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

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