Klasifikasi Land Surface Temperature Spasial-Temporal di Kalimantan Barat Menggunakan Metode Naïve Bayes dan C4.5
Abstract
This study aims to determine the performance level and classification results of land surface temperature with climate, as they mutually influence each other and undergo significant changes that impact the environment. The research uses data mining to classify the patterns of LST changes using spatial data and climate attribute data that affect LST in four regencies in West Kalimantan during the peak dry season of the last five years, comparing the Naïve Bayes and C4.5 algorithms. The data used comes from the USGS and the West Kalimantan Climate Station, covering 11 variables: latitude, longitude, maximum temperature, average temperature, average humidity, precipitation, solar radiation, and average wind speed, time, region and labels. Data preprocessing was conducted to facilitate data processing, and the algorithms were applied using RapidMiner tools. The results show that the Naïve Bayes algorithm has an accuracy of 94.57%, while C4.5 achieves 99.22%. This study can serve as a basis for enhancing understanding and planning climate change adaptation
Keywords: C4.5 Algirithm; Classification; Land Surface Temperature; Naïve Bayes Algorithm; Prediction
Abstrak
Penelitian ini bertujuan untuk mengetahui tingkat kinerja dan hasil klasifikasi land surface temperature dengan iklim karena saling memengaruhi dan mengalami perubahan signifikan yang berdampak terhadap lingkungan. Penelitian menggunakan data mining untuk mengklasifikasi pola perubahan LST menggunakan data spasial dan data atribut iklim yang memengaruhi LST pada empat kabupaten di Kalimantan Barat pada puncak kemarau 5 tahun terakhir menggunakan perbandingan algoritma Naïve Bayes dan C4.5. Data yang digunakan berasal dari USGS dan Stasiun Iklim Kalimantan Barat yang mencakup 11 variabel yaitu latitude, longitude, temperatur maximall, rata-rata temperature, rata-rata kelembapan, intensitas hujan, penyinaran matahari, dan rata-rata kecepatan angin, waktu, wilayah dan label. Pre-proses data dilakukan memudahkan pengolahan data, penerapan algoritma menggunakan tools RapidMiner. Hasil menunjukkan bahwa penggunaan algoritma Naïve Bayes memiliki accuracy sebesar 94,57%, sedangkan C4.5 sebesar 99.22%. Penelitian ini dapat menjadi dasar dalam meningkatkan pemahaman dan dalam perencanaan adaptasi perubahan iklim.
Keywords
References
P. C. Latue, H. Rakuasa, G. Somae, and A. Muin, “Analisis Perubahan Suhu Permukaan Daratan di Kabupaten Seram Bagian Barat Menggunakan Platform Berbasis Cloud Google Earth Engine,” sudo J. Tek. Inform., vol. 2, no. 2, pp. 45–51, 2023, doi: 10.56211/sudo.v2i2.261.
F. Salim Hehanussa, S. S. Respati Dyah, and H. Rakuasa, “Pemanfaatan Google Earth Engine Untuk Identifikasi Perubahan Suhu Permukaan Daratan Kabupaten Buru Selatan Berbasis Cloud Computing,” Gudang J. Multidisiplin Ilmu, vol. 1, pp. 37–45, 2023.
T. Notohadiprawiro, “Tanah Dan Lingkungan,” in Repro: Ilmu Tanah Universitas Gadjah Mada, 2006, pp. 1–22.
H. Rakuasa and S. Pertuack, “Pola Perubahan Suhu Permukaan Daratan di Kecamatan Ternate Tengah, Kota Ternate Tahun 2013 dan 2023 Menggunakan Google Earth Engine,” sudo J. Tek. Inform., vol. 2, no. 2, pp. 78–85, 2023, doi: 10.56211/sudo.v2i2.271.
W. B. Adi, Sukuryadi, J. S. Adiansyah, Ibrahim, and H. I. Johari, “Analisis Pola Spasial Fenomena Urban Heat Island (UHI) Berdasarkan Faktor Emisivitas Lahan Dan Kerapatan Vegetasi Di Kota Mataram,” J. Kajian, Penelit. dan Pengemb. Pendidik., vol. 10, no. 2, pp. 156–168, 2022, [Online]. Available: http://journal.ummat.ac.id/index.php/geography/ article/view/9740.
A. Saskia, “Hubungan Perubahan Penggunaan Lahan Dengan Perubahan Land Surface Temperature Di Kota Depok Tahun 2009 -2019,” Universitas Islam Negeri Syarif Hidayatullah Jakarta, 2021.
A. U. Budi Santosa, “Data Mining dan Big Data Analytics Teori dan Implementasi menggunakan Python & Apache Spark Edisi 2,” in Data Mining dan Big Data Analytics Teori dan Implementasi menggunakan Python & Apache Spark Edisi 2, Penebar Media Pustaka, 2018.
S. Bahri, D. Marisa Midyanti, R. Hidayati, J. Sistem Komputer, and F. Mipa, “Perbandingan Algoritma Naïve Bayes dan C4.5 Untuk Klasifikasi Penyakit Anak,” in Seminar Nasional Aplikasi Teknologi Informasi (SNATi), 2018, pp. 11–2018.
Awliya Wanhari, “Perbandingan Algoritma C4. 5 dan Naïve Bayes Untuk Klasifikasi Mustahik,” Universitas Islam Negeri Syarif Hidayatullah Jakarta, 2018.
W. Apriliah, I. Kurniawan, M. Baydhowi, and T. Haryati, “Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest,” Sist. J. Sist. Inf., vol. 10, no. 1, pp. 163–171, 2021, doi: 10.32520/stmsi.v10i1.1129.
H. Letedara, R., Manakane, S. E., Latue, P. C., & Rakuasa, “Analisis Spasio-Temporal Perubahan Suhu Permukaan Daratan Pulau Letti Tahun 2013 dan 2023 Menggunakan Data Citra Ladsat 8 OLI/TIRS Pada Geogle Earth Engine,” Larisa Penelit. Multidisiplin, vol. 1, no. 1, pp. 36–42, 2023.
A. W. Prakhoso, N. Rokhmah, R. Pratamawati, and R. Kurniawan, “Perbandingan Metode Klasifikasi Untuk Mengestimasi Land Surface Temperature di Jawa Barat,” vol. 2024, no. Senada, pp. 154–165, 2024.
N. Rahmadani, A. S. Handayani, and I. Hadi, “Penerapan Algoritma Random Forest untuk Memprediksi Curah Hujan pada Masa Mendatang di Daerah Berpotensi Banjir,” vol. 6, no. 2, pp. 1222–1230, 2024, doi: 10.47065/bits.v6i2.5593.
T. Mahesti, K. D. Hartomo, and S. Y. J. Prasetyo, “Penerapan Algoritma Random Forest dalam Menganalisa Perubahan Suhu Permukaan Wilayah Kota Salatiga,” J. Media Inform. Budidarma, vol. 6, no. 4, p. 2074, 2022, doi: 10.30865/mib.v6i4.4603.
M. Rafly, A. Fattah, and M. Kamayani, “Analisis Sentimen Ulasan Pelanggan Online Ubi Madu Cilembu Abah Nana Menggunakan Algoritma Naïve Bayes,” J. Sist. Komput. dan Inform., vol. 5, no. September, pp. 11–21, 2023, doi: 10.30865/json.v5i1.6646.
A. A. Azmer, N. Hassan, S. H. Khaleefah, S. A. Mostafa, and A. A. Ramli, “Comparative analysis of classification techniques for leaves and land cover texture,” Int. J. Adv. Intell. Informatics, vol. 7, no. 3, pp. 357–367, 2021, doi: 10.26555/ijain.v7i3.706.
R. E.A. Sihombing, J.T. Hardinata, and Z.M. Nasution, “Penerapan Algoritma C4.5 Data Mining Dalam Mengukur Tingkat Kepuasaan Masyarakat Kecamatan Siantar Terhadap Perbaikan Jalan 2019,” Kesatria J. Penerapan Sist. Inf. (Komputer Manajemen), vol. 2, no. 2, pp. 91–98, 2021.
How To Cite This :
Refbacks
- There are currently no refbacks.
