Sistem Informasi Geografis (SIG) Sebaran Daerah Aliran Sungai (DAS) Mengunakan Segmentasi Berbasis Algoritma K-Modes Clustering Dan Davies-Bouldin Index - Geographic Information System (GIS) Distribution Of Watershed Using Segmentation Based Of K-Modes Clustering Algorithm And Davies-Bouldin Index

Fahmi, Muhammad Farid (2016) Sistem Informasi Geografis (SIG) Sebaran Daerah Aliran Sungai (DAS) Mengunakan Segmentasi Berbasis Algoritma K-Modes Clustering Dan Davies-Bouldin Index - Geographic Information System (GIS) Distribution Of Watershed Using Segmentation Based Of K-Modes Clustering Algorithm And Davies-Bouldin Index. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
2214206704-Master thesis.pdf - Published Version

Download (2MB) | Preview

Abstract

Tingkat keberhasilan rehabilitasi DAS saat ini masih belum maksimal, salah satu penyebabnya adalah keterbatasan informasi tentang kondisi DAS. Dari permasalahan di atas, diperlukan suatu penelitian yang dapat memberikan acuan atau alternatif lain dalam menentukan DAS prioritas untuk direhabilitasi, salah satunya melalui data mining. Dalam penelitian ini DAS akan dikelompokkan menggunakan algoritma K-modes clustering berdasarkan parameter karakteristiknya. hasil pengelompokan DAS dengan K-modes clustering kemudian dioptimalkan menggunakan Davies Bouildin Index (DBI) untuk mendapatkan jumlah cluster dengan tingkat kemiripan yang optimal dan dilakukan visualisasi dengan Sistem Informasi Geografis untuk memeperoleh peta sebaran DAS. Dari uji coba pada DAS Tondano didapatkan bahwa cluster nomor empat (4) adalah jumlah cluster yang optimal dengan nilai DBI rata-rata 0,672778, atau 19,93%. Hasil clustering menunjukkan bahwa DAS dalam cluster 3 dengan 332 DAS yang sebagian besar tersebar di Minahasa Selatan (24,7%) adalah DAS kritis dibandingkan dengan kelompok lainnya. hasil dari proses pengelompokan tidak jauh berbeda atau 90,64% sama jika dibandingkan dengan perhitungan DAS secara manual, yang dapat digunakan sebagai acuan stau alternatif lain dalam perencanaan rehabilitasi DAS. ======================================================================================================================== The watershed rehabilitation success rate have not been up, is the result of policies in watershed rehabilitation strategies that are less precise. From the above problems, we need a study that can provide a reference or any other alternative in determining priority watersheds to be rehabilitated, one through data mining. This paper uses a case study of Watershed data which are grouped using K-modes clustering algorithm based on its characteristics parameters. Watershed groupped using K-modes clustering then optimized using Davies- Bouildin Index (DBI) to get the number of clusters with the optimal level of similarity and visualized using GIS to obtain distribution maps. From trial on the Watershed of Tondano It was known that the cluster number four (4) is the optimal cluster number with an average DBI value of 0.672778, or 19.93%. The clustering results show that the wateshed in cluster 3 with 332 watershed which mostly scattered in the South Minahasa (24.7%) is a critical watershed compared to other clusters. the result of the clustering process is not much different or 90.64% similar when compared to the calculation of the watershed manually, that can be used as alternative to other reference in planning the rehabilitation of the watershed.

Item Type: Thesis (Masters)
Additional Information: RTE 006.312 Fah s
Uncontrolled Keywords: Data Mining, Clustering, K-Modes,Davies-Bouldin Index, SIG,DAS, Data Mining, Clustering, K-Modes,Davies-Bouldin Index, GIS, watershed
Subjects: Q Science > QA Mathematics > QA76.9.D343 Data mining
Divisions: Faculty of Industrial Technology > Electrical Engineering
Depositing User: ansi aflacha
Date Deposited: 17 Dec 2019 04:56
Last Modified: 17 Dec 2019 04:56
URI: http://repository.its.ac.id/id/eprint/72396

Actions (login required)

View Item View Item