Implementasi Metode ST-DBSCAN untuk Pengelompokan Pola Gempa Bumi di Pulau Jawa

Abstract. The aim of this study is to cluster earthquake occurrence patterns on Java Island using the Spatio-Temporal DBSCAN (ST-DBSCAN) algorithm, which simultaneously processes spatial and temporal data. Data were obtained from BMKG (Meteorology, Climatology, and Geophysics Agency) comprising of 230 earthquake events from January to July 2025. The variables analyzed in this research are latitude, longitude, event time, depth, and magnitude. We conducted 27 parameter combinations of ε₁ (spatial radius), ε₂ (temporal radius), and MinPts (minimum number of points in a cluster). The results were evaluated using the Density-Based Clustering Validation (DBCV) metric to assess clustering quality. The best parameter combination was ε₁ = 50 km, ε₂ = 12 hours, and MinPts = 2, producing 32 clusters with a DBCV score of 0.8421. Visualization revealed that earthquake clusters were concentrated in the southern region of Java Island, which is part of an active subduction zone, while noise points were randomly distributed. The findings demonstrate that ST-DBSCAN is effective in identifying spatial-temporal earthquake patterns and can serve as a valuable tool for seismic risk mapping and disaster mitigation planning in vulnerable areas. Abstrak. Penelitian ini bertujuan untuk mengelompokkan pola kejadian gempa bumi di Pulau Jawa menggunakan algoritma Spatio-Temporal DBSCAN (ST-DBSCAN) yang mampu mengolah data spasial dan temporal secara bersamaan. Data sekunder dari BMKG sebanyak 230 kejadian gempa periode Januari–Juli 2025 digunakan sebagai objek penelitian. Variabel utama yang dianalisis mencakup lintang, bujur, waktu kejadian, kedalaman, dan magnitudo. Proses klasterisasi dilakukan dengan menguji 27 kombinasi parameter ε₁ (radius spasial), ε₂ (radius temporal), dan MinPts (jumlah minimum titik dalam klaster). Evaluasi hasil dilakukan menggunakan metrik Density-Based Clustering Validation (DBCV) untuk menilai kualitas klaster. Kombinasi parameter terbaik diperoleh pada ε₁ = 50 km, ε₂ = 12 jam, dan MinPts = 2, menghasilkan 32 klaster dengan nilai DBCV sebesar 0,8421. Visualisasi menunjukkan bahwa klaster gempa terkonsentrasi di wilayah selatan Pulau Jawa yang merupakan zona subduksi aktif, sedangkan titik-titik noise tersebar acak. Hasil penelitian menunjukkan bahwa ST-DBSCAN efektif dalam mendeteksi pola gempa yang saling berkaitan secara spasial-temporal dan dapat menjadi alat bantu dalam pemetaan risiko serta upaya mitigasi bencana gempa bumi di wilayah rawan.