Implementasi Metode Fuzzy Possibilistic C-Means pada Pengelompokan Provinsi di Indonesia Berdasarkan Data Jumlah Kejadian dan Dampak Bencana Banjir

Abstract

Analisis cluster merupakan salah satu teknik dalam data mining yang digunakan untuk menemukan kelompok objek data yang serupa. Metode Fuzzy Possibilistic C-Means (FPCM) adalah salah satu metode clustering yang merupakan pengembangan dari algoritma Fuzzy C-Means (FCM) dan Possibilistic C-Means (PCM) dengan menggunakan kelebihan dari pemodelan fuzzy dan possibilistic. Penelitian ini bertujuan untuk mengetahui jumlah cluster optimal berdasarkan indeks validitas Modified Partition Coefficient (MPC) serta mengetahui hasil pengelompokan optimal 34 Provinsi di Indonesia berdasarkan data jumlah kejadian dan dampak bencana banjir pada tahun 2017-2021. Menurut Badan Nasional Penanggulangan Bencana (BNPB) sejak tahun 2017 hingga 2021 jumlah bencana alam yang terjadi di Indonesia mencapai 18.658 kejadian di mana bencana banjir termasuk kategori bencana yang besar dengan persentase total kejadian 28% sejak tahun 2017 hingga 2021. Oleh sebab itu, perlu dilakukan pengelompokan Provinsi di Indonesia berdasarkan dampak bencana banjir sebagai upaya mitigasi dalam mengenali risiko bencana banjir. Jumlah cluster optimal dengan menggunakan metode FPCM berdasarkan indeks validitas MPC adalah sebanyak 2 cluster yaitu cluster pertama beranggotakan 19 Provinsi di Indonesia dan cluster  kedua beranggotakan 15 Provinsi di Indonesia. Cluster pertama didominasi oleh provinsi di Kepulauan Sumatera yang sebagian besar kawasannya terdiri dari dataran tinggi dan pegunungan, serta provinsi yang terletak di Kepulauan Papua dan Maluku yang memiliki jumlah penduduk lebih kecil dibandingkan dengan provinsi lain. Sementara pada cluster kedua didominasi oleh provinsi dengan jumlah pemukiman bantaran sungai yang cukup tinggi.