Clustering ST-DBSCAN pada Data Polutan Kabut Asap Hasil Pemodelan WRF Chem di Pulau Sumatra tahun 2015
Abstract
Dampak negatif dari kebakaran hutan dan lahan terdiri atas penyakit infeksi
saluran pernapasan akut bagi masyarakat, kerugian sosial dan ekonomi, dan
pencemaran asap lintas ke wilayah negara tetangga seperti Singapura, Brunei, dan
Malaysia. Tindakan pencegahan dan evakuasi dapat dilakukan lebih awal jika
diketahui sebaran konsentrasi asap dari suatu wilayah. Salah satu cara alternatif
yang dapat digunakan untuk mengetahui sebaran konsentrasi asap adalah dengan
penerapan metode clustering pada data polutan kabut asap. Konsentrasi polutan
kabut asap didapatkan dari hasil pemodelan WRF-Chem. Algoritme clustering
yang digunakan adalah Spatial Temporal-Density Based Spatial Clustering of
Application with Noise. Algoritme tersebut mampu menangani data spasial maupun
temporal seperti aspek waktu. Wilayah yang akan diterapkan metode clustering
adalah Sumatra pada periode Agustus sampai dengan Oktober 2015. Aspek
temporal yang digunakan adalah atribut date. Perubahan fungsi aspek spasial
diganti dengan atribut konsentrasi polutan. Penerapan clustering ST-DBSCAN
pada bulan Agustus 2015 dengan nilai eps1 0.01, nilai eps2 1, dan minPts 10
menghasilkan 4 cluster. Setiap anggota cluster memiliki kemiripan nilai dalam
jarak nilai konsentrasi polutan dan aspek temporal.
Collections
- UT - Computer Science [2335]