Clustering Data Kejadian Kebakaran di Jakarta Menggunakan Algoritma K-Means untuk Identifikasi Daerah Rawan

Abstract

Kebakaran merupakan salah satu bencana yang sering terjadi di wilayah perkotaan dan berpotensi menimbulkan kerugian material, korban jiwa, serta gangguan terhadap aktivitas masyarakat. Tingginya kepadatan penduduk dan kompleksitas lingkungan perkotaan di Provinsi DKI Jakarta menyebabkan tingkat kerawanan kebakaran berbeda pada setiap wilayah, sehingga diperlukan identifikasi daerah rawan sebagai dasar penyusunan strategi mitigasi yang lebih tepat sasaran. Penelitian ini bertujuan untuk mengelompokkan 44 kecamatan di Provinsi DKI Jakarta berdasarkan karakteristik kejadian kebakaran menggunakan algoritma K-Means Clustering. Variabel yang digunakan meliputi total frekuensi kejadian kebakaran, rata-rata kepadatan penduduk, total jumlah penduduk, dan rata-rata jumlah sosialisasi pencegahan kebakaran. Data diproses melalui tahapan Knowledge Discovery in Database (KDD), yang meliputi seleksi data, preprocessing, normalisasi menggunakan metode Z-Score, proses clustering menggunakan algoritma K-Means, serta evaluasi hasil menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa jumlah klaster optimal diperoleh pada k=5 dengan nilai silhouette sebesar 0,347. Pengelompokan menghasilkan lima klaster dengan karakteristik yang berbeda secara signifikan berdasarkan hasil uji ANOVA dan chi-square. Klaster C3 yang terdiri dari Kecamatan Cengkareng, Kalideres, dan Cakung teridentifikasi sebagai wilayah dengan tingkat kerawanan kebakaran tertinggi karena memiliki frekuensi kejadian kebakaran dan jumlah penduduk terbesar dibandingkan klaster lainnya. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengidentifikasi pola kerawanan kebakaran secara objektif dan dapat dimanfaatkan sebagai dasar pengambilan keputusan dalam penyusunan program mitigasi dan pencegahan kebakaran berbasis wilayah di Provinsi DKI Jakarta.