Article Per Year (5 Year)
p-Index From 2019 - 2024
1.235
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Teknisi Jurnal Sains Informatika Terapan (JSIT) Jurnal Pengabdian Masyarakat Dharma Andalas Jurnal Riset Multidisiplin dan Inovasi Teknologi The Indonesian Journal of Computer Science
nozomi, irohito
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Social Sciences

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Sains Informatika Terapan (JSIT)

 1 
Penerapan Data Mining Untuk Peringatan Dini Banjir Menggunakan Metode Klastering K-Means (Studi Kasus Kota Padang) Nozomi, Irohito
Jurnal Sains Informatika Terapan Vol. 2 No. 2 (2023): Jurnal Sains Informatika Terapan (Juni, 2023)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v2i2.165

Abstract

Bencana banjir sering terjadinya di wilayah Indonesia, salah satunya adalah Kota Padang. Dengan keadaan cuaca yang sering berubah, maka sulit memperdiksi apakah cuaca tersebut berpotensi banjir atau tidak. Sistem peringatan dini ini merupakan salah satu bentuk manajemen penanganan bencana yang bertujuan mengambil tindakan yang cepat dan tepat dalam memprediksi banjir dengan menggunakan teknik Data Mining. Penelitian ini merupakan proses untuk memprediksi bencana banjir dengan menggunakan metode Klastering K-Means. Data yang didapat dari BMKG dikelompokkan menjadi satu atau lebih cluster dan kemudian diolah. Analisis dan pengolahan data menggunakan tools RapidMiner v.5.3. Hasil dari penelitian ini didapatkan cluster yang menjadi tingkatan bahaya bencana banjir yang terdiri dari tingkatan rendah, tingkatan sedang, dan tingkatan tinggi.
Co-Authors Ahmad Junaidi Aldi, Febri Putra, Yeviki Maisyah Rahman, Sepsa Nur Sentosa, Rio Bayu Soeheri, Soeheri Surmayanti, Surmayanti Syahputra, Ronaldo