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.