Sirat, Edo Fadila (2018) Ananlisis Perbandingan Algoritme K-Means dan Isodata untuk Klasterisasi Data Kejadian Titik Api di Wilayah Sumatera pada Tahun 2001 hingga 2014. Sarjana thesis, Universitas Brawijaya.
Abstract
Fenomena Kebakaran merupakan fenomena yang tidak asing di Indonesia. Tingginya angka kejadian kebakaran yang terjadi di Indonesia membutuhkan perhatian khusus dari pemerintah, agar setiap bencana alam seperti kebakaran hutan dapat ditanggulangi. Hasil pantauan satelit tercatat pada sebuah file data titik api dengan ukuran data yang cukup besar sehingga data sulit diolah untuk menjadi informasi yang mudah terima oleh pengguna. Berdasarkan data yang diperoleh dari situs EOSDIS tercatat sebanyak 289.256 kejadian titik api dalam rentan waktu antara 2001 hingga 2014. Dibutuhkan sebuah algoritme untuk melakukan segmentasi data atau klasterisasi data, agar data yang besar dapat diolah menjadi sebuah informasi yang baik bagi pengguna. Dalam penelitian ini dilakukan studi perbandingan algoritme klasterisasi antara K-Means dan Isodata. Kedua algoritme yang digunakan dalam penelitian ini dinilai berdasarkan kualitas klaster yang dihasilkan. Algoritme yang digunakan dalam mengukur kualitas klaster dalam penelitian ini adalah Silhouette Coefficient (SC). Hasil akhir nilai SC algoritme K-Means sebesar 0.999997187 dan algoritme Isodata sebesar 0.999957161, sehingga dalam hal ini, algoritme K-Means memiliki nilai SC yang lebih tinggi dibandingkan dengan algoritme Isodata dalam mengklaster data kejadian titik api dengan selisih nilai SC yang kecil.
English Abstract
Fire phenomenon is a familiar phenomenon in Indonesia. The high number of fire incidents in Indonesia requires special attention from the government, so that any natural disasters such as forest fires can be overcomed. Satellite monitoring results are recorded on a data file of fire points with a large enough data numbers so that the data is difficult to be processed to become information that is easily received by the user. Based on data obtained from the EOSDIS site recorded as many as 289,256 fire spots occurrence in the timeframe between 2001 to 2014. It takes an algorithm to segment the data or cluster the data, so that large data can be processed into a good information for the user. In this study a comparative study of clustering algorithms between K-Means and Isodata was conducted. Both algorithms used in this study were assessed based on the quality of the clusters produced. The algorithm used in measuring the quality of cluster in this research is Silhouette Coefficient (SC). The final result value of Shilhouette Coefficient K-Means method is 0.999997187 and Isodata method is 0.999957161, so in this case, KMeans algorithm has a higher SC value compared to the Isodata algorithm in clustering the data of fire spots with a small SC value difference.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2018/373/051805854 |
Uncontrolled Keywords: | k-means, Isodata, klasterisasi, Kejadian titik api, titik panas k-means, Isodata, clustering, Fire point events, hot spot |
Subjects: | 600 Technology (Applied sciences) > 628 Sanitary engineering > 628.9 Other branches of sanitary and municipal engineering > 628.92 Fire safety and fire fighting technology |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 22 Mar 2019 02:14 |
Last Modified: | 18 Oct 2021 02:47 |
URI: | http://repository.ub.ac.id/id/eprint/13855 |
Preview |
Text
Edo Fadila Sirat.pdf - Published Version Download (25MB) | Preview |
Actions (login required)
View Item |