<![CDATA[Bencana alam merupakan peristiwa yang dapat menimbulkan dampak signifikan terhadap kehidupan masyarakat, baik dari segi kerugian ekonomi, sosial, maupun infrastruktur. Oleh karena itu, identifikasi wilayah rawan bencana menjadi langkah krusial dalam upaya mitigasi dan perencanaan kebijakan penanggulangan bencana. Penelitian ini bertujuan untuk melakukan analisis cluster wilayah rawan bencana alam di Jawa Barat menggunakan algoritma K-Medoids, yang dikenal lebih robust terhadap outlier dibandingkan metode clustering lainnya. Dalam penelitian ini, pengelompokan dilakukan berdasarkan beberapa variabel yang berpengaruh dalam menentukan tingkat rawan bencana alam di suatu wilayah. Untuk meningkatkan keakuratan hasil clustering, perhitungan jarak dilakukan menggunakan dua metrik, yaitu Euclidean distance dan Manhattan distance. Hasil dari proses clustering kemudian divalidasi menggunakan Davies-Bouldin index guna menentukan kualitas dan optimalitas pengelompokan yang diperoleh. Hasil penelitian menunjukkan bahwa metode K-Medoids mampu mengelompokkan wilayah rawan bencana secara efektif dengan pola yang lebih jelas. Diperoleh 2 cluster yang menggambarkan tingkat kerawanan bencana di berbagai daerah di Jawa Barat. Cluster 1 menunjukkan wilayah dengan tingkat rawan bencana yang tinggi dan cluster 2 menunjukkan wilayah dengan tingkat rawan bencana yang rendah. Hasil perhitungan Davies-Bouldin index menunjukkan bahwa penggunaan Manhattan distance lebih optimal dibandingkan dengan Euclidean distance dengan nilai DBI sebesar 0,299043. Temuan ini dapat menjadi referensi dalam perumusan kebijakan mitigasi bencana yang lebih tepat sasaran serta meningkatkan kesiapsiagaan masyarakat dalam menghadapi potensi bencana di masa mendatang]]>
