Deteksi pencilan kontekstual pada data titik panas di Provinsi Riau menggunakan algoritme k-means
Abstract
Kebakaran hutan merupakan salah satu permasalahan lingkungan yang terus
berulang dan menjadi suatu ancaman terbesar bagi sumber daya hutan di Indonesia.
Salah satu upaya pencegahan kebakaran hutan tersebut adalah dengan mengetahui
penyebaran pengelompokan titik panas. Data titik panas yang diperoleh dengan cara
penginderaan jauh menggunakan satelit sangat memungkinkan terjadi
penyimpangan (pencilan). Penelitian ini bertujuan mendeteksi pencilan kontekstual
pada data titik panas di Provinsi Riau dari tahun 2001 sampai 2009 berdasarkan
konteks cuaca yaitu curah hujan. Pencilan kontekstual dideteksi menggunakan hasil
clustering pada atribut frekuensi titik panas harian dan curah hujan. Metode yang
digunakan adalah teknik clustering dengan algoritme k-means. Hasil menunjukkan
bahwa jumlah pencilan kontekstual yang terdeteksi sebanyak 54 objek. Pencilan ini
banyak terjadi pada bulan Februari, Maret, Juni, Juli, dan Agustus. Sebagian besar
objek-objek yang terdeteksi sebagai pencilan merupakan titik panas yang frekuensi
harian tinggi dengan curah hujan juga tinggi. Rata-rata dari pencilan kontekstual
yang terdeteksi adalah sebesar 65.76 titik panas dengan curah hujan rata-rata 37.15
mm.
Collections
- UT - Computer Science [2254]