Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM

F N Dhewayani; D Amelia; D N Alifah; B N Sari; M Jajuli

doi:10.34010/jati.v12i1.6674

F N Dhewayani Universitas Singaperbangsa Karawang
D Amelia Universitas Singaperbangsa Karawang
D N Alifah Universitas Singaperbangsa Karawang
B N Sari Universitas Singaperbangsa Karawang
M Jajuli Universitas Singaperbangsa Karawang

DOI: https://doi.org/10.34010/jati.v12i1.6674

Keywords: Kebakaran, Clustering, Algoritma K-Means

Abstract

Frekuensi tingginya potensi bahaya bencana yang kerap terjadi di Indonesia yaitu bencana kebakaran hutan dan juga lahan atau biasa disebut dengan Karhutla. Dampak yang terjadi akibat bencana ini sangat besar dan membahayakan, akibat dari bencana kebakaran hutan serta lahan dapat mempengaruhi udara, air, lahan dan juga menyebabkan kerugian finansial, kerusakan fasilitas dan tempat hidup flora dan juga fauna yang ada, serta dapat mengancam nyawa manusia. Informasi daerah bencana dengan potensi kejadian yang tinggi dapat digunakan sebagai informasi agar masyarakat lebih awas dan juga siaga dalam mengenal lingkungan tersebut. Penggunaan teknik clustering dengan menggunakan algoritma K-Means dimana data akan dikelompokkan menjadi beberapa bagian kelompok dan setiap kelompok mempunyai karakteristik yang mirip satu sama lain, tetapi mempunyai karakteristik yang berbeda dengan kelompok lain. Tujuan penelitian dilakukan untuk menghasilkan kelompok daerah yang memiliki potensi tinggi untuk terjadi kebakaran, yang berguna bagi masyarakat agar mengenal bahaya yang mungkin terjadi pada daerah tersebut. Dengan potensi daerah tingkat bencana kebakaran akan ditunjukan dalam beberapa cluster dan terdapat cluster tertinggi ditujukan kepada Cluster 3 dengan indeks kebakaran di setiap kota tercatat mencapai 87 kejadian setiap tahunnya.

References

M. Badri, D. P. Lubis, D. Susanto, and D. Suharjito, “Sistem Komunikasi Peringatan Dini Pencegahan Kebakaran Hutan Dan Lahan Di Provinsi Riau,” J. PIKOM (Penelitian Komun. dan Pembangunan), vol. 19, no. 1, p. 1, 2018, doi: 10.31346/jpikom.v19i1.1266.

H. Panja, “Penerapan Sarana Alat Pemadan Api Ringan di Pusat Perbelanjaan Mall,” Higeia J. Public Heal. Res. Dev., vol. 4, no. 2, pp. 280–290, 2020.

A. Primajaya, B. N. Sari, and A. Khusaeri, “Prediksi Potensi Kebakaran Hutan dengan Algoritma Klasifikasi C4.5 Studi Kasus Provinsi Kalimantan Barat,” J. Edukasi dan Penelit. Inform., vol. 6, no. 2, p. 188, 2020, doi: 10.26418/jp.v6i2.37834.

A. Syamsuadi, D. Arisandi, T. F. Gafar, L. Trisnawati, S. Hartati, and M. F. Anugerah, “Peningkatan Kewaspadaan Bencana Asap Di Kecamatan Dayun Kabupaten Siak,” Community Dev. J. J. Pengabdi. Masy., vol. 1, no. 2, pp. 48–51, 2020, doi: 10.31004/cdj.v1i2.701.

Athifaturrofifah, R. Goejantoro, and D. Yuniarti, “Perbandingan Pengelompokan K-Means dan K-Medoids Pada Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Studi Kasus : Data Titik Panas Di Indonesia Pada 28 April 2018),” J. EKSPONENSIAL, vol. 10, no. 2, pp. 143–152, 2019.

T. I. Hermanto, “Analisis Sebaran Titik Rawan Bencana dengan K-Means Clustering dalam Penanganan Bencana,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 5, pp. 406–416, 2021, [Online]. Available: http://ejurnal.tunasbangsa.ac.id/index.php/jsakti/article/view/332.

D. F. Pramesti, Lahan, M. Tanzil Furqon, and C. Dewi, “Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 9, pp. 723–732, 2017, doi: 10.1109/EUMC.2008.4751704.

A. Winarta and W. J. Kurniawan, “Optimasi Cluster K-Means Menggunakan Metode Elbow Pada Data Pengguna Narkoba Dengan Pemrograman Python,” J. Tek. Inform. Kaputama, vol. 5, no. 1, pp. 113–119, 2021.

Y. H. Susanti and E. Widodo, “Perbandingan K-Means dan K-Medoids Clustering terhadap Kelayakan Puskesmas di DIY Tahun 2015,” Pros. SI MaNIs (Seminar Nas. Integr. Mat. dan Nilai Islam., vol. 1, no. 1, pp. 116–122, 2017.

Ahmad Harmain, P. Paiman, H. Kurniawan, K. Kusrini, and Dina Maulina, “Normalisasi Data Untuk Efisiensi K-Means Pada Pengelompokan Wilayah Berpotensi Kebakaran Hutan Dan Lahan Berdasarkan Sebaran Titik Panas,” Tek. Teknol. Inf. dan Multimed., vol. 2, no. 2, pp. 83–89, 2022, doi: 10.46764/teknimedia.v2i2.49.

D. Taruna, A. Fauzi, and M. C. Aruan, “Aplikasi Pengenalan Dan Pencegahan Bencana Kebakaran Api Yang Disebabkan Oleh Manusia ( Human Error ) Berbasis Android,” Semna Ristek (Seminar Nas. Ris. dan Inov. Teknol., pp. 1–7, 2021.

S. R. Ary Firman Sanjoto, Ana Komari, “Analisa Upaya Pencegahan Dan Penanggulangan Potensi Bahaya,” vol. 1, no. 1, pp. 24–33, 2019.

I. Pamungkas, I. Wahyuni, and S. Suroto, “Analisis Kesiapsiagaan Polisi Kehutanan Terhadap Potensi Dan Pencegahan Kebakaran Hutan Di Wilayah Kph Semarang Perum Perhutani Divisi Regional Jawa Tengah (Studi Kasus Di Bagian Kesatuan Pemangkuan Hutan Penggaron),” J. Kesehat. Masy. Univ. Diponegoro, vol. 4, no. 4, pp. 690–697, 2016.

G. N. W. Paramartha, D. E. Ratnawati, and A. W. Widodo, “Analisis Perbandingan Metode K-Means Dengan Improved Semi-Supervised Analisis Perbandingan Metode K-Means Dengan Improved Semi- Supervised K-Means Pada Data Indeks Pembangunan Manusia (IPM),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. Vol. 1, no. 9, pp. 813–824, 2017, [Online]. Available: http://j-ptiik.ub.ac.id.

R. Muliono and Z. Sembiring, “Data Mining Clustering Menggunakan Algoritma K-Means Untuk Klasterisasi Tingkat Tridarma Pengajaran Dosen,” CESS (Journal Comput. Eng. Syst. Sci., vol. 4, no. 2, pp. 2502–714, 2019.

D. S. Utami and D. R. S. Saputro, “Pengelompokan Data Yang Memuat Pencilandengan Kriteria Elbow Dan Koefisien Silhouette (Algoritme K-Medoids),” Knpmp Iii 2018, pp. 448–456, 2018.

M. A. Hasanah, S. Soim, and A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” vol. 5, no. 2, 2021.

I. A. Permatasari, Klasifikasi Penduduk Penerima Bantuan Covid-19 Di Kecamatan Kasomalang. 2021.