Perbandingan Algoritma K-Means dan K-Medoids untuk Klasterisasi Daerah Rawan Bencana Alam di Kabupaten Jember

Abstract

Kabupaten Jember terletak di bagian timur provinsi Jawa Timur dalam kawasan tapal kuda, tercatat sebagai salah satu wilayah dengan kejadian bencana alam tertinggi. Bencana alam seperti kekeringan, tanah longsor, gempa bumi, dan banjir, sehingga penting dilakukannya identifikasi daerah rawan bencana guna mendukung upaya mitigasi. Penelitian ini memiliki tujuan untuk membandingkan efektivitas algoritma K-Means dan K-Medoids pada klasterisasi daerah-daerah di Kabupaten Jember yang rawan terhadap bencana alam. Data yang digunakan mencakup berbagai indikator rawan bencana, yaitu jumlah kejadian bencana, korban meninggal, korban luka, korban hilang, kerusakan rumah, kerusakan fasilitas umum, dan kepadatan penduduk. Sebelum dilakukan klasterisasi dilakukan normalisasi data menggunakan Min-Max Scaling untuk menyamakan skala data, dilanjutkan dengan menerapkan algoritma K-Means dan K-Medoids yang digunakan untuk pembentukan cluster. Kualitas cluster akan dievaluasi berdasarkan perhitungan Davies-Bouldin Index (DBI) untuk menentukan algoritma terbaik. Hasil penelitian menunjukkan bahwa nilai DBI dari cluster yang dihasilkan oleh algoritma K-Means adalah 0,7847 lebih rendah dari nilai DBI algoritma K-Medoids, yaitu 1,1631. Berdasarkan analisis yang dilakukan algoritma K-Means ditetapkan sebagai algoritma terbaik menghasilkan lima cluster daerah rawan bencana alam di Kabupaten Jember. Hasil klasterisasi yaitu cluster 1 mewakili tingkat kerawanan bencana sedang, cluster 2 mewakili tingkat kerawanan bencana rendah, cluster 3 mewakili tingkat kerawanan bencana sangat tinggi, cluster 4 mewakili tingkat kerawanan bencana tinggi, cluster 5 mewakili tingkat kerawanan bencana sangat rendah.