Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM

Abstract

Frekuensi tingginya potensi bahaya bencana yang kerap terjadi di Indonesia yaitu bencana kebakaran hutan dan juga lahan atau biasa disebut dengan Karhutla. Dampak yang terjadi akibat bencana ini sangat besar dan membahayakan, akibat dari bencana kebakaran hutan serta lahan dapat mempengaruhi udara, air, lahan dan juga menyebabkan kerugian finansial, kerusakan fasilitas dan tempat hidup flora dan juga fauna yang ada, serta dapat mengancam nyawa manusia. Informasi daerah bencana dengan potensi kejadian yang tinggi dapat digunakan sebagai informasi agar masyarakat lebih awas dan juga siaga dalam mengenal lingkungan tersebut. Penggunaan teknik clustering dengan menggunakan algoritma K-Means dimana data akan dikelompokkan menjadi beberapa bagian kelompok dan setiap kelompok mempunyai karakteristik yang mirip satu sama lain, tetapi mempunyai karakteristik yang berbeda dengan kelompok lain. Tujuan penelitian dilakukan untuk menghasilkan kelompok daerah yang memiliki potensi tinggi untuk terjadi kebakaran, yang berguna bagi masyarakat agar mengenal bahaya yang mungkin terjadi pada daerah tersebut. Dengan potensi daerah tingkat bencana kebakaran akan ditunjukan dalam beberapa cluster dan terdapat cluster tertinggi ditujukan kepada Cluster 3 dengan indeks kebakaran di setiap kota tercatat mencapai 87 kejadian setiap tahunnya.