Analisis clustering k-means pada pengelompokkan titik panas kebakaran hutan dan lahan

Authors

DOI:

https://doi.org/10.31571/saintek.v12i1.6001

Keywords:

clustering, data mining, K-Means, lahan gambut, RapidMiner, titik panas

Abstract

Kebakaran hutan dan lahan adalah masalah besar yang dapat menyebabkan kerusakan ekosistem hutan dan lingkungan. Salah satu indikator penting untuk mencegah kebakaran hutan dan lahan adalah dengan menyediakan informasi tentang titik panas dan karakteristik wilayah yang berpotensi munculnya titik panas. Tanda-tanda kebakaran hutan dan lahan dapat dideteksi dengan mengidentifikasi titik api di lokasi tertentu. Penelitian ini mengimplementasikan metode K-Means menggunakan  RapidMiner, aplikasi ini freeware dan menyediakan berbagai metode pengolahan data yang mudah digunakan. Metode K-Means digunakan untuk mengumpulkan titik panas kebakaran hutan dan lahan. Proses pengumpulan data, pra-pemrosesan data, penerapan metode, evaluasi model, dan analisis hasil adalah bagian dari penelitian ini.  Data titik panas dari tahun 2019 hingga 2021 digunakan untuk penelitian ini. Hasil uji validasi cluster menggunakan nilai koefisien silhouette algoritma K-Means menunjukkan nilai koefisien silhouette terbaik sebesar 0,756 termasuk pada kategori strong structure dengan nilai k = 2.

Downloads

Download data is not yet available.

References

D. Oleh, B. (2018). IRBI indeks risiko bencana indonesia. Nasional, dan Bencana.

I. Sumariyanto & J. Hutauruk, (2021). Konsep pergelaran teknologi persenjataan batalyon arhanud dalam menangkal ancaman kalimantan barat. Jurnal DEFENDONESIA, 5(2), 7–14.

M. Firman, A. Halik, & L. Septiana. (2022). Analisa Data Untuk Prediksi Daerah Rawan Bencana Alam Di Jawa Barat Menggunakan Algoritma K-Means Clustering. Journal of Information System, Applied, Management, Accounting and Research, 6(4), 856–870.

Kementerian Lingkungan Hidup dan Kehutanan Republik Indonesia. (2019). SiPongi - Karhutla Monitoring Sistem. In Www.Sipongi.Menlhk.Go.Id.

Athifaturrofifah, Goejantoro, R., & Yuniarti, D. (2019). Perbandingan Pengelompokan K-Means dan K-Medoids Pada Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Studi Kasus : Data Titik Panas Di Indonesia Pada 28 April 2018). Jurnal EKSPONENSIAL, 10(2), 143–152.

Shoolihah, A.-M., Furqon, M. T., & Widodo, A. W. (2017). Implementasi Metode Improved K-Means untuk Mengelompokkan Titik Panas Bumi. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 1(11), 1270–1276.

Hermawati, R., & Sitanggang, I. S. (2016). Web-Based Clustering Application Using Shiny Framework and DBSCAN Algorithm for Hotspots Data in Peatland in Sumatra. Procedia Environmental Sciences, 33, 317–323. https://doi.org/10.1016/j.proenv.2016.03.082

Gunawan, W. (2021). Implementasi Algoritma DBScan dalam Pemngambilan Data Menggunakan Scatterplot. Techno Xplore : Jurnal Ilmu Komputer Dan Teknologi Informasi, 6(2), 91–98. https://doi.org/10.36805/technoxplore.v6i2.1179

Handayani, F., Teguh, R., & Lestari, A. (2021). PENDETEKSIAN POTENSIAL HOTSPOT DATA SATELIT CHECK ALGORITMA CLUSTERING K-MEANS. 15(2), 164–173.

Id, I. D., & Angraini, T. R. (2018). Penentuan Daerah Rawan Titik Api di Provinsi Riau Menggunakan Clustering Algoritma K-Means ( Determination of Fire Point Prone Areas in Riau Province Using Clustering K-Means Algorithm ). VI(November), 137–147.

Mardalius, M. (2018). Pemanfaatan Rapid Miner Studio 8.2 Untuk Pengelompokan Data Penjualan Aksesoris Menggunakan Algoritma K-Means. JURTEKSI (Jurnal Teknologi dan Sistem Informasi), 4(2), 123-132.

Sari, R. W., Wanto, A., & Windarto, A. P. (2018). Implementasi Rapidminer Dengan Metode K-Means (Study Kasus: Imunisasi Campak Pada Balita Berdasarkan Provinsi). KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 2(1).

Rolansa, F., Yunita, Y., & Suheri, S. (2020). Sistem prediksi dan evaluasi prestasi akademik mahasiswa di Program Studi Teknik Informatika menggunakan data mining. Jurnal Pendidikan Informatika dan Sains, 9(1), 75-85.

Maulana, A., Akbar, K. N., & Nurahman, N. (2021). Penerapan Clustering Menggunakan Algoritma K-Means Sebagai Analisis Produksi Komoditas Perikanan Provinsi di Indonesia. EJECTS: E-Journal Computer, Technology and Informations System, 1(1).

Serliani, K., Mustofa, Y. A., & Kumala, I. S. (2020). Clustering Petani Penerima Pupuk Berdasarkan Luas Lahan Menggunakan Algoritma K-Means. Jurnal Cosphi, 4(2).

Downloads

Published

2023-06-30

How to Cite

Utami, P. Y. (2023). Analisis clustering k-means pada pengelompokkan titik panas kebakaran hutan dan lahan. Jurnal Pendidikan Informatika Dan Sains, 12(1), 165–172. https://doi.org/10.31571/saintek.v12i1.6001

Issue

Vol. 12 No. 1 (2023): Jurnal Pendidikan Informatika dan Sains

Section

Articles

License

Copyright (c) 2023 Putri Yuli Utami

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

License and Copyright Agreement

In submitting the manuscript to the journal, the authors certify that:

  • They are authorized by their co-authors to enter into these arrangements.
  • The work described has not been formally published before, except in the form of an abstract or as part of a published lecture, review, thesis, or overlay journal. Please also carefully read Jurnal Pendidikan Informatika dan Sains Posting Your Article Policy at http://journal.ikippgriptk.ac.id/index.php/saintek/about/submissions#onlineSubmissions
  • That it is not under consideration for publication elsewhere,
  • That its publication has been approved by all the author(s) and by the responsible authorities – tacitly or explicitly – of the institutes where the work has been carried out.
  • They secure the right to reproduce any material that has already been published or copyrighted elsewhere.
  • They agree to the following license and copyright agreement.

Copyright

Authors who publish with Jurnal Pendidikan Informatika dan Sains agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
Crossref
Scopus
Google Scholar
Europe PMC