Pengembangan Model Pengelompokan Jenis Bencana Alam di Jawa Barat menggunakan Algoritma K-Means

Abstract

Salah satu masalah terbesar yang dihadapi masyarakat Jawa Barat adalah bencana alam. Analisis berbasis data diperlukan untuk memahami pola kejadian bencana dan mendukung kebijakan mitigasi yang efektif karena berbagai jenis bencana. Untuk menganalisis data kejadian bencana di Jawa Barat selama periode 2020–2023, penelitian ini menggunakan pendekatan Knowledge Discovery in Databases (KDD).Tahapan KDD meliputi pembuatan dataset, preprocessing untuk normalisasi dan penanganan data hilang, serta transformasi guna menentukan atribut utama. Algoritma K-Means digunakan dalam proses data mining untuk mengelompokkan wilayah berdasarkan jenis bencana dan intensitasnya. Tahap terakhir adalah interpretasi hasil, yang bertujuan untuk memahami pola distribusi bencana. Hasil klasterisasi menghasilkan lima kluster utama. Cluster 0 menunjukkan dominasi kejadian banjir dan kebakaran lahan, sering ditemukan di dataran rendah dengan karakteristik lingkungan yang rawan pembakaran liar. Cluster 1 didominasi oleh kejadian tanah longsor di wilayah perbukitan yang curah hujannya tinggi. Cluster 2 mencerminkan kombinasi kejadian hujan angin dan kekeringan di daerah pedesaan dengan sumber daya air terbatas. Cluster 3 menunjukkan kejadian bencana dengan frekuensi rendah dan distribusi yang merata, seringkali terkait dengan daerah urban. Sementara itu, Cluster 4 memiliki tingkat heterogenitas tertinggi, mencakup berbagai jenis bencana dengan intensitas bervariasi di wilayah pegunungan dan lembah. Kualitas klasterisasi diukur menggunakan Davies-Bouldin Index (DBI) sebesar 0.085, mengindikasikan pemisahan kluster yang baik. Selain itu, analisis Performance Vector menunjukkan jarak total antar-kluster sebesar 2.311, dengan jarak terbesar pada Cluster 4 (4.672). Selain memberikan wawasan mendalam tentang pola bencana di Jawa Barat, penelitian ini diharapkan dapat membantu dalam perencanaan dan alokasi sumber daya yang lebih tepat sasaran untuk mitigasi bencana.