Pengelompokan kasus deforestasi di Indonesia menggunakan metode K-Means

Qomaria, Rizalatul (2024) Pengelompokan kasus deforestasi di Indonesia menggunakan metode K-Means. ['eprint_fieldopt_thesis_type_undergraduate' not defined] thesis, UIN Sunan Ampel Surabaya.

[thumbnail of Rizalatul Qomaria_09010220015.pdf] Text
Rizalatul Qomaria_09010220015.pdf

Download (2MB)
[thumbnail of Rizalatul Qomaria_09010220015_Full.pdf] Text
Rizalatul Qomaria_09010220015_Full.pdf
Restricted to Repository staff only until 5 July 2027.

Download (2MB)

Abstract

Deforestasi adalah fenomena penurunan atribut-atribut dalam hutan sebagai akibat dari kerusakan struktur dan fungsi hutan yang berpotensi mengundang ancaman bencana seperti efek rumah kaca. Kasus deforestasi di Indonesia tahun 2015 hingga 2022 mengalami penurunan secara signifikan tidak menutup kemungkinan terjadinya perubahan tren. Tujuan penelitian ini untuk mendapatkan hasil pengelompokkan yang optimal kasus deforestasi menggunakan K-Means dan mengetahui struktur cluster berdasarkan nilai silhouette coefficient. Dengan mengelompokkan data deforestasi dapat mengidentifikasi pola yang lebih detail dan memahami apakah ada kawasan tinggi deforestasi yang perlu perlindungan tambahan. Salah satu metode pengelompokkan adalah K-Means, dimana metode tersebut membentuk cluster yang memiliki karakteristik serupa. Data penelitian mencakup luas kelapa sawit, luas karet, luas kopi, produksi kayu bulat, jumlah penduduk, dan luas penutupan tanah di Indonesia pada tahun 2022. Hasil penelitian diperoleh model optimal pada jumlah cluster 5 dengan nilai silhouette coefficient sebesar 0,43.

Item Type: Thesis (['eprint_fieldopt_thesis_type_undergraduate' not defined])
Uncontrolled Keywords: Deforestasi; K-Means; silhouette coefficient
Subjects: Matematika
Matematika
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Rizalatul Qomaria
Date Deposited: 05 Jul 2024 03:50
Last Modified: 05 Jul 2024 03:50
URI: http://digilib.uinsby.ac.id/id/eprint/71294

Actions (login required)

View Item
View Item