Analisis Pemilihan Parameter pada Algoritma DBSCAN untuk Pengelompokan Titik Api di Indonesia
DOI:
https://doi.org/10.52436/1.jpti.703Keywords:
DBSCAN, klasterisasi, silhouette coefficient, titik panasAbstract
Kebakaran hutan, gambut, wilayah pertanian, maupun wilayah urban dan industri menjadi salah satu ancaman terbesar bagi lingkungan, menyebabkan kerusakan ekosistem dan kerugian ekonomi yang signifikan. Penelitian ini mengusulkan optimalisasi pengelompokkan titik api di Indonesia sebagai salah upaya pencegahan kebakaran dengan menggunakan algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Metodologi yang digunakan dalam penelitian mencakup pemrosesan data, pemilihan parameter tuning algoritma, dan evaluasi hasil klaster menggunakan metrik validasi internal yaitu Silhouette Coefficient (SC). Data penelitian diambil dari web FIRMS NASA berjumlah 12.708, dengan variabel yang digunakan yaitu longitude, latitude, bright_t31, brightness, fire radiative power, scan, dan track. Pada tahap pemrosesan dilakukan pembersihan dan standarisasi data memakai algoritma z-score. Selanjutnya percobaan klasterisasi dijalankan dengan mengubah-ubah nilai pada parameter epsilon (eps) sebesar 0.2, 2, 3, 4, 5, dan 10, yang dikombinasikan dengan nilai minimal point (MinPts) dari 2 sampai dengan 6. Hasil pengelompokkan optimal yang ditemukan adalah pada saat percobaan dengan nilai eps 4 dan MinPts 4. Kondisi optimal tersebut menghasilkan 2 klaster dan 3 noise, dengan nilai SC sebesar 0.8022. Penelitian ini memberikan wawasan baru dalam pemetaan risiko kebakaran serta dapat digunakan untuk sistem pemantauan berbasis kecerdasan buatan.
Downloads
References
Trianawati, Arini, Sari, and Agustina, “Analisis Penerapan Sistem Proteksi Kebakaran Aktif Berdasarkan Peraturan Menteri Kesehatan Republik Indonesia Nomor 52 Tahun 2018 Dan SNI 180-2:2022,” Dohara Publisher, vol. 02, no. 09, pp. 825–829, 2023, [Online]. Available: http://dohara.or.id/index.php/hsk%7C
I. P. Anhar, Rina Mardiana, and Rai Sita, “Dampak Kebakaran Hutan dan Lahan Gambut terhadap Manusia dan Lingkungan Hidup (Studi Kasus: Desa Bunsur, Kecamatan Sungai Apit, Kabupaten Siak, Provinsi Riau),” Jurnal Sains Komunikasi dan Pengembangan Masyarakat [JSKPM], vol. 6, no. 1, pp. 75–85, 2022, doi: 10.29244/jskpm.v6i1.967.
J. Kim, A. Wise, and E. Bowman, “Strong winds pick up, increasing fire danger as firepighters battle LA blazes,” 2025. https://www.npr.org/2025/01/11/g-s1-42247/la-wildfires-california-containment-evacuation (accessed Jan. 15, 2025).
M. R. B. E. Prasetyo, “BNPB: Ada 629 kasus karhutla terjadi di Indonesia sepanjang 2024,” Indonesia, 2025. [Online]. Available: https://www.antaranews.com/berita/4574894/bnpb-ada-629-kasus-karhutla-terjadi-di-indonesia-sepanjang-2024
“Rekapitulasi Luas Kebakaran Hutan dan Lahan(Ha) per Provinsi di Indonesia,” Sistem Pemantauan Karhutla, 2024. https://sipongi.menlhk.go.id/indikasi-luas-kebakaran (accessed Feb. 11, 2025).
W. Li, E. Dodwell, and D. Cook, “A Clustering Algorithm to Organize Satellite Hotspot Data for the Purpose of Tracking Bushfires Remotely,” R Journal, vol. 15, no. 1, pp. 17–33, 2023, doi: 10.32614/RJ-2023-022.
P. Y. Utami, S. A. Hudjimartsu, T. A. Viona, and H. Sharfina, “Optimasi Parameter Algoritma DBSCAN untuk Mendeteksi Titik Panas Kebakaran Hutan dan Lahan,” Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol. 9, no. 3, p. 355, Dec. 2023, doi: 10.26418/jp.v9i3.61714.
A. Fauzan, A. Novianti, R. R. M. A. Ramadhani, and M. A. S. Adhiwibawa, “Analysis of Hotels Spatial Clustering in Bali: Density-Based Spatial Clustering of Application Noise (DBSCAN) Algorithm Approach,” EKSAKTA: Journal of Sciences and Data Analysis, vol. 3, no. 1, pp. 25–38, Mar. 2022, doi: 10.20885/EKSAKTA.vol3.iss1.art4.
N. Nurhaliza and M. Mustakim, “Pengelompokan Data Kasus Covid-19 di Dunia Menggunakan Algoritma DBSCAN,” Indonesian Journal of Informatic Research and Software Engineering (IJIRSE), vol. 1, no. 1, pp. 1–8, 2021, doi: 10.57152/ijirse.v1i1.42.
S. Putro, M. Syarief, and E. Rochman, “PENERAPAN ALGORITMA K-MEANS, DBSCAN, DAN AHC UNTUK CLUSTERING KUALITAS GARAM PADA PT. GARAM (PERSERO),” Multitek Indonesia: Jurnal Ilmiah, vol. 18, no. 2, pp. 114–125, 2024, doi: 10.24269/mtkind.v18i2.8501.
N. Purnomo and W. Gata, “Pengelompokan Analisis Sentimen Komentar Youtube Terhadap Pengambilalihan Jalan Rusak di Lampung Menggunakan Algoritma Clustering,” Progresif: Jurnal Ilmiah Komputer, vol. 20, no. 2, p. 701, Aug. 2024, doi: 10.35889/progresif.v20i2.1936.
A. Kristianto, E. Sediyono, and K. D. Hartomo, “Implementation dbscan algorithm to clustering satellite surface temperature data in indonesia,” Register: Jurnal Ilmiah Teknologi Sistem Informasi, vol. 6, no. 2, p. 109, Jul. 2020, doi: 10.26594/register.v6i2.1913.
E. Lidrawati, S. Bahri, U. F. Zubaedi, V. P. Carolina, K. Kusrini, and D. Maulina, “Kebakaran Hutan Implementasi Metode CLARA Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Hotspot),” Journal of Computer System and Informatics (JoSYC), vol. 3, no. 4, pp. 507–511, 2022, doi: 10.47065/josyc.v3i4.2006.
J. Han, J. Pei, and H. Tong, DATA MINING CONCEPTS AND TECHNIQUES, Fourth. United States of America: Katey Birtcher, 2023.
R. R. A. Rahman and A. W. Wijayanto, “Pengelompokan Data Gempa Bumi Menggunakan Algoritma Dbscan,” Jurnal Meteorologi dan Geofisika, vol. 22, no. 1, p. 31, 2021, doi: 10.31172/jmg.v22i1.738.
A. Kassambara, Practical Guide To Cluster Analysis in R (Unsupervised Machine Learning), 1st ed. Statistical Tools for High-throughput Data Analysis, 2017.
O. O. Wijaya and Rushendra, “Analysis of Sulawesi Earthquake Data from 2019 to 2023 using DBSCAN Clustering,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 8, no. 4, pp. 454–465, Aug. 2024, doi: 10.29207/resti.v8i4.5819.
A. Ramadhi et al., “Kerentanan Kebakaran Hutan dan Lahan (Karhutla) pada Area Kesatuan Hidrologis Gambut (KHG) Tahun,” p. 2, 2023.
