IRPIIRPI

MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer Science

Kebakaran adalah salah satu bencana yang kerap kali melanda Indonesia, khususnya daerah dengan hutan dan lahan yang luas seperti Provinsi Jambi. Pada tahun 2019 setidaknya terdapat 157.137 hektare hutan dan lahan di Provinsi Jambi terbakar yang menyebabkan kerugian sebesar Rp.12 triliun. Demi mencegah hal tersebut terulang kembali, perlu dilakukan pencegahan dini dengan cara mengelompokkan data titik panas bumi menjadi sejumlah cluster sehingga bisa mengidentifikasi kelompok titik panas mana yang darurat kebakaran. Salah satu metode mengelompokkan titik panas bumi adalah Agglomerative Hierarchical Clustering. Agglomerative Hierarchical Clustering mengelompokkan sejumlah data berdasarkan kemiripan yang membentuk pohon hierarki dari bawah ke atas. Pada penelitian ini, Clustering dilakukan dengan mengelompokkan data menjadi 2 sampai 10 cluster. Evaluasi hasil clustering dilakukan dengan menghitung Silhouette Coefficient dan memilih koefisien yang terbaik dari tiap jumlah cluster. Dengan menggunakan 6.658 row data lalu Confidence, Brightness, dan FRP sebagai atributnya, hasilnya jumlah cluster 2 adalah jumlah cluster terbaik dengan nilai Silhouette Coefficient sebesar 0,5856441. Cluster-1 terdiri dari 6.283 titik dengan rata - rata tingkat kepercayaan 73,49642% yang tergolong sedang, kemudian Cluster-2 terdiri dari 375 titik dengan rata - rata tingkat kepercayaan 99,46133% yang tergolong tinggi sehingga perlu diproritaskan penanggulangannya.

Berdasarkan pengujian dan analisis dari algoritma Agglomerative Hierarchical Clustering untuk mengelompokkan titik panas Provinsi Jambi tahun 2019 yang diujikan dengan metode evaluasi Silhouette Coefficient maka didapat kesimpulan bahwa Algoritma Agglomerative Hierarchical Clustering berhasil diimplementasikan untuk mengelompokkan titik panas di Provinsi Jambi tahun 2019.Evaluasi hasil clustering dilakukan dengan metode Silhouette Coefficient dan didapatkan cluster optimal sebanyak 2 cluster dengan cluster pertama sebanyak 6283 titik, rata - rata confidence sebesar 73,49642% , rata - rata brightness sebesar 325,6746 , rata - rata FRP sebesar 679,95973 dan pada cluster kedua sebanyak 375 titik, rata - rata confidence sebesar 99,46133% , rata - rata brightness sebesar 405,0715 , rata - rata FRP sebesar 679,95973.Dengan begitu, potensi terjadinya kebakaran pada cluster-2 lebih tinggi dibanding cluster-1 sehingga perlu perhatian dan penanganan lebih.Daerah yang memiliki paling banyak titik api berdasarkan hasil clustering adalah kabupaten Muaro Jambi.

Penelitian lanjutan dapat memperluas analisis dengan mempertimbangkan perubahan temporal hotspot (misalnya tren tahunan dari 2019 ke 2021) untuk memahami pola kebakaran jangka panjang. Selain itu, penggunaan algoritma clustering lain seperti DBSCAN atau K-Means dapat diuji sebagai perbandingan untuk menemukan metode yang paling efektif dalam mengelompokkan hotspot. Terakhir, penelitian dapat memperluas cakupan wilayah studi ke propinsi lain di Indonesia yang juga rentan terhadap kebakaran hutan dan lahan, seperti Kalimantan atau Sumatera.

  1. #evaluasi hasil#evaluasi hasil
File size1.03 MB
Pages10
DMCAReportReport

ads-block-test