Klasifikasi Waktu Tanggap Kebakaran oleh Pemadam Kebakaran di Kabupaten Sleman Menggunakan Metode K-Nearest Neighbor
Abstract
Fire incidents are disasters that have the potential to cause significant losses, both materially and in terms of human lives. Therefore, firefighters must respond quickly to public fire reports with a response time that adheres to the standards set by Peraturan Menteri Pekerjaan Umum Number 20 of 2009 concerning Pedoman Teknis Manajemen Proteksi Kebakaran di Perkotaan. However in reality, firefighters still struggle to meet these standards due to various issues such as traffic congestion and inadequate road infrastructure. To identify these problems more deeply, firefighters need to further evaluate which fire incidents in which areas fail to meet the standard response times. Thus, a classification fire response times becomes essential. This study aims to classify fire response times using the KNN (K-Nearest Neighbor) method and evaluate the classification results. The variables used in this study are travel distance and travel time. The results show excellent classification performance, with an average accuracy of 98%.
Keyword: Classification; K-Nearest Neighbor; Response Time; Firefighter.
Abstrak
Insiden kebakaran merupakan bencana yang berpotensi menimbulkan dampak kerugian signifikan, baik secara material maupun nyawa manusia. Oleh karena itu, Pemadam Kebakaran harus merespons cepat aduan masyarakat terkait kebakaran dengan waktu tanggap sesuai standar yang ditetapkan berdasarkan Peraturan Menteri Pekerjaan Umum Nomor 20 Tahun 2009 tentang Pedoman Teknis Manajemen Proteksi Kebakaran di Perkotaan. Tetapi pada kenyataannya Pemadam Kebakaran masih kesulitan untuk memenuhi standar tersebut dikarenakan berbagai masalah seperti kepadatan lalu lintas maupun infrastruktur jalan yang kurang memadai. Untuk mengidentifikasi masalah lebih mendalam, Pemadam Kebakaran perlu mengevaluasi lebih lanjut dengan cara mengetahui kejadian kebakaran daerah mana saja yang tidak memenuhi standar. Maka dari itu, diperlukan klasifikasi waktu tanggap kebakaran. Penelitian ini bertujuan mengklasifikasikan waktu tanggap kebakaran menggunakan metode KNN (K-Nearest Neighbor) kemudian dilakukan evaluasi terhadap hasil klasifikasi. Variabel yang digunakan pada penelitian ini yaitu jarak tempuh dan waktu tempuh. Penelitian ini menunjukkan hasil klasifikasi yang sangat baik, dengan rata-rata akurasi sebesar 98%.
Keywords
References
Menteri Pekerjaan Umum Republik Indonesia, Peraturan Menteri Pekerjaan Umum Nomor: 20/Prt/M/2009 Tentang Pedoman Teknis Manajemen Proteksi Kebakaran Di Perkotaan. Indonesia, 2009.
A. Fitri, Musri, and I. Syahrial, “Implementasi Standar Pelayanan Minimal (SPM) Penanggulangan Bencana Kebakaran Pada Pemadam Kebakaran Kabupaten Pesisir Selatan,” J. Ilm. Ekotrans Erud., vol. 2, no. 1, pp. 55–65, 2022.
I. Setiaji and V. Lusiana, “Uji akurasi Metode KNN dan Citra HSI dalam Mengklasifikasi Batik Solo Berdasarkan Motif,” Jutisi J. Ilm. Tek. Inform. dan Sist. Inf., vol. 12, no. 3, pp. 1013-122, 2023, doi: 10.35889/jutisi.v12i3.1377.
A. J. Arifin and A. Nugroho, “Uji Akurasi Penggunaan Metode KNN dalam Analisis Sentimen Kenaikan Harga BBM pada Media Twitter,” Progresif J. Ilm. Komput., vol. 19, no. 2, pp. 700-712, 2023, doi: 10.35889/progresif.v19i2.1288.
Dinda Nur Octaviany and Wawan Joko Pranoto, “Klasifikasi Waktu Pada Dokumen Persetujuan Accounting Voucher,” J. Tek. Mesin, Ind. Elektro dan Inform., vol. 3, no. 1, pp. 47–60, 2023, doi: 10.55606/jtmei.v3i1.3215.
A. Y. Saputra and Y. Primadasa, “Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” Techno.Com, vol. 17, no. 4, pp. 395–403, 2018, doi: 10.33633/tc.v17i4.1864.
I. W. Saputro and B. W. Sari, “Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa,” Creat. Inf. Technol. J., vol. 6, no. 1, pp. 1-13, 2020, doi: 10.24076/citec.2019v6i1.178.
Nikmatun, I. Alvi, Waspada, and Indra, “Implementasi Data Mining Untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” J. SIMETRIS, vol. 10, no. 2, pp. 421–432, 2019.
D. Salmu, S. and A. Solichin, “Prediksi Tingkat Kelulusan Mahasiswa Tepat Waktu Menggunakan Naïve Bayes : Studi Kasus UIN Syarif Hidayatullah Jakarta Prediction of Timeliness Graduation of Students Using Naïve Bayes : A Case Study at Islamic State University Syarif Hidayatullah Jakarta,” Pros. Semin. Nas. Multidisiplin Ilmu, no. April, pp. 701–709, 2017.
A. Prasetiyo and A. Witanti, “Implementasi Metode K-Nearest Neighbor Dalam Menentukan Waktu Optimal Penarikan Pesanan Driver Ojol,” J. Tek. Inform. dan Sist. Inf., vol. 11, no. 2, pp. 255–269, 2024.
Yahya and W. P. Hidayanti, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Efektivitas Penjualan Vape ( Rokok Elektrik ) pada ‘ Lombok Vape On ,’” J. Inform. dan Teknol., vol. 3, no. 2, pp. 104–114, 2020, [Online]. Available: https://e-journal.hamzanwadi.ac.id/index.php/infotek/article/view/2279/pdf_23
S. H. Rukmawan, F. R. Aszhari, Z. Rustam, and J. Pandelaki, “Cerebral Infarction Classification Using the K-Nearest Neighbor and Naive Bayes Classifier,” J. Phys. Conf. Ser., vol. 1752, no. 1, p. 012045, 2021, doi: 10.1088/1742-6596/1752/1/012045.
F. T. Admojo and Ahsanawati, “Klasifikasi Aroma Alkohol Menggunakan Metode KNN,” Indones. J. Data Sci., vol. 1, no. 2, pp. 34–38, 2020, doi: 10.33096/ijodas.v1i2.12.
D. Cahyanti, A. Rahmayani, and S. A. Husniar, “Analisis performa metode Knn pada Dataset pasien pengidap Kanker Payudara,” Indones. J. Data Sci., vol. 1, no. 2, pp. 39–43, 2020, doi: 10.33096/ijodas.v1i2.13.
A. A. D. Halim and S. Anraeni, “Analisis Klasifikasi Dataset Citra Penyakit Pneumonia menggunakan Metode K-Nearest Neighbor (KNN),” Indones. J. Data Sci., vol. 2, no. 1, pp. 01–12, 2021, doi: 10.33096/ijodas.v2i1.23.
H. A. Dwi Fasnuari, H. Yuana, and M. T. Chulkamdi, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Penyakit Diabetes Melitus,” Antivirus J. Ilm. Tek. Inform., vol. 16, no. 2, pp. 133–142, 2022, doi: 10.35457/antivirus.v16i2.2445.
Ichsanudin and Supatman, “Klasifikasi Penumpang Kereta Api DAOP 6 Yogyakarta Berdasarkan Kelas Stasiun Menggunakan KNN,” J. Tek. Inform. dan Sist. Inf., vol. 11, no. 4, pp. 318–328, 2024.
M. Fansyuri and D. Yunita, “Implementasi K-Nearest Neighbor Untuk Klasifikasi Jenis Kelamin Berdasarkan Analisis Citra Wajah,” Klik, vol. 3, no. 6, pp. 1208–1216, 2023, doi: 10.30865/klik.v3i6.827.
N. Safitri, D. Kusnandar, and S. Martha, “Implementasi Algoritma K-nearest Neighbor Dengan Normalisasi Z-score Dalam Klasifikasi Penerima Bantuan Sosial Desa Serunai,” Bul. Ilm. Math. Stat. dan Ter., vol. 13, no. 1, pp. 99–106, 2024, [Online]. Available: https://jurnal.untan.ac.id/index.php/jbmstr/article/view/74063
How To Cite This :
Refbacks
- There are currently no refbacks.
