Ananlisis Perbandingan Algoritme K-Means dan Isodata untuk Klasterisasi Data Kejadian Titik Api di Wilayah Sumatera pada Tahun 2001 hingga 2014
| Main Author: | Sirat, Edo Fadila |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/13855/1/Edo%20Fadila%20Sirat.pdf http://repository.ub.ac.id/13855/ |
| ctrlnum |
13855 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/13855/</relation><title>Ananlisis Perbandingan Algoritme K-Means dan Isodata untuk
Klasterisasi Data Kejadian Titik Api di Wilayah Sumatera pada Tahun 2001 hingga
2014</title><creator>Sirat, Edo Fadila</creator><subject>628.92 Fire safety and fire fighting technology</subject><description>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.</description><date>2018-06-06</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/13855/1/Edo%20Fadila%20Sirat.pdf</identifier><identifier> 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. </identifier><relation>SKR/FTIK/2018/373/051805854</relation><recordID>13855</recordID></dc>
|
| language |
eng |
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book |
| author |
Sirat, Edo Fadila |
| title |
Ananlisis Perbandingan Algoritme K-Means dan Isodata untuk
Klasterisasi Data Kejadian Titik Api di Wilayah Sumatera pada Tahun 2001 hingga
2014 |
| publishDate |
2018 |
| topic |
628.92 Fire safety and fire fighting technology |
| url |
http://repository.ub.ac.id/13855/1/Edo%20Fadila%20Sirat.pdf http://repository.ub.ac.id/13855/ |
| contents |
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. |
| id |
IOS4666.13855 |
| institution |
Universitas Brawijaya |
| affiliation |
mill.onesearch.id fkp2tn.onesearch.id |
| institution_id |
30 |
| institution_type |
library:university library |
| library |
Perpustakaan Universitas Brawijaya |
| library_id |
480 |
| collection |
Repository Universitas Brawijaya |
| repository_id |
4666 |
| subject_area |
Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia* |
| city |
MALANG |
| province |
JAWA TIMUR |
| shared_to_ipusnas_str |
1 |
| repoId |
IOS4666 |
| first_indexed |
2019-03-28T02:18:36Z |
| last_indexed |
2021-10-28T06:49:49Z |
| recordtype |
dc |
| _version_ |
1751453697752170496 |
| score |
17.538404 |