Perbandingan Algoritma K-Means dan K-Medoids untuk Klasterisasi Daerah Rawan Bencana di Indonesia

Abstract

Indonesia termasuk dalam wilayah yang memiliki tingkat risiko bencana alam yang tinggi karena secara geografis terletak di antara tiga lempeng tektonik besar dunia. Kondisi tersebut membuat Indonesia rentan terhadap berbagai jenis bencana yang terjadi hampir setiap tahun di berbagai wilayah, serta menimbulkan kerugian materi dan korban jiwa. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma klasterisasi, yaitu K-Means dan K-Medoids untuk mengelompokkan provinsi di Indonesia berdasarkan tingkat kerentanan terhadap bencana alam yang dievaluasi menggunakan Davies–Bouldin Index (DBI). Hasil analisis menunjukkan bahwa algoritma K-Means memberikan hasil terbaik dengan nilai DBI sebesar 0,3932 pada K = 3, membentuk tiga kategori utama:  provinsi dengan tingkat kerentanan rendah hingga sedang (35 provinsi),  kerentanan tinggi (2 provinsi), dan kerentanan sangat tinggi (1 provinsi). Sementara itu, algoritma K-Medoids menghasilkan nilai DBI terendah sebesar 0,5860 pada K = 2, yang membagi provinsi ke dalam dua kelompok besar tingkat kerawanan. Berdasarkan hasil perbandingan tersebut, K-Means dinilai lebih efektif untuk pemetaan tingkat kerentanan bencana di Indonesia karena mampu menggambarkan pola kerawanan dengan lebih detail. Temuan ini diharapkan dapat menjadi referensi bagi instansi terkait dalam menyusun strategi mitigasi serta menetapkan prioritas penanganan pada wilayah dengan risiko bencana tinggi.