Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal BIMASTER
Regita, Luna Amara
Unknown Affiliation
Decision Sciences, Operations Research & Management Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENGELOMPOKAN KEJADIAN BENCANA ALAM DI INDONESIA MENGGUNAKAN ALGORITMA K-MEANS++ DENGAN EVALUASI CALINSKI HARABASZ INDEX Regita, Luna Amara; Martha, Shantika; Satyahadewi, Neva
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 15, No 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v15i1.105966

Abstract

Indonesia merupakan wilayah yang rawan terhadap berbagai jenis bencana alam, sehingga diperlukan analisis untuk memahami pola kerawanan antar wilayah. Penelitian ini bertujuan untuk mengelompokkan provinsi di Indonesia berdasarkan jumlah kejadian bencana alam menggunakan algoritma K-Means++ serta menentukan jumlah klaster yang optimal menggunakan evaluasi Calinski Harabasz Index (CHI). Data yang digunakan berasal dari PODES (Potensi Desa) 2023-2024 yang semula mencakup 11 jenis bencana alam seperti banjir, gempa bumi, dan variabel lainnya dan 1 kategori wilayah tanpa bencana. Setelah uji multikolinearitas, dua variabel dieliminasi sehingga analisis akhir menggunakan 9 jenis bencana dan 1 variabel “tidak ada bencana alam”. Sebelum proses klasterisasi, data distandardisasi untuk memastikan perbandingan antar variabel sama tanpa dipengaruhi perbedaan skala, kemudian melakukan pengecekan multikolinearitas dan menghitung jarak menggunakan metode Euclidean Distance. Berdasarkan nilai CHI, jumlah klaster optimal adalah dua klaster. Klaster pertama berisi provinsi dengan tingkat kerawanan tinggi, sehingga dikategorikan sebagai klaster multihazard (rawan bencana). Klaster kedua mencakup provinsi dengan tingkat kerawanan lebih rendah, sehingga dikategorikan sebagai hidrometeorologis (minim bencana). Hasil penelitian ini dapat digunakan sebagai dasar pendukung kebijakan mitigasi, prioritas penanganan, serta pemetaan risiko bencana di tingkat nasional maupun daerah.
Co-Authors Martha, Shantika Neva Satyahadewi