Abstrak

Indonesia merupakan salah satu negara dengan tingkat aktivitas seismik tertinggi di dunia karena lokasinya berada di pertemuan tiga lempeng utama. Tingginya potensi gempa bumi menuntut adanya pendekatan berbasis data untuk memetakan wilayah rawan secara lebih akurat. Penelitian ini bertujuan untuk mengelompokkan daerah rawan gempa di Indonesia menggunakan algoritma klasterisasi K-Means dan DBSCAN. Dataset yang digunakan mencakup data spasial (latitude, longitude) dan data seismik (magnitude, depth, phasecount, azimuth_gap) yang diperoleh dari katalog gempa bumi BMKG periode 2008–2025. Penelitian diawali dengan tahapan praproses data, yang mencakup pembersihan data, konversi tipe, seleksi fitur, imputasi nilai hilang, deteksi dan penghapusan outlier, serta normalisasi. Selanjutnya, dilakukan penerapan algoritma klasterisasi dalam tiga skenario utama yaitu data spasial, data seismik, dan gabungan data spasial dan seismik. Evaluasi menggunakan metrik Silhouette Score dan Davies-Bouldin Index (DBI) menunjukkan bahwa algoritma K-Means memberikan pemisahan klaster yang lebih baik, dengan nilai DBI sebesar 1,2551 pada skenario gabungan, sementara algoritma DBSCAN cenderung hanya membentuk satu klaster dominan dan sensitif terhadap keberadaan outlier. Hasil akhir dari penelitian ini menghasilkan peta pengelompokkan daerah rawan gempa di Indonesia, yang terbagi ke dalam beberapa klaster dengan karakteristik risiko berbeda. Klaster dengan konsentrasi tertinggi mencakup wilayah-wilayah seperti Sumatra bagian barat, pantai selatan Jawa, serta sebagian wilayah Maluku dan Papua, yang secara historis tercatat memiliki frekuensi kejadian gempa dan magnitude yang lebih tinggi. Sementara itu, klaster lain yang mencakup wilayah seperti Kalimantan dan sebagian Sulawesi menunjukkan intensitas aktivitas seismik yang lebih rendah.

Kata Kunci: Klasterisasi, K-Means, DBSCAN, Gempa Bumi, Spasial, Seismik, Pemetaan Risiko