KLASTERISASI INTENSITAS DAN TREN KEJADIAN BENCANA DI INDONESIA (2018–2024) MENGGUNAKAN ALGORITMA K-MEANS
Kata Kunci:
Klasterisasi Data, Bencana Alam, K-Means, Analisis Tren, Jawa BaratAbstrak
Penelitian ini bertujuan mengelompokkan provinsi di Indonesia berdasarkan intensitas dan tren bencana (Januari 2018–Mei 2024) menggunakan algoritma K-Means. Berdasarkan 28.773 data kejadian dari BNPB, evaluasi model (Elbow Method & Silhouette Score 0,81) menghasilkan 3 klaster optimal dengan struktur kuat. Hasil menunjukkan pola "Jawa-sentris" yang ekstrem: Jawa Barat menempati klaster intensitas "Tinggi", disusul Jawa Tengah dan Jawa Timur pada klaster "Sedang", sementara 35 provinsi lainnya berada di klaster "Rendah". Temuan ini menjadi landasan empiris perlunya pemusatan logistik dan prioritas mitigasi bencana yang lebih agresif di Pulau Jawa.
This study clusters Indonesian provinces based on disaster intensity and trends (January 2018–May 2024) using K-Means. Analyzing 28,773 BNPB records, model evaluation (Elbow Method & Silhouette Score 0.81) identified 3 optimal clusters with a strong structure. Results reveal an extreme "Java-centric" pattern: West Java forms the "High" intensity cluster, followed by Central and East Java in the "Medium" cluster, while the other 35 provinces fall into the "Low" cluster. These findings provide an empirical basis for prioritizing centralized logistics and aggressive mitigation efforts on Java Island.
