Implementasi Algoritma K-Means Clustering Dalam Pengelompokan Data Kerusakan Rumah Akibat Bencana Alam Di Kabupaten Cirebon

Abstract

Kerusakan rumah adalah tidak berfungsinya rumah atau komponen rumah akibat penyusutan atau berakhirnya umur rumah, atau akibat ulah manusia atau perilaku alam seperti beban fungsi yang berlebih, kebakaran, gempa bumi, atau sebab lain yang sejenis. Dampak dari bencana ini tidak hanya mencakup kerugian harta benda, tetapi juga berdampak besar terhadap masyarakat, ekonomi, dan lingkungan. Masalah kerusakan rumah di Kabupaten Cirebon sangat bervariasi, mulai dari kerusakan ringan hingga rusak berat. Penelitian ini mengambil pendekatan Knowledge Discovery in Databases (KDD) untuk mengatasi masalah ini adalah dengan menerapkan algoritma K-Means Clustering untuk menentukan data kerusakan rumah terbanyak berdasarkan jenis kerusakan dan mencari nilai DBI teroptimal. Tujuan dari tugas akhir ini adalah mengimplementasikan algoritma K-means Clustering untuk pengelompokan kerusakan rumah akibat bencana alam di Kabupaten Cirebon berdasarkan jenis kerusakan menggunakan algoritma K-Means Clustering. Selain itu, penelitian ini bertujuan untuk menentukan nilai DBI. Hasil tugas akhir ini cluster 0 terdiri dari Rusak Ringan sebanyak 78, Rusak Sedang 78, Rusak Berat 78, Terendam 78, Terancam 78, dan Tertimbun 78. Sementara itu, cluster 1 terdiri dari ringan rusak 2, rusak sedang 2, berat rusak 2, Terendam 2, Terancam 2, dan Tertimbun 2. dan nilai DBI teroptimal adalah 0,025 dimana dari K-2 =0,025, K-3 =0,083, K-4 =0,026, K-5 =0,059, K-6=0,053, K-7=0,051, K-8=0,041, K-9=0,046, K-10=0,039 jadi nilai DBI paling optimalnya adalah 0,025.