Klasifikasi Kemunculan Titik Panas Pada Lahan Gambut Di Sumatera Dan Kalimantan Menggunakan Algoritme K-Nearest Neighbor

Abstract

Data kemunculan titik panas dianalisis menggunakan metode dalam data mining, yaitu K-Nearest Neighbor (KNN). KNN merupakan metode untuk mengklasifikasikan objek berdasarkan data training yang terletak paling dekat dengan objek terdekat. Data yang digunakan adalah data titik panas untuk periode 2001-2014 dan data lahan gambut dari tahun 1990-2002. Hasil penelitian menunjukkan bahwa KNN dapat digunakan untuk mengklasifikasikan kemunculan titik panas di Sumatera dan Kalimantan. Akurasi tertinggi hasil klasifikasi pada dataset di Sumatera adalah 97,04% pada tahun 2007 dengan jumlah tetangga (k) adalah 1. Akurasi tertinggi hasil klasifikasi pada dataset di Kalimantan adalah 100% pada tahun 2001, 2003, 2007, dan 2011 dengan (k) adalah 1. Selain itu pada tahun 2005, akurasi tertinggi hasil klasifikasi pada dataset Kalimantan adalah 100% dengan (k) adalah 1 dan (k) adalah 3. Akurasi rata-rata hasil klasifikasi pada dataset di Sumatera adalah 94.14% dan pada dataset di Kalimantan adalah 97.67%. Berdasarkan hasil penelitian dapat disimpulkan bahwa algoritme KNN dapat digunakan untuk memprediksi kemunculan titik panas pada lahan gambut di Sumatera dan Kalimantan.