LADYA RIZQULLAH NAJLA Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Statistika 2025

Skripsi

Bencana alam merupakan tantangan yang signifikan bagi negara-negara beriklim tropis, termasuk Indonesia, yang memiliki kerentanan tinggi terhadap berbagai jenis bencana. Dengan posisi geografis yang unik, Aceh menjadi salah satu provinsi di Indonesia yang rentan terhadap bencana alam akibat musim hujan dan kemarau yang panjang. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Aceh berdasarkan faktor-faktor yang berkontribusi terhadap kerentanan bencana alam. Data yang digunakan dalam penelitian ini mencakup indikator-indikator bencana alam, seperti jenis, penyebab, dan dampak bencana pada tahun 2023. Hasil analisis PCA Biplot menunjukkan bahwa terdapat dua komponen utama yang terbentuk, yang kemudian digunakan untuk pengelompokan menggunakan metode agglomerative clustering. Indikator bencana yang menunjukkan keragaman signifikan dan korelasi kuat termasuk frekuensi tanah longsor (X2), karhutla (X3), angin puting beliung (X4), banjir bandang (X6), cuaca ekstrem (X7), luas tutupan hutan (Y1), luas daerah (Y2), IKU (Y4), IKL (Y5), panjang musim hujan dalam hari (Y8), dan total kerugian bencana (Z2). Metode average linkage terbukti paling efektif dalam clustering karena memiliki koefisien korelasi cophenetic yang paling tinggi yaitu 0,731 dan menghasilkan lima cluster optimal. Kabupaten/kota yang berada pada cluster 1 dan cluster 2 menunjukkan kerentanan tinggi terhadap tanah longsor (X2), karhutla (X3), angin puting beliung (X4), cuaca ekstrem (X7), hal ini dipengaruhi oleh musim hujan yang berkepanjangan (Y8). Kabupaten/kota yang berada pada cluster 3 rentan terhadap abrasi (X5) dan banjir bandang (X6) yang dipengaruhi oleh luas tutupan hutan (Y1), luas daerah (Y2), IKLH (Y3), IKU (Y4), IKL (Y5), luas lahan pertanian (Y6), serta IRB (Y7). Sementara itu, kabupaten/kota yang berada di cluster 4 dan 5 menunjukkan risiko bencana yang relatif rendah. Kata kunci: Indikator Bencana, PCA Biplot, Agglomerative Clustering, Kerentanan 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 153571 2025-04-16 12:11:02 2025-04-16 12:19:12 machine generated