Clustering Zonasi Daerah Rawan Bencana Alam di Kabupaten Mandailing Natal menggunakan Algoritma K-Means
Indonesia sering mengalami bencana alam, khususnya banjir di Panyabungan, Kabupaten Mandailing Natal, menghadapi tantangan besar dalam menjaga keselamatan dan kesejahteraan penduduknya. Tingginya kerentanan terhadap bencana alam dan kurangnya pemetaan yang akurat terhadap daerah rawan banjir menjad...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universitas Islam Raden Rahmat
2023-07-01
|
| Series: | G-Tech |
| Subjects: | |
| Online Access: | https://ejournal.uniramalang.ac.id/index.php/g-tech/article/view/2880 |
| Summary: | Indonesia sering mengalami bencana alam, khususnya banjir di Panyabungan, Kabupaten Mandailing Natal, menghadapi tantangan besar dalam menjaga keselamatan dan kesejahteraan penduduknya. Tingginya kerentanan terhadap bencana alam dan kurangnya pemetaan yang akurat terhadap daerah rawan banjir menjadi kendala dalam penanggulangan bencana. Namun, melalui penggunaan teknologi data mining dan algoritma K-Means, penelitian ini menawarkan solusi potensial untuk secara efektif mengidentifikasi wilayahyang rentan terhadap banjir.Pengembangan model pengelompokan dan perangkat lunak ini akan membantu pihak berwenang untuk mengurangi kerugian akibat bencana banjir. Dengan pemetaan daerah rawan dan pengklasteran menjadi tiga tingkat kerentanan, respons terhadap bencana dapat dilakukan dengan lebih cepat dan efisien. Penelitian ini bertujuan untuk mendukung upaya mitigasi bencana dan peningkatan pelayanan bagi masyarakat di Panyabungan. Dengan demikian, penelitian ini memberikan kontribusi penting dalam meningkatkan pemahaman tentang bencana banjir di wilayah rentan di Indonesia, serta bisa menjadi acuan untuk pengambilan keputusan yang tepat guna menjaga keselamatan penduduk di masa depan.
|
|---|---|
| ISSN: | 2580-8737 2623-064X |