<![CDATA[Data dari Badan Penanggulangan Bencana Daerah Kabupaten Situbondo menunjukkan bahwa banyak bencana terjadi di Kabupaten Situbondo, baik yang disebabkan oleh alam maupun non-alam. Pemerintah dapat menentukan prioritas penanggulangan bencana dengan menggunakan hasil dari pembagian wilayah berdasarkan tingkat kerawanan bencana. Dengan menetapkan prioritas, sumber daya yang terbatas dapat dialokasikan ke wilayah yang paling membutuhkan. Dengan menggunakan pemodelan clustering, proses data mining dapat menggunakan data kejadian bencana untuk mengelompokkan daerah yang rawan bencana. Tujuan dari penelitian ini adalah untuk membandingkan pemodelan clustering daerah rawan bencana menggunakan algoritma K-Means dan K-Medoids, yang didasarkan pada data kejadian bencana dari tahun 2019 hingga 2023. Penelitian ini dilakukan dengan melihat hasil cluster dari kedua algoritma ini, menggunakan dataset yang sama dan jumlah cluster yang sama, yaitu tiga cluster. Hasil penelitian menunjukkan bahwa algoritma K-Means memiliki nilai indeks Davies-Bouldin (DBI) yang lebih baik (0.853) daripada K-Medoids (1.388). Hasil ini menunjukkan bahwa algoritma K-Means lebih efektif dalam mengelompokkan daerah Kabupaten Situbondo yang rawan bencana berdasarkan data kejadian bencana. Kata kunci : Bencana, Data Mining, K-Means, K-Medoids, Clustering, Davies-Bouldin Index]]>
Copyrights © 2024
