Segmentasi Karakteristik Kebakaran Hutan Di Taman Nasional Montesinho Menggunakan Algoritma K-means Clustering Dalam Rapidminer
Kata Kunci:
Data Mining, K-Means Clustering, RapidMiner, Kebakaran Hutan, Sistem Peringatan DiniAbstrak
Penelitian ini bertujuan untuk menganalisis karakteristik kebakaran hutan menggunakan algoritma K-Means Clustering dalam perangkat lunak RapidMiner. Kebakaran hutan merupakan bencana yang berdampak signifikan terhadap ekosistem dan kehidupan manusia, sehingga pemahaman pola-pola penyebabnya melalui analisis data menjadi krusial. Dataset yang digunakan mencakup variabel-variabel kritikal seperti indeks sistem FWI (FFMC, DMC, DC, ISI), kondisi cuaca (suhu, kelembaban, kecepatan angin, curah hujan), serta koordinat spasial dari Taman Nasional Montesinho, Portugal. Tahapan penelitian meliputi pra-pemrosesan data, normalisasi fitur, dan implementasi algoritma K-Means dengan tiga klaster untuk mengelompokkan kebakaran berdasarkan tingkat risiko. Hasil analisis menunjukkan bahwa klaster 1 didominasi oleh kebakaran dengan suhu tinggi dan kelembaban rendah (risiko tinggi), klaster 2 dicirikan oleh curah hujan yang lebih tinggi (risiko rendah), sedangkan klaster 0 menunjukkan pola kebakaran besar dengan kecepatan angin signifikan. Klasterisasi ini membuktikan efektivitas K-Means dalam mengidentifikasi pola kebakaran hutan berdasarkan faktor lingkungan, dengan nilai Silhouette Score sebesar 0,62 yang menunjukkan pemisahan klaster yang cukup baik. Temuan penelitian ini dapat menjadi dasar untuk pengembangan sistem peringatan dini kebakaran hutan yang lebih akurat, serta mendukung strategi pencegahan dan mitigasi berbasis data
Referensi
Bojer,C. S., & Meldgaard, J. P. (2021). Kaggle forecasting competitions: An overlooked learning opportunity. International Journal of Forecasting, 37(2), 587-603..
Handayani, F. (2022). Aplikasi Data MiningMenggunakan Algoritma K-Means Clustering untuk Mengelompokkan Mahasiswa Berdasarkan Gaya Belajar. Jurnal Teknologi dan Informasi (JATI), 2088-2270.
Hani, J. E. (2022). ImplementasiDataMiningUntukMenentuksnPersediaanStokBarangDiMini MarketMenggunakan MetodeK-MeansClustering. Jurnal Informatika dan rekayasa komputer (JAKAKOM), 2808-5469.
Rasyid, F. (2014). Permasalahan dan dampak kebakaran hutan. Jurnal lingkar widyaiswara, 1(4), 47-59.
Yusuf, A., Hapsoh, H., Siregar, S. H., & Nurrochmat, D. R. (2019). Analisis kebakaran hutan dan lahan di Provinsi Riau. Dinamika Lingkungan Indonesia, 6(2), 67-84.
Sinaga, K. P., & Yang, M. S. (2020). Unsupervised K-means clustering algorithm. IEEE access, 8, 80716-80727.
Unduhan
Diterbitkan
Pernyataan Ketersediaan Data
Ya, di situs web Jurnal Teknologi Informasi dan Teknik InformatikaTerbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Vira Yuniarti, Syaepul Rahmat Dani, Tegar Winata, yogi wardana saputra, zaky Ramadhan, Maulana Fansyuri (Author)
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Creative Commons Attribution 4.0 International (CC BY 4.0).
This work is licensed under a 