Penentuan Daerah Rawan Titik Api di Provinsi Riau Menggunakan Clustering Algoritma K-Means

• Main Authors: Sukamto Sukamto, Ibnu Daqiqil Id, T.Rahmilia Angraini
• Format: Article
• Language: Indonesian
• Published: Universitas Muhammadiyah Purwokerto 2018-11-01
• Series: Jurnal Informatika
• Subjects: clustering, hotspot, k-means.
• Online Access: http://jurnalnasional.ump.ac.id/index.php/JUITA/article/view/3172

Penelitian ini membahas tentang daerah rawan titik api di Provinsi Riau.  Kebakaran hutan menjadi ancaman pada hutan di Indonesia. Mengingat faktor timbulnya dan dampak yang akan ditimbulkan dari kebakaran hutan, maka sangat penting untuk mengetahui daerah yang rawan terhadap titik api. Konsep data mining sangat cocok diterapkan untuk mengetahui status daerah rawan titik api. Dalam penelitian ini dilakukan pengelompokkan data dengan menggunakan Chebysev Distance K-Means. Data yang digunakan adalah data titik api di Provinsi Riau pada tahun 2016. Data dikelompokkan menjadi tiga cluster, yaitu 133 titik yang masuk kedalam cluster daerah sangat rawan titik api, 101 titik kedalam cluster daerah rawan titik api, dan 77 titik kedalam cluster daerah yang tidak rawan terhadap titik api,  dengan nilai DBI (Davies Bouldin Index) 0,361 menandakan bahwa pengklasteran Chebysev K-Means sebanyak 3 cluster sudah optimal. Hasil clustering divisualisasikan dengan Google Maps Api.