Deteksi pencilan titik panas Provinsi Riau menggunakan algoritme local outlier factor

Abstract

Kebakaran hutan terjadi di Indonesia setiap tahun. Pada tahun 2013 di Provinsi Riau terdeteksi 15040 titik panas. Pada tahun berikutnya (2014) meningkat menjadi 21361 titik panas. Salah satu upaya untuk pencegahan kebakaran hutan ialah dengan mendeteksi pencilan dari data titik panas. Penelitian deteksi pencilan yang sudah dilakukan yaitu menggunakan algoritme clustering K-means, K-medoids, dan DBSCAN. Ketiga penelitian tersebut hanya mendeteksi pencilan global, belum mendeteksi pencilan lokal. Pencilan lokal memiliki nilai dalam kisaran normal bila dibandingkan dengan nilai pada dataset, tetapi bila dilihat melalui tetangganya, pencilan tersebut memiliki nilai yang menyimpang. Local outlier factor (LOF) adalah salah satu algoritme yang dapat mendeteksi pencilan lokal. Penelitian ini bertujuan untuk mendeteksi pencilan lokal pada data titik panas menggunakan algoritme LOF. Data yang digunakan ialah titik panas Provinsi Riau tahun 2001 sampai tahun 2014 dengan jumlah titik panas tertinggi terjadi pada tahun 2005 dan 2014 yaitu sejumlah 11463 dan 11381 titik panas. Pencilan yang dideteksi menggunakan parameter jumlah tetangga k=2. Pencilan yang terdeteksi pada tahun 2005 dan 2014 adalah 1241 dan 189 titik. Pada tahun 2005 pencilan terbanyak berada pada Kota Dumai yaitu 288 pencilan sedangkan pada tahun 2014 jumlah pencilan terbanyak berada pada Kabupaten Bengkalis sebanyak 33 pencilan.