Clustering Tingkat Kemiripan Curah Hujan di Indonesia Berdasarkan Provinsi Menggunakan Metode Hierarchical Clustering dan GeoMap
Abstract
Indonesia's geographical location has a big influence on the usual rainfall patterns. BMKG data summarized in the 2023 Indonesian statistical data by the Central Statistics Agency, notes that Indonesia will often experience rain from around August to February. Rainfall is an important factor in determining the climate of an area and has a significant impact on various sectors of life, such as agriculture, water resource management and disaster mitigation. The aim of the research is to find out which provinces in Indonesia have similar levels of low, medium and high rainfall characteristics using the Hierarchical Clustering method and GeoMap visualization. After processing the data, 3 cluster levels were obtained, namely cluster 1 with 8 members in areas with low rainfall levels, cluster 2 with 3 members in areas with high rainfall, and cluster 3 with 22 members in areas with moderate rainfall. Then the test was evaluated using the Silhouette Coefficient which produced cluster 1 (medium), cluster 2 (strong), and cluster 3 (medium).
Keywords: Rainfall; Hierarchical Clustering; GeoMap
Abstrak
Letak Geografis Indonesia mempunyai pengaruh besar terhadap pola curah hujan yang biasa terjadi. Data BMKG yang dirangkum dalam data statistik Indonesia 2023 oleh Badan Pusat Statistik, dicatat bahwa Indonesia akan kerap diguyur hujan sekitar bulan Agustus sampai Februari. Curah hujan merupakan faktor penting dalam menentukan iklim suatu daerah dan memiliki dampak yang signifikan terhadap berbagai sektor kehidupan, seperti pertanian, pengelolaan sumber daya air, dan mitigasi bencana. Adapun yang menjadi tujuan dalam penelitian untuk mengetahui provinsi di Indonesia yang memiliki tingkat kemiripan karakteristik curah hujan rendah, sedang, dan tinggi menggunakan metode Hierarchical Clustering dan visualisasi GeoMap. Setelah melakukan olah data, didapatkan 3 tingkat cluster yaitu cluster 1 dengan 8 anggota wilayah dengan tingkat curah hujan rendah, cluster 2 dengan 3 anggota wilayah dengan curah hujan tinggi, dan cluster 3 dengan 22 anggota wilayah dengan curah hujan sedang.Kemudian di evaluasi pengujian menggunakan Silhouette Coefficient yang menghasilkan cluster 1 (medium), cluster 2 (strong), dan cluster 3 (medium).
Kata kunci: Curah Hujan; Hierarchical Clustering; GeoMap
References
Badan Meteorologi, Klimatologi, dan Geofisika (BMKG), “Konsep Curah Hujan “,2023. [Online]. Tersedia: https://www.bmkg.go.id/. [Diakses: 16 Mei 2023].
Pratikto, R. O., Damastuti, N., “Klasterisasi Menggunakan Agglomerative Hierarchical Clustering Untuk Memodelkan Wilayah Banjir,“ JOINTECS (Journal of Information Technology and Computer Science), vol. 6, no. 1, pp.13-20, 2021.
Ihwan Andi, “Pemodelan Curah Hujan Bulanan Berdasarkan Metode Least Square non Linear, “ Pontianak: Prodi Fisika FMIPA Universitas Tanjungpura, 2010.
Dwi, Made.,Wahyu, Tri., Syahputra, M Rido, “Analisis Curah Hujan di Indonesia untuk Memetakan Daerah Potensi Banjir dan Tanah Longsor dengan Metode Cluster Fuzzy C-Means dan Singular Value Decompotition (SVD), “Bukit Kotabang: MEGASAINS, 2014.
ELAN, D., & Hadi, S, “Penerapan Metode Agglomerative Hierarchical Clustering untuk Klasifikasi Dokumen Skripsi “, Doctoral dissertation Universitas Bina Darma, 2020.
Widyawati, W., Saptomo, W. L. Y., Utami, Y. R. W, “ Penerapan Agglomerative Hierarchical Clustering Untuk Segmentasi Pelanggan “, Jurnal Ilmiah SINUS, vol. 18, no. 1, pp.75-87, 2020.
Habibie, M. N., Noviati, S., & Harsa Hastuadi, “Pengaruh Siklon Tropis Cempaka Terhadap Curah Hujan Harian di Wilayah Jawa dan Madura, “Meteorologi Dan Geofisika, vol. 19, no. 1, pp.1-11, 2018.
Saputro, D. R. S., Mattjik, A. A., Boer, R., Wigena, A. H., & Djuraidah Anik, “Pewilayahan Curah Hujan Di Kabupaten Indramayu Dengan Metode Gerombol (Berdasarkan Data Median Tahun 1980–2000),” Universitas Negeri Yogyakarta, 2011.
Sahriman, S., Kalondeng, A., & Koerniawan Vieri, “Pemodelan Statistical Downscaling Dengan Peubah Dummy Berdasarkan Teknik Cluster Hierarki Dan Non-Hierarki Untuk Pendugaan Curah Hujan, “Indonesian Journal of Statistics and Its Applications, vol. 3, no. 3, pp.295-309, 2019.
Utami, D. S., & Saputro Dewi Retno Sari, “Pengelompokan data yang Memuat Pencilan dengan Kriteria Elbow dan Koefisien Silhouette (Algoritme K-Medoids), “Universitas Muhammadiyah Surakarta, 2018.
Badan Pusat Statistik Indonesia (BPS), “ Statistik Indonesia 2023 “, 2023. [Online]. Tersedia: https://www.bps.go.id/ [Diakses: 16 Mei 2023].
Liebchen, G. A., “ Data cleaning techniques for software engineering data sets “, PhD diss., no. October, 2010.
Yulianti, D., Hermanto, T., & Defriani, M., “Analisis Clustering Donor Darah dengan Metode Agglomerative Hierarchical Clustering “, Resolusi: Rekayasa Teknik Informatika dan Informasi, vol. 3, no. 6, pp.436-441, 2023.
Shahapure, K. R., & Nicholas, C., “Cluster quality analysis using silhouette score “, 2020 IEEE 7th international conference on data science and advanced analytics (DSAA), pp. 747-748, 2020. IEEE
Hofmann, H., Wickham, H., & Kafadar, K., “value plots: Boxplots for large data “, Journal of Computational and Graphical Statistics, vol. 26, no. 3, pp. 469-477, 2017.
How To Cite This :
Refbacks
- There are currently no refbacks.
