<![CDATA[Abstrak Banjir merupakan bencana alam yang sering terjadi di Indonesia, termasuk di Kecamatan Lhoksukon, Kabupaten Aceh Utara. Minimnya informasi spasial mengenai daerah rawan banjir menghambat upaya mitigasi dan penanggulangan bencana secara efektif. Penelitian ini bertujuan untuk membangun sebuah Sistem Informasi Geografis (SIG) berbasis web guna memetakan daerah rawan bencana banjir dengan menerapkan metode clustering K-Medoids. Data yang digunakan berasal dari Badan Penanggulangan Bencana Daerah (BPBD) Aceh Utara tahun 2017–2021 serta hasil wawancara dengan masyarakat setempat. Sistem ini mampu mengelompokkan daerah berdasarkan tingkat kerawanan banjir berdasarkan beberapa parameter seperti struktur tanah, kemiringan tanah, dan penggunaan lahan. Metode K-Medoids dipilih karena memiliki ketahanan yang lebih baik terhadap outlier dibanding metode lain seperti K-Means. Hasil sistem divisualisasikan dalam bentuk peta digital yang dapat diakses melalui web untuk memudahkan pihak BPBD dan masyarakat dalam memahami distribusi kerawanan banjir. Dengan adanya sistem ini, diharapkan dapat membantu dalam pengambilan keputusan yang lebih cepat dan akurat dalam upaya penanggulangan bencana banjir di masa depan. Kata Kunci: Sistem Informasi Geografis, Banjir, K-Medoids, Clustering, Aceh Utara Abstract Flooding is a frequent natural disaster in Indonesia, including in Lhoksukon Subdistrict, North Aceh Regency. The lack of spatial information regarding flood-prone areas hampers effective disaster mitigation and response. This research aims to develop a web-based Geographic Information System (GIS) to map flood-prone areas using the K-Medoids clustering method. The data used were obtained from the North Aceh Regional Disaster Management Agency (BPBD) for the years 2017–2021 and interviews with local residents. The system classifies regions based on flood vulnerability levels using parameters such as soil structure, land slope, and land use. The K-Medoids method was chosen for its superior resilience to outliers compared to other methods such as K-Means. The results are visualized through a web-accessible digital map to help BPBD and the public understand the spatial distribution of flood risk. This system is expected to support quicker and more accurate decision-making for future flood disaster management. Keywords: Geographic Information System, Flood, K-Medoids, Clustering, North Aceh]]>
Copyrights © 2025
