IMPLEMENTASI K-MEANS PADA CLUSTERING UNTUK PENGUSULAN PENEMPATAN HIDRAN PILAR
Kebakaran pemukiman merupakan salah satu bencana yang setiap tahunnya terjadi di beberapa daerah di Indonesia terutama di kota Bandung. Setiap tahunnya, terdapat sekitar 162 kejadian dengan kerugian materi mencapai Rp 21 miliar per tahun. Akibat kerugian yang ditimbulkan dibutuhkan penanggulangan secara dini, salah satu langkah yang dapat dilakukan dengan mengelompokan wilayah-wilayah dengan potensi kebakaran pemukiman dengan memanfaatkan data yang sering terjadi kebakaran dan membangun sumber mata air di sekitaran daerah tersebut. Dalam penelitian ini menggunakan data titik kebakaran dengan parameter latitude, longitude dan menggunakan metode K-Means. Metode K-Means merupakan metode clustering yang berfungsi untuk mengelompokan data dengan karakteristik yang sama. Hasil dari penelitian ini menunjukkan penggunaan metode K-Means dapat digunakan untuk proses clustering data kebakaran dengan hasil Silhouette Coefficient terbaik mendekati 0.62 pada penggunaan 3 cluster dengan menggunakan jumlah data sebesar 283 data. Hasil pengujian yang telah dilakukan pada sistem sebanyak 30 kali dibandingkan dengan pengujian k-means secara manual didapatkan keakurasian sebesar 66,7%.
Detail Information
Citation
APA Style
. (2019).IMPLEMENTASI K-MEANS PADA CLUSTERING UNTUK PENGUSULAN PENEMPATAN HIDRAN PILAR ().Teknik Informatika:FTI
Chicago Style
.IMPLEMENTASI K-MEANS PADA CLUSTERING UNTUK PENGUSULAN PENEMPATAN HIDRAN PILAR ().Teknik Informatika:FTI,2019.Text
MLA Style
.IMPLEMENTASI K-MEANS PADA CLUSTERING UNTUK PENGUSULAN PENEMPATAN HIDRAN PILAR ().Teknik Informatika:FTI,2019.Text
Turabian Style
.IMPLEMENTASI K-MEANS PADA CLUSTERING UNTUK PENGUSULAN PENEMPATAN HIDRAN PILAR ().Teknik Informatika:FTI,2019.Text