Analisis Cluster Bencana Banjir di Jakarta Menggunakan Algoritma ST-DBSCAN Berdasarkan Aspek Sosial Ekonomi

Abstract

Banjir perkotaan merupakan ancaman yang terus berulang dan bersifat multidimensional bagi Jakarta, dengan dampak sosial ekonomi yang signifikan terhadap kawasan-kawasan berpenduduk padat. Penelitian ini bertujuan menganalisis penerapan algoritma Spatio-Temporal Density-Based Spatial Clustering of Applications with Noise (ST-DBSCAN) dalam memetakan cluster wilayah bencana banjir pada skala kelurahan, menggunakan 5.248 catatan kejadian banjir periode 2016 hingga 2024 yang bersumber dari Badan Penanggulangan Bencana Daerah (BPBD) Provinsi DKI Jakarta, yang selanjutnya diintegrasikan dengan data sosial ekonomi dari Dinas Kependudukan dan Pencatatan Sipil. Dimensi sosial ekonomi yang dikaji meliputi kepadatan penduduk, jumlah rumah tangga, Produk Domestik Regional Bruto (PDRB), serta indikator Pendidikan seperti jumlah peserta didik, guru, pegawai, dan rombongan belajar, yang ditumpangtindihkan pada cluster yang terbentuk guna mengkaji keterkaitan spasial dengan kerentanan banjir. Kombinasi parameter optimal yang diperoleh (minPts = 8, eps1 = 0,0025 atau setara 277,85 meter, eps2 = 0,6 hari atau setara 14,4 jam) menghasilkan enam cluster yang koheren secara spasial dan temporal, dengan nilai silhouette score sebesar 0,883377 yang mengindikasikan pemisahan antar cluster yang kuat. Cluster 0, yang mencakup wilayah Jakarta Utara, Barat, Pusat, Selatan, dan Timur, mencatat dampak kemanusiaan paling parah dengan 260.274 jiwa terdampak dan 33.619 jiwa mengungsi. Sementara itu, Cluster 4 yang meliputi Kebayoran Lama (Jakarta Selatan) dan Grogol Petamburan (Jakarta Barat) menunjukkan paparan ekonomi dan demografis tertinggi. Cluster 1 (Tebet, Jakarta Selatan dan Kramat Jati, Jakarta Timur), Cluster 4 (Kebayoran Lama, Jakarta Selatan dan Grogol Petamburan, Jakarta Barat), serta Cluster 5 (Jakarta Timur) menanggung beban infrastruktur pendidikan yang jauh lebih tinggi dibandingkan cluster lainnya, sehingga wilayah-wilayah tersebut rentan mengalami gangguan layanan akibat banjir. Temuan ini menegaskan efektivitas ST-DBSCAN dalam mengenali pola banjir perkotaan pada berbagai skala analisis, sekaligus memberikan landasan empiris bagi perumusan strategi mitigasi bencana yang tepat sasaran secara spasial dan perencanaan ketahanan sosial ekonomi di wilayah DKI Jakarta.