Pemetaan prioritas mitigasi bencana berbasis WebGIS berdasarkan data gempa dirasakan BMKG Dan kerentanan sosial menggunakan Metode K-Means Clustering di Jawa Barat.

INDONESIA:

Pemetaan prioritas mitigasi bencana membutuhkan integrasi informasi seismik dan kerentanan sosial agar risiko wilayah dapat dipahami secara lebih komprehensif. Studi ini berfokus pada pemanfaatan data gempa dirasakan BMKG dan indikator kerentanan sosial untuk mengelompokkan kabupaten/kota di Provinsi Jawa Barat menggunakan metode K-Means. Tahapan analisis meliputi pengolahan dan normalisasi data dengan z-score, serta penerapan algoritma K-Means untuk membentuk klaster berdasarkan karakteristik risiko. Sistem visualisasi dibangun menggunakan FastAPI–Supabase pada sisi backend dan Leaflet pada antarmuka WebGIS. Hasil menunjukkan bahwa K-Means dengan jumlah klaster k=2 dan inisialisasi sebanyak 10 dan 20 menghasilkan nilai Silhouette Score yang sama yakni sebesar = 0,379115, yang mengindikasikan klaster yang terbentuk belum sepenuhnya terpisah secara tegas. Dengan demikian, klasterisasi pada penelitian ini diposisikan sebagai referensi awal untuk melihat kecenderungan risiko wilayah, bukan sebagai dasar tunggal dalam penentuan prioritas mitigasi. Sistem WebGIS yang dikembangkan berhasil menampilkan peta klaster secara dinamis dan menyediakan visualisasi spasial yang mendukung proses eksplorasi data risiko bencana.
 
ENGLISH:

Mapping disaster mitigation priorities requires the integration of seismic information and social vulnerability indicators to enable a more comprehensive understanding of regional risk. This study focuses on the utilization of felt earthquake data from BMKG and social vulnerability indicators to cluster districts and cities in West Java Province using the K-Means clustering method. The analytical stages include data preprocessing and z-score normalization, followed by the application of the K-Means algorithm to form clusters based on regional risk characteristics. The visualization system was developed using a FastAPI–Supabase backend and a Leaflet-based WebGIS interface. The results indicate that K-Means clustering with k=2 and initialization runs of 10 and 20 produces the same Silhouette Score of 0.379115, suggesting that the resulting clusters are not yet distinctly separated. Therefore, the clustering results in this study are positioned as an initial reference for identifying regional risk tendencies rather than as a sole basis for determining mitigation priorities. The developed WebGIS system successfully displays dynamic cluster maps and provides spatial visualizations that support exploratory analysis of disaster risk.

ARABIC:

يتطلب رسم خرائط أولويات التخفيف من آثار الكوارث تكاملاً بين المعلومات الزلزالية وبيانات الهشاشة الاجتماعية لفهم مخاطر المناطق بشكل شامل. تركز هذه الدراسة على الاستفادة من بيانات الزلازل المحسوسة الصادرة عن وكالة (BMKG) ومؤشرات الهشاشة الاجتماعية لتصنيف المحافظات والمدن في مقاطعة جاوة الغربية باستخدام طريقة (K-Means Clustering). تشمل مراحل التحليل معالجة البيانات وتطبيعها باستخدام مقياس (z-score)، وتطبيق خوارزمية (K-Means) لتشكيل مجموعات (Clusters) بناءً على خصائص المخاطر. تم بناء نظام التصور باستخدام (FastAPI–Supabase) في الجانب الخلفي (Backend) و (Leaflet) في واجهة نظام المعلومات الجغرافية عبر الويب (WebGIS). أظهرت النتائج أن خوارزمية "K-Means" بعدد مجموعات (k=2) مع تهيئة تكرارية بلغت 10 و 20 مرة، أنتجت نفس قيمة (Silhouette Score) وهي 0.379115، مما يشير إلى أن المجموعات المتكونة لم تنفصل تماماً بشكل حاد. وبناءً على ذلك، يتم وضع نتائج التصنيف في هذا البحث كمرجع أولي لرصد اتجاهات مخاطر المناطق، وليس كقاعدة وحيدة لتحديد أولويات التخفيف. وقد نجح نظام (WebGIS) المطور في عرض خرائط المجموعات بشكل ديناميكي وتوفير تصور مكاني يدعم عملية استكشاف بيانات مخاطر الكوارث.