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.