IDENTIFIKASI KEPADATAN PENDUDUK DI PROVINSI JAWA BARAT MENGGUNAKAN HIERARCHICAL CLUSTERING
DOI:
https://doi.org/10.21063/jtif.2025.V13.1.28-39Kata Kunci:
Hierarchical Clustering, Kepadatan penduduk, Penanggulangan bencana, SungaiAbstrak
Penelitian ini menerapkan algoritma hierarchical clustering untuk mengidentifikasi pola kepadatan penduduk di Jawa Barat (18 kabupaten, 9 kota) sebagai dasar penanggulangan bencana alam. Data kepadatan penduduk 2020-2022 dari Dinas Kependudukan Jawa Barat dianalisis untuk mengelompokkan wilayah menjadi tiga kategori: terpadat, sedang, dan terendah. Metode hierarchical clustering digunakan untuk mengelompokkan wilayah berdasarkan kepadatan penduduk dan potensi banjir, dengan atribut tambahan yaitu keberadaan sungai. Hasil pengelompokan dievaluasi menggunakan Davies-Bouldin index. Hasilnya menunjukkan bahwa algoritma berhasil diterapkan, mengelompokkan 20 kabupaten/kota dengan kepadatan penduduk terendah (Cluster 0), 3 kabupaten/kota dengan kepadatan sedang (Cluster 1), dan 4 kabupaten/kota dengan kepadatan terpadat (Cluster 2).Penelitian ini diharapkan dapat memberikan wawasan kepada pemerintah dan lembaga terkait dalam merencanakan mitigasi bencana berdasarkan pola kepadatan penduduk, sehingga dapat mengurangi risiko bencana alam di masa depan. Penelitian ini mengambil data dari sumber resmi https://jabar.bps.go.id/indicator/12/245/1/kepadatan-penduduk-menurut-kabupaten-kota.html. Tujuan utama penelitian ini adalah untuk memahami pola kepadatan penduduk yang dapat memberikan indikasi tingkat risiko terhadap bencana alam tertentu di wilayah Jawa Barat. Informasi ini diharapkan dapat digunakan sebagai dasar untuk strategi penanggulangan bencana yang lebih efektif dan efisien di masa depan. Implikasi dari penelitian ini menunjukkan bahwa dengan memahami pola kepadatan penduduk dan distribusi sungai melalui metode hierarchical clustering, pemerintah dan lembaga terkait dapat merumuskan strategi penanggulangan bencana yang lebih tepat sasaran.
Referensi
C. Christiani, P. Tedjo, and B. Martono, “ANALISIS DAMPAK KEPADATAN PENDUDUK TERHADAP KUALITAS HIDUP MASYARAKAT PROVINSI JAWA TENGAH 1,” 2014.
S. Dan et al., “J U R N A L N U A N S A A K A D E M I K Jurnal Pembangunan Masyarakat (p)-SA 4.0 license,” vol. 7, no. 1, pp. 55–70, 2022.
T. A. Azis, A. S. Saputra, S. N. Azkiya, and C. Windiati, “Pengaruh Kepadatan Penduduk Terhadap Produk Domestik Regional Bruto (PDRB) Per Kapita Provinsi Jawa Barat Tahun 2022,” vol. 3, no. 2, pp. 119–127, 2024, doi: 10.30640/inisiatif.v3i2.2265.
S. Hardiyanto, D. Pulungan, U. Muhammadiyah, and T. Selatan, “Komunikasi Efektif Sebagai Upaya Penanggulangan Bencana Alam di Kota Padangsidimpuan,” 2019.
N. Sulaksana, P. P. R. Rendra, and M. Sulastri, “SOSIALISASI MITIGASI BENCANA LONGSOR DAN BANJIR SECARA VIRTUAL DI MASA PANDEMI COVID-19,” Kumawula: Jurnal Pengabdian Kepada Masyarakat, vol. 4, no. 3, p. 465, Dec. 2021, doi: 10.24198/kumawula.v4i3.35516.
P. Agina Widyaswara Suwaryo et al., “Faktor-Faktor Yang Mempengaruhi Tingkat Pengetahuan Masyarakat dalam Mitigasi Bencana Alam Tanah Longsor,” 2017.
S. K. Dirjen, P. Riset, D. Pengembangan, R. Dikti, R. O. Pratikto, and N. Damastuti, “Terakreditasi SINTA Peringkat 4 Klasterisasi Menggunakan Agglomerative Hierarchical Clustering Untuk Memodelkan Wilayah Banjir,” 2018.
M. Ilham Mubarok et al., “PEMETAAN ZONA RESIKO PENULARAN COVID-19 DI SULAWESI SELATAN MENGGUNAKAN PLOT DENDROGRAM HIERARCHICAL CLUSTERING (Mapping Of The Risk Zone Of Transmission Of Covid-19 In South Sulawesi Using A Hierarchical Clustering Dendrogram Plot),” 2021.
R. S. Oktari et al., “Indonesia’s Climate-Related Disasters and Health Adaptation Policy in the Build-Up to COP26 and Beyond,” Jan. 01, 2022, MDPI. doi: 10.3390/su14021006.
S. Widaningsih, “PERBANDINGAN METODE DATA MINING UNTUK PREDIKSI NILAI DAN WAKTU KELULUSAN MAHASISWA PRODI TEKNIK INFORMATIKA DENGAN ALGORITMA C4,5, NAÏVE BAYES, KNN DAN SVM,” Jurnal Tekno Insentif, vol. 13, no. 1, pp. 16–25, Apr. 2019, doi: 10.36787/jti.v13i1.78.
J. Jaya Purnama and S. Rahayu, “KLASIFIKASI KONSUMSI ENERGI INDUSTRI BAJA MENGGUNAKAN TEKNIK DATA MINING,” 2022. [Online]. Available: https://ejurnal.teknokrat.ac.id/index.php/teknoinfo/index
BPS Provinsi Jawa Barat, “https://jabar.bps.go.id/indicator/12/245/1/kepadatan-penduduk-menurut-kabupaten-kota.html”.
B. S. Purnomo and P. T. Prasetyaningrum, “PENERAPAN DATA MINING DALAM MENGELOMPOKKAN KUNJUNGAN WISATAWAN DI KOTA YOGYAKARTA MENGGUNAKAN METODE K-MEANS,” 2021.
M. Nishom and M. Y. Fathoni, “Implementasi Pendekatan Rule-Of-Thumb untuk Optimasi Algoritma K-Means Clustering,” vol. 03, no. 02, 2018.
J. Homepage, K. Pratama Simanjuntak, and U. Khaira, “MALCOM: Indonesian Journal of Machine Learning and Computer Science Hotspot Clustering in Jambi Province Using Agglomerative Hierarchical Clustering Algorithm Pengelompokkan Titik Api di Provinsi Jambi dengan Algoritma Agglomerative Hierarchical Clustering,” vol. 1, pp. 7–16, 2021.
T. Alfina, B. Santosa, and R. A. Barakbah, “Analisa Perbandingan Metode Hierarchical Clustering, K-means dan Gabungan Keduanya dalam Cluster Data (Studi kasus : Problem Kerja Praktek JurusanTeknik Industri ITS),” Sep. 2012.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Wahyu Iskandar Simanjuntak, Yusran Timur Samuel
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Jurnal ini dilisensikan berdasarkan Lisensi Internasional Creative Commons Attribution-ShareAlike 4.0 International License (CC BY-SA 4.0).
Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama.
Karya tersebut dapat dibagikan dan diadaptasi, bahkan untuk tujuan komersial, selama penghargaan yang sesuai diberikan dan setiap kreasi baru dilisensikan dengan ketentuan yang sama.
