Rangkuman Kegiatan Pertemuan Rutin ke 12 Pusat Kajian Geoinformatika
Pertemuan rutin yang dilaksanakan pada tanggal 8 Mei 2015 ini diawali presentasi dari Bapak Muhammad Tanzil Furqon, S.Kom, MCompSc. yang mengangkat judul “Clustering Potensi Resiko Tsunami Menggunakan Algoritma Density-based Spatial Clustering of Application with Noise (DBSCAN)”. Riset ini dilatarbelakangi oleh beberapa hal, diantaranya: (1) kerugian akibat bencana tsunami yang cukup besar, baik harta benda maupun korban jiwa; (2) perlu mitigasi tsunami dengan analisa potensi resiko tsunami terhadap wilayah terdampak tsunami; dan (3) perkembangan metode data mining dalam mengolah informasi untuk mendukung pengambilan keputusan. Tsunami disebabkan oleh gelombang pasang besar akibat gempa bumi dan pergeseran lempeng tanah/land slide. Tujuan dari penelitian ini adalah untuk mendapatkan model pengelompokan daerah terdampak tsunami berdasarkan potensi resiko yang dapat ditimbulkan, sebagai salah satu bahan pertimbangan dan analisa dalam membangun sistem mitigasi bencana tsunami.
Urgensi dari penelitian ini adalah perlunya Sistem Mitigasi Tsunami yang handal yang mampu meminimalkan resiko pada wilayah terdampak tsunami. Penelitian ini menggunakan Algoritma Density-based Spatial Clustering of Application with Noise (DBSCAN) yang mendapatkan penghargaan The Test of Time Award pada tahun 2014. Algoritma ini menggunakan density-reachable object distance (ε) dan minimum number of objects (minPts) untuk clustering. Analisa potensi resiko yang dimaksudkan adalah tingkat resiko atau bahaya yang mungkin ditimbulkan sebagai dampak dari bencana tsunami pada suatu daerah atau wilayah tertentu. Penelitian ini diimplementasikan pada penempatan buoy, sensor tsunami, dan early warning system tools. Data yang digunakan dalam penelitian ini adalah data tsunami yang diunduh dari halaman situs NOAA. Data 100 tahun terakhir (1915 – 2015) sejumlah 1046 records dan 22 fitur. Metode evaluasi yang digunakan adalah Silhouette Index, untuk menghitung rata-rata jarak suatu titik dengan titik lain dalam satu cluster dan rata-rata jarak suatu titik terhadap seluruh titik pada cluster lain. Sistem ini dikembangkan menggunakan bahasa Java dengan IDE NetBeans 7.1 di atas platform Windows 8 dan MacOS X Mountain Lion. Hasil implementasi algoritma DBSCAN kemudian dievaluasi untuk mengetahui kualitas hasil clustering dengan kombinasi nilai ε dan minPts sebagai input parameter. Evaluasi menggunakan metode validasi Silhouette untuk mengetahui kualitas hasil proses clustering algoritma DBSCAN. Hasil akhir dari uji coba sistem ini berupa tabel dan grafik yang menunjukkan kualitas hasil proses clustering berdasarkan variasi inputan nilai ε dan minPts.
Presentasi kedua disampaikan oleh Alfiyan Arief (mahasiswa S1 Sistem Informasi) dengan judul research plan “Implementasi Business Intelligence Dashboard untuk Pemantauan Persebaran Pendonor Darah (Studi Kasus: Palang Merah Indonesia Kota Malang)”. Masalah yang diangkat dari riset ini adalah kondisi ketika terjadi kekurangan persediaan darah golongan tertentu yang mengharuskan keluarga pasien mengambil darah dari daerah lain. Untuk proses yang lebih efektif dan efisien, perlu dikembangkan teknologi Business Intelligence (BI). Rumusan masalah pada research plan ini antara lain: (1) bagaimana menentukan Key Performance Indicator (KPI) untuk membantu menghitung persebaran donor darah?; dan (2) Bagaimana membangun BI yang didukung dengan SIG (Sistem Informasi Geografi) agar dapat mendukung Key Performance Indicator (KPI)?. Penelitian ini direncanakan sampai pada tahap implementasi, sedangkan tahap pemeliharaan (maintenance) diserahkan pada pihak PMI (Palang Merah Indonesia).[RIR,SAP]
