Analisis Prediksi Gempa Bumi di Nusa Tenggara Timur dengan Metode Naïve Bayes dan K-Means Clustering

Abstract

Gempa bumi sulit diprediksi baik dari segi waktu maupun intensitasnya, karena terjadi akibat pelepasan energi di litosfer. Indonesia, yang terletak di Ring of Fire dan persimpangan tiga lempeng utama, sering mengalami gempa tektonik dan vulkanik yang mengakibatkan kerusakan dan korban jiwa. Saat ini, belum ada metode yang akurat untuk memprediksi gempa. Penelitian ini menggunakan data gempa dari Nusa Tenggara Timur dan menerapkan teknik data mining, yaitu Naïve Bayes dan K-Means Clustering. Naïve Bayes menunjukkan akurasi tinggi, terutama untuk tahun 2022, dengan nilai prediksi 0,907 dan confusion matrix 90,74%, menandakan tahun tersebut sebagai periode dengan jumlah gempa tertinggi. K-Means Clustering mengidentifikasi pola jumlah gempa per tahun, seperti 67 gempa ringan di C1, 7 gempa besar di C2, dan 5 gempa ringan di C3 pada 2022. Hasil ini menunjukkan bahwa metode Naïve Bayes dan K-Means Clustering efektif untuk memprediksi dan menganalisis gempa, serta menawarkan dasar untuk pengembangan prediksi dan mitigasi risiko gempa di masa depan.