OPTIMASI PARAMETER DBSCAN DENGAN BAYESIAN OPTIMIZATION UNTUK PEMETAAN MITIGASI BENCANA ALAM

Abstract

Provinsi Jawa Barat memiliki tingkat kerawanan bencana alam yang tinggi, sehingga pemetaan wilayah rawan bencana hingga tingkat kecamatan penting untuk mendukung upaya mitigasi. Penelitian ini bertujuan mengelompokkan wilayah rawan bencana di Provinsi Jawa Barat menggunakan algoritma DBSCAN, yang kinerjanya sensitif terhadap parameter epsilon (ε) dan Minimum points (MinPts). Oleh karena itu, Bayesian Optimization digunakan untuk memperoleh parameter yang optimal. Data yang digunakan berupa jumlah kejadian bencana alam per kecamatan periode 2022–2024 dari Open Data Jawa Barat serta data koordinat kecamatan dari OpenStreetMap. Parameter awal DBSCAN ditentukan melalui analisis k-distance plot dan MinPts, kemudian dioptimalkan menggunakan Bayesian Optimization. Hasil evaluasi menggunakan Silhouette Coefficient menunjukkan bahwa DBSCAN dengan parameter baseline (ε = 0,18 dan MinPts = 6) menghasilkan nilai Silhouette 0,5413, sedangkan setelah optimasi diperoleh parameter optimal ε = 0,34 dan MinPts = 2 dengan peningkatan nilai Silhouette menjadi 0,7080. Hasil ini menunjukkan bahwa Bayesian Optimization efektif dalam meningkatkan kualitas klasterisasi wilayah rawan bencana.