Pengelompokan Data Hotspot Menggunakan Metode LOF K-Means

Pambudi O.T., Muchamad Kurniawan, Rani Rotul Muhima, Maftahatul Hakimah

Abstract

Kebakaran hutan menjadi salah satu permasalahan di Indonesia. Dari awal tahun hingga September pada tahun 2019, kebakaran hutan dan lahan di Indonesia mencapai 857.756 hektar. Dampak kebakaran hutan dapat mengganggu kesehatan, transportasi bahkan hubungan bilateral dengan negara tetangga. Titik panas bumi atau hotspot merupakan indikasi adanya kebakaran hutan atau lahan. Pengelompokan data hotspot sebagai cara analisa data hotspot sangat penting untuk mencegah terjadinya kebakaran hutan atau lahan menjadi lebih besar. Pada penelitian sebelumnya, pengelompokan data hotspot berdasarkan fitur latitude, longtitude dengan LOF K-Means memberikan hasil lebih baik dibandingkan K-Means. Penelitian ini dilakukan pengelompokan data hotspot dengan metode LOF K-Means berdasarkan fitur latitude, longtitude dan brightness. Tujuan penelitian ini untuk mengetahui hasil perbandingan antara pengelompokan data hotspot berdasarkan fitur latitude, longtitude dengan pengelompokan data hotspot berdasarkan fitur latitude, longtitude dan brightness. Hasil penelitian ini dijadikan landasan untuk penelitian selanjutnya sebagai upaya pencegahan kerugian akibat kebakaran hutan dan lahan yang lebih besar. Berdasarkan hasil penelitian, penambahan fitur brightness sebagai dasar pengelompokan menggunakan metode LOF K-Means tidak memberikan hasil yang lebih baik

Keywords

LOF K-Means; hotspot; fitur; pengelompokan

Full Text:

PDF

References

I. Nugroho, “Kebakaran Hutan dan Lahan Sampai September 2019 Hampir 900 Ribu Hektar,” Mongabai, 2019. [Online]. Available: https://www.mongabay.co.id/2019/10/22/kebakaran-hutan-dan-lahan-sampai-september-2019-hampir-900-ribu-hektar/.

K. A. Wibowo, “Manajemen Penanganan Kebakaran Hutan dan Lahan (Karhutla) Guna Peningkatan Ekonomi Kerakyatan,” J. Stud. Sos. dan Polit., vol. 3, no. 1, pp. 69–83, 2019.

I. Hakiki, A. Ihwan, and J. Sampurno, “Prediksi Kemunculan Titik Panas ( Hotspot ) Menggunakan Metode Jaringan Syaraf Tiruan Propagasi Balik Studi Kasus di Pontianak,” Prism. Fis., vol. III, no. 2, pp. 75–78, 2015.

N. L. Febriana and I. S. Sitanggang, “Outlier Detection on Hotspot Data in Riau Province using OPTICS Algorithm,” in IOP Conference Series: Earth and Environmental Science, 2017, pp. 1–7.

D. F. Pramesti, M. Tanzil Furqon, and C. Dewi, “Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Hotspot),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 9, pp. 723–732, 2017.

A. Barai and L. Dey, “Outlier Detection and Removal Algorithm in K-Means and Hierarchical Clustering,” World J. Comput. Appl. Technol., vol. 5, no. 2, pp. 24–29, 2017.

R. R. Muhima, M. Kurniawan, and O. T. Pambudi, “A LOF K - Means Clustering on Hotspot Data,” Int. J. Artif. Intell. Robot., vol. 2, no. 1, pp. 29–33, 2020.

B. K. Amijaya, M. T. Furqon, and C. Dewi, “Clustering Titik Panas Bumi Menggunakan Algoritme Affinity Propagation,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 10, pp. 3835–3842, 2018.

Lapan, “Informasi Titik Panas ( Hotspot ) Kebakaran Hutan / Lahan,” vol. ISBN 978-6, 2016.

F. Nasari and C. J. M. Sianturi, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Penyebaran Diare Di Kabupaten Langkat,” CogITo Smart J., vol. 2, no. 2, p. 108, 2016.

R. A. Asroni, “Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang,” Ilm. Semesta Tek., vol. 18, no. 1, pp. 76–82, 2015.

U. R. Raval and C. Jani, “Implementing & Improvisation of K-means Clustering Algorithm,” Int. J. Comput. Sci. Mob. Comput., vol. 55, no. 5, pp. 191–203, 2016.

O. J. Oyelade, O. O. Oladipupo, and I. C. Obagbuwa, “Application of k Means Clustering algorithm for prediction of Students Academic Performance,” vol. 7, pp. 292–295, 2010.

N. Idham, “Penerapan Outlier Analysis sebagai Salah Satu Rekomendasi Kelompok Belajar Terhadap Siswa Kelas 6 di SDN Pagelaran II,” J. Ilm. Komput. dan Inform., 2017.

M. M. Breuniq, H. P. Kriegel, R. T. Ng, and J. Sander, “LOF: Identifying density-based local outliers,” SIGMOD Rec. (ACM Spec. Interes. Gr. Manag. Data), vol. 29, no. 2, pp. 93–104, 2000.

Refbacks

  • There are currently no refbacks.