APLIKASI SEGMENTASI NEGARA BERDASARKAN KONTRIBUSI DAN DAMPAK PEMANASAN GLOBAL MENGGUNAKAN ALGORITMA K-MEANS

Pemanasan global menuntun pada pendekatan berbasis data untuk menyusun kontribusi dan dampak bagi setiap negara secara akurat. Penelitian ini menggunakan algoritma K-Means Klastering untuk mensegmentasikan negara yang diterapkan melalui platform Streamlit. Dataset perubahan iklim diolah melalui beberapa tahapan preprocessing, termasuk normalisasi data menggunakan StandardScaler guna menghindari ketimpangan atribut tertentu. Berdasarkan analisis dengan metode Elbow, diperoleh tiga klaster yang terbaik (K = 3) yang mewakilkan kelompok Resiko Tinggi, Mitigasi Aktif, dan Kontribusi Polusi Tinggi. Peneletian ini membuktikan bahwa K-Means secara efektif mampu utnuk mengelompokan data yang bersifat multidimensi. Selain itu, Streamlit memberikan fasilitas berupa visualisasi interaktif dan mendukung penyajian data secara dinamis. Penelitian ini diharapkan mampu memberikan perspektif yang komprehensif bagi para pemangku kebijakan dalam menyusun strategi mitigasi iklim yang lebih terarah dan efektif.