Klasterisasi Bencana dan Dampaknya di Indonesia: Klasterisasi Bencana dan Dampaknya di Indonesia: Evaluasi Metode K-means dengan Integrasi PCA

Abstract

Penelitian ini bertujuan untuk menganalisis dampak bencana di 38 provinsi Indonesia selama tahun 2023 dengan menggunakan metode analisis klaster k-means, baik dengan maupun tanpa integrasi Analisis Komponen Utama (PCA). Data yang digunakan bersumber dari "Data Bencana Indonesia 2023" oleh Badan Nasional Penanggulangan Bencana (BNPB), mencakup variabel jumlah kejadian bencana, jumlah korban, kerusakan rumah, dan kerusakan fasilitas umum. Hasil analisis menunjukkan bahwa k-means dengan PCA memberikan pengelompokan provinsi yang lebih optimal. Skor silhouette yang meningkat dari 0,65 menjadi 0,81 menegaskan efektivitas PCA dalam mereduksi komponen. Secara khusus, Jawa Barat teridentifikasi sebagai provinsi dengan karakteristik unik, mengalami kejadian bencana dan kerusakan yang paling tinggi, dan secara konsisten terpisah dari klaster lainnya dalam kedua metode. Penelitian ini menyoroti pentingnya memahami distribusi geografis dan frekuensi bencana untuk pengembangan kebijakan mitigasi risiko bencana yang lebih efektif dan berkelanjutan, serta mendukung upaya pencapaian target Sendai Framework dan Sustainable Development Goals (SDGs) terkait pengurangan risiko bencana.