ANALISIS CLUSTER WILAYAH BERDASARKAN RISIKO BENCANA ALAM MENGGUNAKAN K-MEDOIDS DENGAN PARTICLE SWARM OPTIMIZATION

REGIONAL CLUSTER ANALYSIS BASED ON NATURAL DISASTER RISK USING K-MEDOIDS WITH PARTICLE SWARM OPTIMIZATION

Bencana alam merupakan kejadian yang tidak dapat diprediksi waktunya serta memiliki dampak yang merugikan secara signifikan. Berdasarkan Badan Nasional Penanggulangan Bencana mencatat data sepanjang tahun 2023 terjadi 5.401 kejadian bencana alam yang tersebar secara menyeluruh di wilayah Indonesia. Dengan data jumlah bencana alam sebesar 5.401, diperlukan mitigasi bencana alam untuk mengatasi dampak yang ditimbulkan oleh bencana alam. Proses mitigasi bencana alam perlu untuk mengetahui pemahaman yang mendalam mengenai karakteristik dan risiko yang dihadapi oleh setiap wilayah. Sehingga diperlukan penelitian untuk pengelompokan wilayah berdasarkan risiko bencana alam menggunakan analisis cluster. Analisis cluster 34 provinsi di Indonesia berdasarkan risiko bencana alam pada penelitian ini menggunakan Metode K-Medoids dengan  Particle Swarm Optimization sebagai algoritma optimasi dalam penentuan pusat cluster awal. Dan untuk perhitungan jarak yang digunakan pada penelitian ini yaitu Euclidean distance dan Manhattan distance. Pada penelitian ini terbentuk 2 cluster dengan kategori untuk cluster 1 merupakan provinsi dengan tingkat risiko bencana alam yang tinggi dan cluster 2 adalah provinsi yang memiliki tingkat risiko bencana alam yang rendah. Hasil analisis cluster wilayah berdasarkan risiko bencana alam di Indonesia menunjukkan bahwa penggunaan metode K-Medoids dengan  Particle Swarm Optimization sebagai algoritma optimasi dalam penentuan pusat cluster awal dengan perhitungan jarak Manhattan memiliki hasil analisis cluster yang paling optimal dengan nilai Davies-Bouldin Indeks (DBI) sebesar 0,834112.