IMPLEMENTASI METODE K-MEANS CLUSTERING DALAM PENAMBANGAN DATA HOTSPOT (TITIK API) (Studi Kasus : Kepulauan Nusa Tenggara, Tahun 2013-2018)

OKTARIANTI, WIDIA and Arie, Vatresia and yudi, Setiawan (2019) IMPLEMENTASI METODE K-MEANS CLUSTERING DALAM PENAMBANGAN DATA HOTSPOT (TITIK API) (Studi Kasus : Kepulauan Nusa Tenggara, Tahun 2013-2018). Undergraduated thesis, Fakultas Teknik.

[img] Archive (Thesis)
[LAPORAN SKRIPSI]_[G1A015013]_[WIDIAOKTARIANTI].pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (4MB)

Abstract

Kebakaran hutan masih menjadi salah satu masalah yang cukup banyak terjadi di Indonesia. Faktanya kebakaran hutan ini banyak berasal dari ulah manusia yaitu api yang sengaja dimunculkan demi suatu tujuan misalnya pelebaran lahan untuk persiapan musim tanam di Kepulaun Nusa Tengara. Kejadian kebakaran hutan dapat diketahui dengan mengamati data hotspot(titik api) yang terpantau melalui satelit penginderaan jauh. Hotspot dapat diartikan sebagai daerah yang memiliki suhu permukaan relatif lebih tinggi dibandingkan daerah di sekitarnya berdasarkan ambang batas suhu tertentu. Daerah tersebut diwakilkan dalam suatu titik yang memiliki koordinat. Kebakaran yang sebenarnya dapat dipantau dengan memperhatikan atribut hotspot yaitu Confidence, Brightness Temperature dan FRP (Fire Radiative Power). Untuk mencari kemiripan dari ketiga atribut tersebut maka dilakukan proses pengelompokkan atau clustering agar memudahkan untuk dilakukan pemantauan. Tujuan Penelitian ini untuk mengelompokkan data hotspot pada Kepulauan Nusa Tenggara pada tahun 2013 sampai dengan 2018 menggunakan metode K-Means Clustering dengan data hotspot sebanyak 28519 data. Hasil penelitian ini didapatkan 3 jenis kelas Kluster dengan rincian Kelas Sangat Rawan sebanyak 12212 data dengan rentang nilai rata-rata dari confidence pada rentang 49,3 – 100, brightness pada rentang 305.1 – 421.3 dan FRP pada rentang 2.5 – 714.3, Kelas Rawan sebanyak 12250 data dengan rentang nilai rata-rata dari confidence pada 20,3 – 74.3%, brigthness pada rentang 301.06 – 341.86oK dan FRP pada rentang 3.6 - 141.4 dan Kelas Tidak Rawan sebanyak 4057 data dengan rentang nilai rata�rata dari confidence pada rentang 0 - 39.8 , brightness pada rentang 300 – 365.86 dan FRP pada rentang 3.5 – 275.6 Kata kunci : Titik api, Kepulauan Nusa Tenggara, Data Mining, Algoritma K�Means Clustering

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 03:31
Last Modified: 04 Dec 2020 03:31
URI: http://repository.unib.ac.id/id/eprint/21969

Actions (login required)

View Item View Item