KLASIFIKASI DATA TITIK API MENGGUNAKAN ALGORITME SUBTRACTIVE FUZZY C-MEANS (STUDI KASUS : TITIK API PULAU SUMATERA TAHUN 2016, 2017 DAN 2018)

NOVARIADI, AJI DWI HERZA and Arie, Vatresia and yudi, Setiawan (2019) KLASIFIKASI DATA TITIK API MENGGUNAKAN ALGORITME SUBTRACTIVE FUZZY C-MEANS (STUDI KASUS : TITIK API PULAU SUMATERA TAHUN 2016, 2017 DAN 2018). Undergraduated thesis, Fakultas Teknik.

[img] Archive (Thesis)
NASKAH- SKRIPSI AJI DWI HERZA NOVARIADI.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (6MB)

Abstract

Kebakaran hutan/lahan yang terjadi di Indonesia masih menjadi bencana yang perlu diperhatikan karena dampak yang diakibatkan menimbulkan banyak kerugian meliputi aspek ekonomi, ekologi, sosial serta kesehatan. Pulau Sumatera tercatat sebagai penyumbang kejadian kebakaran yang cukup banyak dan beberapa provinsi di pulau Sumatera tercatat sebagai penyumbang kabut asap terbanyak se-Indonesia, bahkan kabun asap tersebut meluassampai ke luar negeri. Hotspot atau titik api merupakan suatu indikator terjadinya kebakaran hutan atau lahan dimana suhu permukaan relatif lebih tinggi dari pada suhu disekitarnya. Namun sampai saat ini, penelitian tentang pola sebaran titik api masih terbatas. Dengan kemajuan teknologi pemrosesan data dapat berlangsung dengan lebih baik menggunakan bahasa pemprograman PHP, Tools Google Map API dan metode pengembangan Waterfall. Pada penelitian ini mengintegrasikan sistem pengolahan data dengan pendekatan baru pada Subtractive Fuzzy C-Means untuk mengklasifikasikan data hotspot yang memberikan hasil lebih baik dari algoritme sebelumnya. Sistem ini berhasil mengelompokkan data titik api dengan 3 tingkatan yaitu titik api melalui pemrosesan input berupa fire radiative power, confidence, dan brightness temperature, dengan output berupa kelompok hotspot yaitu titik api perlu diperhatikan, perlu diwaspadai dan segera penanggulangan dalam kurun waktu 2016, 2017 dan 2018. Penelitian ini menemukan bahwa titik api paling banyak muncul pada bulan agustus pada kurun waktu tersebut. sementara kelompok titik api yang paling banyak ditemukan adalah pada kelompok”segera penanggulangan”. Selain itu, penelitian ini menemukan bahwa untuk setiap nilai error (0,1-0,001), algoritme ini kerja optimal pada jumlah data 200. Penelitian ini dapat menjadi inisiasi untuk pengolahan data dengan yang lebih besar yang dapat mengantisipasi munculnya titik api secara spatial. Disarankan dalam penelitian selanjutnya dapat menggunakan bahasa pemprogram yang lain seperti R dan Java, dan bisa juga menggunakan aplikasi khusus untuk melakukan perhitungan dalam jumlah data yang besar seperti Matlab atau R�Studio untuk mendapatkan hasil yang lebih baik. Kata kunci : Titik api, Sumatera, Subtractive Fuzzy C-Means, Klasifikasi

Item Type: Thesis (Undergraduated)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: 022 Lili Haryanti
Date Deposited: 04 Dec 2020 02:13
Last Modified: 04 Dec 2020 02:13
URI: http://repository.unib.ac.id/id/eprint/21950

Actions (login required)

View Item View Item