Perbandingan Algoritma K-Means Dan K-Medoids Untuk Clustering Daerah Rawan Banjir Di Kabupaten Rokan Hilir

Abstract

Sejak tahun 2005 banjir menjadi permasalahan di Kabupaten Rokan Hilir hingga saat ini, banjir terparah pernah terjadi pada tanum 2011-2014 yang menyebabkan banyak daerah dan warga secara langsung terdampak akibat hal tersebut, sehingga masyarakat sangat membutuhkan bantuan dari beberapa pihak terutama pihak instansi pemerintahan seperti dinas sosial, untuk membantu mengurangi beban masyarakat dinas social memiliki salah satu program kerja yaitu memberikan bantuan secara langsung baik moral maupun logistic bagi para korban banjir dikabupaten rokan hilir. Agar dinas social dapat memberikan bantuan yang tepat waktu, lokasi, sasaran, kualitas, kuantitas, dan sesuai kebutuhan masyarakat, dibutuhkan klastering pada daerah rawan banjir. Pada penelitian ini dikelompokan wilayah yang rawan banjir di kabupaten Rokan Hilir. Untuk melakukan klastering pada penelitian ini akan digunakan algoritma K-Means dan K-Medoids. Setelah dilakukan percobaan menggunakan tools RapidMiner pada klaster K=2 sampai K=6 didapat metode K-Means lebih optimal dibandingkan dengan menggunakan metode K-Medoids pada data kejadian banjir di Rokan Hilir pada tahun 2019-2022 dengan jumlah k paling optimal adalah k = 3 dengan nilai validitas Davies-Bouldin Index (DBI) sebesar 0.218%, sedangkan algoritma K-Medoids klaster optimal terdapat pada K=4 dengan nilai validitas sebesar 0.525%.