Perbandingan K-Means, DBSCAN, Agglomerative pada Clustering Gempa Bumi Sumbagsel 2015–2025 Berbasis USGS

Abstrak

Sumatera bagian selatan merupakan salah satu wilayah paling aktif secara seismik di Indonesia, terletak di sepanjang Sesar Besar Sumatera dan zona subduksi Indo-Australia, sehingga analisis spasial data gempa bumi secara sistematis menjadi sangat penting untuk mendukung mitigasi bencana yang efektif. Penelitian ini melakukan analisis komparatif terhadap tiga algoritma clustering, yaitu K-Means, DBSCAN, dan Agglomerative Clustering, yang diterapkan pada data gempa bumi wilayah Sumatera bagian selatan periode 2015–2025 bersumber dari katalog United States Geological Survey (USGS). Sebanyak 2.483 kejadian gempa dianalisis setelah tahap pra-pemrosesan, dengan atribut utama berupa koordinat geografis (lintang dan bujur) serta kedalaman hiposentrum. Kualitas klaster dievaluasi menggunakan Silhouette Score dan Davies-Bouldin Index (DBI). Hasil menunjukkan bahwa K-Means mencapai performa kuantitatif terbaik dengan Silhouette Score sebesar 0,4204 dan DBI sebesar 0,8715, diikuti Agglomerative Clustering dengan Silhouette Score 0,4047 dan DBI 0,8789. DBSCAN tidak dapat dievaluasi secara kuantitatif akibat klasifikasi titik noise, namun secara efektif mampu menangkap pola spasial kompleks yang mengikuti struktur zona subduksi. Ketiga metode secara konsisten mengidentifikasi konsentrasi aktivitas seismik di sepanjang zona subduksi Sumatera bagian selatan yang didominasi gempa dangkal hingga menengah. Temuan ini memberikan rekomendasi berbasis data untuk mendukung perencanaan mitigasi bencana gempa bumi di wilayah Sumatera bagian selatan.