KLASTERISASI DAERAH RAWAN BANJIR DI PULAU JAWA DENGAN ALGORITMA DBSCAN

Abstract

Indonesia terbentang di khatulistiwa yaitu 6° LU - 11° LS dan 95° BT - 141° BT yang menjadikannya rawan bencana alam seperti banjir. Pulau Jawa adalah salah satu wilayah di Indonesia yang sering mengalami banjir. Banjir merupakan bencana alam yang dapat terjadi kapan saja tanpa terduga, bencana ini sering menimbulkan korban jiwa dan kerusakan yang signifikan, tidak hanya terbatas pada kerugian ekonomi tetapi juga berakibat pada berbagai aspek sosial. Oleh karena itu, diperlukan upaya penanggulangan dan pencegahan banjir yang efektif dan efisien. Salah satu langkah penting dalam upaya tersebut adalah dengan melakukan klasterisasi daerah rawan banjir. Algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN) merupakan salah satu metode klasterisasi yang cocok digunakan. Tujuan utama penelitian ini adalah untuk melakukan klasterisasi daerah rawan banjir di pulau Jawa menggunakan Algoritma DBSCAN, dengan harapan hasil klasterisasi ini dapat membantu pemerintah dalam menentukan prioritas penanggulangan bencana banjir sehingga dapat memudahkan dalam pengambilan keputusan. Penelitian ini mengkaji data dari BNPB mengenai kejadian banjir di Indonesia selama 2021-2023. Data tersebut mencakup jumlah kejadian banjir, korban jiwa, dan kerusakan yang diakibatkannya. Dua parameter utama yang digunakan adalah dengan nilai Eps 0,5 dan MinPts yaitu 3 yang menghasilkan 2 cluster yang terdiri dari cluster 1 berjumlah 11 titik sebaran yang merupakan kabupaten/kota yang memiliki kerawanan bencana banjir tinggi dan cluster 2 sebanyak 108 titik sebaran yang merupakan kabupaten/kota dengan tingkat kerawanan bencana banjir rendah. Hasil penelitian ini diharapkan dapat membantu pemerintah di Pulau Jawa dalam memprioritaskan penanganan dan pencegahan banjir berdasarkan tingkat kerawanan bencana banjir di masing-masing wilayah.