BAB IV HASIL DAN PEMBAHASAN

Ukuran: px

Mulai penontonan dengan halaman:

Download "BAB IV HASIL DAN PEMBAHASAN"

Suharto Pranoto
6 tahun lalu
Tontonan:

BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Data Preprocessing Tahapan awal dalam analisis klaster data spasio-temporal clustering adalah melakukan data preprocessing.

1 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Data Preprocessing Tahapan awal dalam analisis klaster data spasio-temporal clustering adalah melakukan data preprocessing. Hal ini dilakukan agar data yang akan dilakukan analisis spasio-temporal clustering sesuai dengan kebutuhan, serta adanya keterbatasan dalam melakukan analisis spasio-temporal clustering pada data yang berukuran besar. Data spasio-temporal merupakan data yang mengandung informasi geografi serta diambil dengan rentang waktu tertentu. Data citra satelit sebaran klorofil a yang diambil dari situs memiliki format temporal 8 harian sehingga perlu dilakukan preprocessing data agar diperoleh data yang sesuai dengan kebutuhan analisis spasio-temporal clustering. Berikut adalah hasil implementasi untuk proses data preprocessing, hasil lengkap dapat dilihat pada lampiran. Tabel 1 hasi preprocessing data sebaran klorofil a Lat ( ) Long ( ) chlo(mg/m3)

5 Berikut penjelasan dari tabel 1 di atas 1. Lat merupakan nilai koordinat untuk lintang, nilai negatif ( ) menunjukkan nilai lintang selatan 2. Long merupakan nilai koordinat untuk koordinat bujur, nilai positif ( ) menunjukkan koordinat bujur timur. 3. Chlo merupakan nilai sebaran klorofil a pada minggu pertama bulan januari tahun 2000 yang diperoleh dari data klorofil a satelit SeaWifs. Nilai 999,9 merupakan nilai noise yang diperoleh oleh satelit SeaWifs, sedangkan nilai 0,974 mg/m 3 merupakan nilai klorofil a. Hasil diatas merupakan hasil prepocessing data yang diperoleh dari hasil pengolahan data dengan SeaDAS. Data yang diunduh dari dari situs memiliki format *.hdf sehingga diperlukan SeaDAS untuk dapat merubah formatnya menjadi *.asc. 4.2 Hasil Data Agregation Tahapan berikutnya dalam analisis cluster data spasio-temporal clustering adalah melakukan data agregation. Hal ini dilakukan agar data yang akan dilakukan analisis spasio-temporal clustering sesuai dengan kebutuhan, serta adanya keterbatasan dalam melakukan analisis spasio-temporal clustering pada data yang berukuran besar. Data spasio-temporal merupakan data yang mengandung informasi geografi serta diambil dengan rentang waktu tertentu. Data citra satelit sebaran klorofil a yang diambil dari situs memiliki format temporal 8 harian sehingga perlu dilakukan agregasi data agar diperoleh data yang sesuai dengan kebutuhan analisis spasio-temporal clustering.

6 52 Berikut adalah hasil implementasi untuk proses data agregation, hasil lengkap dapat dilihat pada lampiran. Tabel 2 hasil agregrasi temporal data sebaran klorofil a bulan april 2000 Lat ( ) Long ( ) chlo(mg/m3) chlo(mg/m3) chlo(mg/m3) chlo(mg/m3)

9 Berikut penjelasan dari tabel 2 di atas 1. Lat merupakan nilai koordinat untuk lintang, nilai negatif ( ) menunjukkan nilai lintang selatan 2. Long merupakan nilai koordinat untuk koordinat bujur, nilai positif ( ) menunjukkan koordinat bujur timur. 3. Chlo pada kolom ketiga merupakan nilai sebaran klorofil a pada minggu pertama bulan april tahun 2000 yang diperoleh dari data klorofil a satelit SeaWifs. Nilai 999,9 merupakan nilai noise yang diperoleh oleh satelit SeaWifs. 4. Chlo pada kolom ketiga merupakan nilai sebaran klorofil a pada minggu pertama bulan april tahun 2000 yang diperoleh dari data klorofil a satelit

10 56 SeaWifs. Nilai 999,9 merupakan nilai noise yang diperoleh oleh satelit SeaWifs. 5. Chlo pada kolom kelima merupakan nilai sebaran klorofil a pada minggu ketiga bulan april. Nilai 0,974 mg/m 3 merupakan nilai klorofil a. 6. Chlo pada kolom ketiga merupakan nilai sebaran klorofil a pada minggu pertama bulan april tahun 2000 yang diperoleh dari data klorofil a satelit SeaWifs. Nilai 999,9 merupakan nilai noise yang diperoleh oleh satelit SeaWifs. Untuk mendapatkan data diatas dilakukan agregasi data mulai dari data 8 harian menjadi data bulanan. 4.3 Hasil Analisis Spasio-Temporal Clustering Tahapan berikutnya dalam analisis klaster data spasio-temporal clustering adalah melakukan spasial clustering. Pada tahapan ini dilakukan pemilihan data lintang dan data bujur yang sesuai dengan area penelitian, karena data yang diperoleh dari situs merupakan data wilayah perairan di seluruh Indonesia sehingga akan menyebabkan besarnya ukuran data. Besarnya ukuran data membuat biaya komputasi menjadi lebih besar. Berikut adalah hasil agregasi spasial pada data lintang dan data bujur. hasil lengkap dapat dilihat pada lampiran. Tabel 3 hasil agregrasi spasial data sebaran klorofil a Lat ( ) Long ( )

14 Berikut penjelasan dari tabel 3 di atas 1. Lat merupakan nilai koordinat untuk lintang, nilai negatif ( ) menunjukkan nilai lintang selatan 2. Long merupakan nilai koordinat untuk koordinat bujur, nilai positif ( ) menunjukkan koordinat bujur timur Langkah diatas dilakukan untuk menyesuaikan data dengan lingkup penelitian. Selain itu analisa spasio-temporal diatas membuat ukuran data menjadi lebih kecil. 4.4 Hasil Visualisasi Clustering Tahapan berikutnya dalam analisis klaster data spasio-temporal clustering adalah melakukan visualisasi clustering. Pada tahapan ini dilakukan visualisasi hasil analisis clustering untuk melihat hasil sebaran data klorofil a. Berikut adalah hasil visualisasi analisa clustering dengan algoritma Fuzzy C-Means. Gambar 20 hasil visualisasi data sebaran klorofil a dengan algortima fcm

15 61 Gambar diatas merupakan hasil sebaran cluster pada data klorofil a pada bulan april tahun 2000 dengan algoritma fuzzy c-means. Sumbu x merupakan nilai koordinat lintang, sedangkan sumbu y merupakan nilai koordinat bujur. Warna yang sama menunjukkan kelas yang sama. Pada gambar di atas terdapat 3 cluster yang terbentuk, masing masing cluster diwakili oleh warna yang berbeda, warna hijau menunjukkan cluster pertama, warna merah menunjukkan cluster kedua, sedangkan warna kuning menunjukkan cluster ketiga. Visualisasi hasil sebaran cluster dengan menggunakan algoritma DBSCAN ditunjukkan oleh gambar dibawah ini. Tahapan ini akan melakukan visualisasi jumlah cluster hasil clustering dengan algoritma DBSCAN sebaran data sebaran klorofil a dengan visualisasi terhadap lokasi geografis. Berikut adalah hasil visualisasi sebaran klorofil dengan algoritma DBSCAN. Gambar 21 hasil visualisasi data sebaran klorofil a dengan algortima dbscan Gambar diatas merupakan hasil sebaran cluster pada data klorofil a pada bulan april tahun Sumbu x merupakan nilai koordinat bujur, sedangkan sumbu y merupakan nilai koordinat lintang. Warna yang sama menunjukkan kelas yang sama. Kedua gambar diatas menggunakan data yang sama, namun algoritma yang dipakai berbeda. Clustering dengan algoritma fuzzy c means menghasilkan

16 62 jumlah cluster yang lebih sedikit, namun memerlukan waktu pemrosesan yang lebih singkat bila dibandingkan dengan algoritma dbscan. Algoritma dbscan menghasilkan 6 cluster yang berbeda, sedangkan algoritma fuzzy c-means hanya menghasilkan 3 cluster yang berbeda. Berikut adalah tabel waktu komputasi antara algoritma dbscan dengan algoritma fuzzy c-means. Dari hasil visualisasi di atas diperoleh nilai tengah masing-masing cluster. Nilai ini digunakan untuk menunjukkan besarnya kandungan klorofil yang terdapat di wilayah tertentu. Menurut A.Sediadi & Edward dalam makalah yang disampaikan pada Seminar Nasional Pendayagunaan Sumberdaya Hayati Dalam Pengelolaan Lingkungan Hidup tahun 2000 nilai tertinggi klorofil a di perairan Indonesia adalah 2,14 mg/m3, sehingga cluster yang memenuhi syarat tersebut adalah cluster 1 dan cluster 6. Berikut adalah nilai mean untuk masing-masing cluster. Tabel 4 tabel distribusi cluster algoritma dbscan cluster mean standar deviasi Tabel 5 waktu komputasi algoritma dbscan & fcm Tabel waktu komputasi algoritma dbscan Tabel waktu komputasi algoritma fuzzy January January March February April March May April June May July June August July September August October September

17 63 Pada tabel diatas tidak semua bulan ditampilkan karena ada beberapa bulan yang tidak dapat dilakukan analisi spasio-temporal clustering karena data hanya berisi noise saja. Berikut adalah beberapa bulan yang tidak dapat dilakukan analisis spasio-temporal clustering data bulan februari, maret, september tahun 2000, januari, februari, oktober tahun 2001, februari, agustus, september, oktober tahun 2002, februari, agustus, september, oktober tahun 2003, februari, september, tahun 2004 (tidak dpt dilakukan dbscan klastering). Bulan februari, september tahun 2000, januari, februari, agustus, tahun 2001, februari,agustus, september, oktober tahun 2002, februari, agustus, september, oktober tahun 2003, februari, september tahun 2004 (tidak dpt dilakukan fcm klastering karena data hanya berisi noise data). 4.5 Hasil Analisa Perbedaan Cluster Dari penelitian analisis spasio-temporal clustering terhadap data sebaran klorofil a didapat beberapa perbedaan cluster yang dihasilkan diantaranya. Karakter cluster yang dihasilkan memiliki perbedaan karena adanya perbedaan metode peng-cluster-an. Metode dbscan akan menghasilkan cluster yang lebih merepresentasikan karakter data karena proses peng-cluster-an tidak melibatkan unsur diluar metode tersebut seperti penentuan jumlah cluster yang diinginkan, hal ini berbeda dengan algoritma fuzzy c-means yang mengharuskan penentuan awal jumlah cluster yang diinginkan. Berikut adalah beberapa perbedaan yang ditemukan: Algoritma dbscan: cluster yang dihasilkan lebih banyak cluster tersebar pada beberapa lokasi geografis Algoritma fuzzy c-means cluster yang dihasilkan lebih sedikit cluster tidak terlalu tersebar pada lokasi geografis

dokumen-dokumen yang mirip

BAB III ANALISIS DAN PERANCANGAN. Metode penelitian yang digunakan dalam penelitian ini adalah :

BAB III ANALISIS DAN PERANCANGAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah : Gambar 4 Flowchart metode penelitian Berikut adalah penjelasan dari flowchart diatas: