Clustering Daerah Rawan Bencana di Indonesia Menggunakan Algortima K-Medoids dan K-Means

Indonesia adalah negara yang memiliki banyak keindahan alam seperti gunung, pantai, bukit dan masih banyak keindahan alam lainnya dan Indonesia terletak di garis khatulistiwa sehingga Indonesia menjadi negara yang sangat istimewa. Dibalik banyaknya keindahan alam yang dimiliki indonesia ternyata Indonesia sangat rawan akan bencana seperti gunung meletus, tanah longsor, gempa bumi, tsunami, kebakaran hutan dan yang lainnya. Dengan permasalahan yang ada pemerintah harus memiliki data yang tepat untuk menangani daerah-daerah yang rawan akan bencana. Penyaluran bantuan sering kali tidak datang tepat waktu ketika terjadinya bencana sehingga banyaknya korban jiwa atau korban yang terlantar. Hasil penelitian ini adalah mengelompokkan daerah-daerah yang rawan bencana menggunakan metode K-Medoids dan K- means. Dari pengujian yang dilakukan didapatkan hasil bahwa ada 4 klaster untuk mengelompokkan daerah rawan bencana di Indonesia yaitu rendah, sedang, tinggi dan sangat tinggi. Tools yang digunakan untuk penelitian ini menggunakan RapidMiner dan bahasa pemrograman python. Kata Kunci: bencana, data mining, k-means, k-medoids, pemerintah