Perpustakaan Digital ITB

Indonesia merupakan salah satu negara dengan tingkat aktivitas seismik tertinggi di dunia karena letaknya di pertemuan tiga lempeng tektonik utama. Oleh karena itu, pemahaman karakteristik gempa megathrust sangat penting untuk mendukung upaya mitigasi bencana. Dalam penelitian ini, dilakukan analisis klasterisasi terhadap data gempa megathrust dan dataset Iris menggunakan dua metode berbeda, yaitu K-Means Clustering dan Topological Data Analysis (TDA). K-Means adalah metode berbasis centroid yang umum digunakan dalam analisis klasterisasi, sedangkan TDA merupakan pendekatan berbasis topologi yang mampu menangkap struktur data yang kompleks. Hasil penelitian menunjukkan bahwa metode K-Means memiliki akurasi klasterisasi yang lebih tinggi dibandingkan TDA ketika dibandingkan dengan kategori asli pada dataset Iris. Sementara itu, dalam analisis data gempa megathrust, metode TDA lebih efektif dalam mengidentifikasi pola seismik yang kompleks, terutama dalam mendeteksi hubungan antara kedalaman, magnitudo, dan distribusi spasial gempa. Di sisi lain, KMeans cenderung membentuk klaster berdasarkan distribusi numerik, yang lebih mudah diinterpretasikan. Evaluasi menggunakan Silhouette Score dan Davies-Bouldin Index (DBI) menunjukkan bahwa TDA menghasilkan klaster yang lebih terpisah dan kompak dibandingkan K-Means, tetapi K-Means tetap lebih unggul dalam menyesuaikan klaster dengan kategori yang sudah ada.