KOMPARASI 2 METODE CLUSTER DALAM PENGELOMPOKAN INTENSITAS BENCANA ALAM DI INDONESIA

Data mining merupakan sebuah proses pengolahan informasiyang digunakan untuk keperluan tertentu dari suatu database. Salah satumetode dalam data mining adalah Clustering, yang berfungsi untukmencari pola, titik, objek, atau dokumen yang dapat dikelompokkan. Algoritma K-Means clustering memiliki peran penting dalam bidang data mining karena mudah diimplementasikan dan dijalankan. Namun, terdapatvariasi pengembangan dari metode K-Means Clustering, yaitu K-Medoids, yang diciptakan untuk mengatasi kelemahan Algoritma K-Means yang cenderung sensitif terhadap outlier. Dalam penelitian ini, kedua algoritma clustering dibandingkan dengan menggunakan dataset yang berisi informasi tentang bencana alam di Indonesia dari tahun 2013-2022, yang terdiri dari atribut banjir, gempa bumi, kekeringan, putingbeliung, tanah longsor, dan tsunami. Hasil pengujian menunjukkan bahwanilai DBI pada K-Means lebih rendah dibandingkan K-Medoids, yaitumasing-masing 0.425 dan 0.939. Berdasarkan data tersebut, terdapat tigacluster yang terbentuk, yang dapat diinterpretasikan berdasarkan intensitasbencana alam, dengan masing-masing cluster memiliki karakteristik yang berbeda.