<![CDATA[Salah satu masalah terbesar yang dihadapi masyarakat Jawa Barat adalah bencana alam.Analisis berbasis data diperlukan untuk memahami pola kejadian bencana dan mendukung kebijakanmitigasi yang efektif karena berbagai jenis bencana. Untuk menganalisis data kejadian bencana diJawa Barat selama periode 2020–2023, penelitian ini menggunakan pendekatan KnowledgeDiscovery in Databases (KDD).Tahapan KDD meliputi pembuatan dataset, preprocessing untuknormalisasi dan penanganan data hilang, serta transformasi guna menentukan atribut utama.Algoritma K-Means digunakan dalam proses data mining untuk mengelompokkan wilayahberdasarkan jenis bencana dan intensitasnya. Tahap terakhir adalah interpretasi hasil, yang bertujuanuntuk memahami pola distribusi bencana. Hasil klasterisasi menghasilkan lima kluster utama. Cluster0 menunjukkan dominasi kejadian banjir dan kebakaran lahan, sering ditemukan di dataran rendahdengan karakteristik lingkungan yang rawan pembakaran liar. Cluster 1 didominasi oleh kejadiantanah longsor di wilayah perbukitan yang curah hujannya tinggi. Cluster 2 mencerminkan kombinasikejadian hujan angin dan kekeringan di daerah pedesaan dengan sumber daya air terbatas. Cluster 3menunjukkan kejadian bencana dengan frekuensi rendah dan distribusi yang merata, seringkali terkaitdengan daerah urban. Sementara itu, Cluster 4 memiliki tingkat heterogenitas tertinggi, mencakupberbagai jenis bencana dengan intensitas bervariasi di wilayah pegunungan dan lembah. Kualitasklasterisasi diukur menggunakan Davies-Bouldin Index (DBI) sebesar 0.085, mengindikasikanpemisahan kluster yang baik. Selain itu, analisis Performance Vector menunjukkan jarak total antarkluster sebesar 2.311, dengan jarak terbesar pada Cluster 4 (4.672). penelitian ini diharapkan dapatmembantu dalam perencanaan dan alokasi sumber daya yang lebih tepat sasaran untuk mitigasibencana.]]>
