Pengelompokkan Titik Api di Provinsi Jambi dengan Algoritma Agglomerative Hierarchical Clustering
Hotspot Clustering in Jambi Province Using Agglomerative Hierarchical Clustering Algorithm
DOI:
https://doi.org/10.57152/malcom.v1i1.6Keywords:
Data Mining Article, Universitas Jambi, ClusteringAbstract
Kebakaran adalah salah satu bencana yang kerap kali melanda Indonesia, khususnya daerah dengan hutan dan lahan yang luas seperti Provinsi Jambi. Pada tahun 2019 setidaknya terdapat 157.137 hektare hutan dan lahan di Provinsi Jambi terbakar yang menyebabkan kerugian sebesar Rp.12 triliun. Demi mencegah hal tersebut terulang kembali, perlu dilakukan pencegahan dini dengan cara mengelompokkan data titik panas bumi menjadi sejumlah cluster sehingga bisa mengidentifikasi kelompok titik panas mana yang darurat kebakaran. Salah satu metode mengelompokkan titik panas bumi adalah Agglomerative Hierarchical Clustering. Agglomerative Hierarchical Clustering mengelompokkan sejumlah data berdasarkan kemiripan yang membentuk pohon hierarki dari bawah ke atas. Pada penelitian ini, Clustering dilakukan dengan mengelompokkan data menjadi 2 sampai 10 cluster. Evaluasi hasil clustering dilakukan dengan menghitung Silhouette Coefficient dan memilih koefisien yang terbaik dari tiap jumlah cluster. Dengan menggunakan 6.658 row data lalu Confidence, Brightness, dan FRP sebagai atributnya, hasilnya jumlah cluster 2 adalah jumlah cluster terbaik dengan nilai Silhouette Coefficient sebesar 0,5856441. Cluster-1 terdiri dari 6.283 titik dengan rata - rata tingkat kepercayaan 73,49642% yang tergolong sedang, kemudian Cluster-2 terdiri dari 375 titik dengan rata - rata tingkat kepercayaan 99,46133% yang tergolong tinggi sehingga perlu diproritaskan penanggulangannya.
References
L. Giglio, I. Csiszar, and C. O. Justice, “Global Distribution and Seasonality of Active Fires as Observed with the Terra and Aqua Moderate Resolution Imaging Spectroradiometer (MODIS) Sensors,” JOURNAL OF GEOPHYSICAL RESEARCH, vol. 3.
J.W.G. Putra, Pengenalan Konsep Pembelajaran Mesin dan Deep Learning. Tokyo: Tokyo Institude of Technology, 2020.
PRAMESTI, Dyang Falila; FURQON, M. Tanzil; DEWI, Candra. Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Hotspot). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2017, 2548: 964X.
SINAGA, Dika Perdana; ADIKARA, Putra Pandu; SARI, Yuita Arum. Klasterisasi Data Titik Api Menggunakan Metode Self Organizing Map di Wilayah Jawa. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2020, 2548: 964X.
ZHOU, Shibing; XU, Zhenyuan; LIU, Fei. Method for determining the optimal number of clusters based on agglomerative hierarchical clustering. IEEE transactions on neural networks and learning systems, 2016, 28.12: 3007-3017.
Roswintiarti, O., 2016. Informasi Titik Panas (Hotspot) Kebakaran Hutan/Lahan. Pusat Pemanfaatan Penginderaan Jauh Deputi Bidang Penginderaan Jauh – LAPAN, pp. 1-15.
Shoolihah, M.T. Furqon, A.W.Widodo, “Implementasi Metode Improved K-Means untuk Mengelompokkan Titik Panas Bumi. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 1, no. 11, pp. 1270-1276, November 2017
S. Shalev-Shwartz and S. Ben-David, Understanding Machine Learning From Theory to Algorithm, New York: Cambridge University Press, 2014.
M. Nishom and M.Y. Fathoni, “Implementasi Pendekatan Rule-Of-Thumb untuk Optimasi Algoritma K-Means Clustering,” Jurnal Pengembangan IT (JPIT), vol. 9, no. 2, pp. 237-241, May 2018.
K. S. Artha and E. Winarko, “Perbandingan Eros, Euclidean Distance dan Dynamic Time Warping dalam Klasifikasi Data Multivariate Time Series Menggunakan kNN,” Prosiding Seminar Nasional Pendidikan Teknik Informatika, pp. 223 - 228, August 2016.
Dirk P. Kroese, et.al.,Data Science and Machine Learning: Mathematical and Statistical Methods. Boca Raton: CRC Press, 2019.
B.K. Amijaya, M.T. Furqon, and C. Dewi, “Clustering Titik Panas Bumi Menggunakan Algoritme Affinity Propagation,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol.2, no. 10, pp.3835-3842, October 2018.
R. Handoyo, R. Rumani M., and S. M. Nasution, “Perbandingan Metode Clustering Menggunakan Metode Single Linkage dan K-Means pada Pengelompokan Dokumen,” vol. 15, pp. 73-82, October 2014.
