3
yang rendah tetapi juga melemahkan efek dari derajat keanggotaan yang tinggi
secara bersamaan. Algoritma memperkenalkan nilai threshold
dan fuzzy
convergence operator
untuk membuat learning rate
dari derajat keanggotaan
yang rendah menjadi menurun dan sebaliknya sehingga nilai error
dari FKCN
menjadi lebih kecil dengan iterasi yang lebih sedikit. Selain itu An Effiecent
Fuzzy
Kohonen Clustering Network
Algorithm dapat mengurangi waktu
komputasi. Dapat disimpulkan An Effiecent Fuzzy Kohonen Clustering Network
Algorithm bekerja lebih baik dibandingkan dengan FKCN standar.
2.2.3
Paper “Zonasi Daerah Bahaya Kerusakan Bangunan Akibat Gempa
Menggunakan Algoritma SOM dan Kriging”
Algoritma self-organizing map berhasil memiliki akurasi yang tinggi
dalam mengelompokkan data. Dalam penelitiannya, Edy dan Hartati
menggunakan tiga parameter fisik dalam melakukan klasterisasi dan zonasi
bahaya kerusakan bangunan akibat gempabumi. Ketiga parameter tersebut ialah
nilai peak ground acceleration (PGA), zona litologi dan zona topografi.
Perhitungan nilai (PGA) dihitung dengan fungsi atenuasi dari parameter
gempa seperti magnitude, kedalaman dan jarak dari sumber gempa. Sedangkan
data litologi dan zona topografi dikonversi dari data kelas yang bersifat continues
menjadi data yang bersifat discrete dalam sistem grid 1 km x 1 km sebagaimana
digunakan pada perhitungan nilai PGA. Konversi data didasarkan pada
kontribusi masing masing kelas pada bahaya kerusakan bangunan. Cara yang
sama dilakukan untuk data zona topografi. Zona topografi klas rendah dan
unstable seperti klas seabed dikonversi ke nilai 2 dan zona topografi klas tinggi
dan stable seperti klas Inland Plain dikonversi ke nilai 7 sebagai nilai tertinggi.
Dengan metode ini, akan didapat 3 nilai yakni PGA, nilai konversi litogi
dan nilai konversi topografi sebagai parameter fisik yang kemudian
akan
digunakan sebagai data dalam proses klasterisasi bahaya kerusakan bangunan
akibat gempabumi.
 |