsit.v16i1.4198
Refbacks
- There are currently no refbacks.
| About the Journal | Journal Policies | Author | Information |
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika)
e-ISSN: 2686-181X
Website: http://jurnal.ubl.ac.id/index.php/explore
Email: explore@ubl.ac.id
Published by: Pusat Studi Teknologi Informasi, Fakultas Ilmu Komputer, Universitas Bandar Lampung
Office: Jalan Zainal Abidin Pagar Alam No 89, Gedong Meneng, Bandar Lampung, Indonesia
