Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan / Lahan Berdasarkan Persebaran Titik Panas (Hotspot)

Kebakaran hutan/lahan merupakan salah satu bencana yang setiap tahunnya terjadi di beberapa negara di dunia. Peristiwa ini mendapat perhatian lebih dari pemerintah karena menimbulkan banyak kerugian baik pada bidang ekonomi, ekologi, dan sosial. Indonesia merupakan negara dengan tingkat bencana kebakaran hutan/lahan yang tinggi. Indonesia mengalamai kerugian hingga mencapai Rp 209 Triliun pada tahun 2015. Akibat kerugian yang ditimbulkan dibutuhkan penanggulangan secara dini, salah satu langkah yang dapat dilakukan dengan mengelompokan wilayah-wilayah dengan potensi kebakaran hutan/lahan dengan memanfaatkan data titik panas. Kebakaran hutan/lahan ditandakan dengan dideteksinya titik – titik api oleh satelit yang diindikasikan sebagai titik panas. Dalam penelitian ini menggunakan data titik panas dengan parameter latitude, longitude, brightness, frp (fire radiative power), dan confidence dengan menggunakan metode K-Medoids. Metode K-Medoids merupakan metode clustering yang berfungsi untuk memecah dataset menjadi kelompok-kelompok. Kelebihan dari metode ini mampu mengatasi kelemahan dari metode K-Means yang sensitive terhadap outlier. Hasil dari penelitian ini menunjukkan penggunaan metode K-Medoids dapat digunakan untuk proses clustering data titik panas dengan hasil Silhouette Coefficient terbaik sebesar 0.56745 pada penggunaan 2 cluster dengan menggunakan jumlah data sebesar 7352 data. Hasil analisis terhadap hasil clustering menunjukkan bahwa dengan penggunaan 2 cluster menghasilkan kelompok data dengan potensi yang dimiliki yaitu potensi tinggi dengan hasil rata-rata brightness sebesar 344.470K dengan rata-rata confidence 87.08% dan potensi sedang dengan hasil rata-rata brightness sebesar 318.800K dengan rata-rata confidence sebesar 58,73%