Analisis Klastering Multi-Hazard Risiko Bencana Kawasan Strategis Wilayah Perencanaan Ibu Kota Nusantara Menggunakan Algoritma K-Prototypes

SESA ARINI RAHMA, Danang Teguh Qoyyimi, M.Sc., Ph.D

2025 | Skripsi | STATISTIKA

Pemindahan Ibu Kota Negara dari DKI Jakarta ke Kalimantan Timur, tepatnya di Kabupaten Penajam Paser Utara dan Kutai Kartanegara, membawa implikasi besar terhadap kesiapsiagaan dan pengelolaan risiko bencana di wilayah tersebut. Potensi multi bencana yang dimiliki seperti gempa bumi, banjir, kebakaran hutan dan lahan, serta kekeringan, diperlukan pendekatan berbasis data untuk mengelompokkan wilayah rawan bencana secara lebih terarah. Penelitian ini menggunakan algoritma k-prototypes untuk melakukan analisis klaster pada data kombinasi numerik dan kategorik, dengan penentuan jumlah klaster optimal menggunakan metode elbow. Hasil penelitian menunjukkan tiga kelompok desa dengan karakteristik ancaman dan tingkat risiko berbeda. Diperoleh tiga pola utama: (1) desa dengan risiko tinggi terhadap kekeringan; (2) desa dengan risiko menengah yang rentan terhadap longsor; serta (3) desa berisiko lebih rendah namun menghadapi bencana yang lebih banyak. Pola klaster ini menjadi dasar dalam perumusan strategi mitigasi yang lebih terarah dan kontekstual, guna mendukung penguatan ketangguhan desa dalam menghadapi risiko bencana di wilayah IKN.

East Kalimantan specifically in the regencies of Penajam Paser Utara and Kutai Kartanegara has significant implications for disaster preparedness and risk management in the area. Given the presence of multiple hazards such as earthquakes, floods, forest and land fires, and drought, a data-driven approach is needed to classify disaster-prone areas more systematically. This study employs the K-Prototypes clustering algorithm to analyze a combination of numerical and categorical disaster risk data, with the optimal number of clusters determined using the Elbow Method. The analysis identified three groups of villages, each with distinct hazard exposures and risk levels. The results show three distinct clusters of disaster-prone villages: (1) villages predominantly exposed to drought, (2) villages vulnerable to landslides, and (3) villages facing more disaster. These clustering patterns serve as a foundation for formulating more targeted and context specific mitigation strategies, aimed at strengthening village level resilience to disaster risks in the IKN area.

Kata Kunci : Multi-hazard, Mitigasi, K-Prototypes