Clustering Pola Curah Hujan Bulanan Menggunakan K- Means untuk Identifikasi Musim di Provinsi Jambi

Rizko Alamin; Muhammad Farhan Syawal; Yandi Anzari

Rizko Alamin Universitas Nurdin Hamzah
Muhammad Farhan Syawal Universitas Nurdin Hamzah
Yandi Anzari Universitas Jambi

Abstract viewed = 0 times

PDF (Bahasa Indonesia) downloaded = 0 times

Abstract

Provinsi Jambi merupakan salah satu wilayah di Indonesia yang memiliki keragaman pola curah hujan tahunan yang berpengaruh terhadap aktivitas pertanian, perkebunan, dan pengelolaan sumber daya alam. Variasi curah hujan sering menyulitkan dalam menentukan awal musim hujan, musim kemarau, maupun musim peralihan. Penelitian ini bertujuan untuk mengidentifikasi pola musim di Provinsi Jambi dengan menggunakan metode clustering K- Means pada data curah hujan bulanan. Data curah hujan diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dengan rentang waktu tertentu. Proses analisis meliputi pra-pemrosesan data, normalisasi, penentuan jumlah cluster optimal menggunakan Elbow Method dan Silhouette Score, serta penerapan algoritma K-Means. Hasil penelitian menunjukkan bahwa data curah hujan dapat dikelompokkan menjadi tiga cluster utama yang merepresentasikan musim hujan, musim kemarau, dan musim peralihan. Temuan ini dapat menjadi dasar dalam mendukung perencanaan pertanian, mitigasi bencana, serta pengelolaan sumber daya air di Provinsi Jambi.

References

[1] S. Khairunnisa and M. I. Jambak, “Pengelompokan Cuaca Kota Palembang Menggunakan Algoritma K-Means Clustering Untuk Mengetahui Pola Karakteristik Cuaca,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 4, p. 2352, Oct. 2022, doi: 10.30865/mib.v6i4.4810.
[2] N. Hasanah, M. Ugiarto, and N. Puspitasari, “SISTEM PENGELOMPOKAN CURAH HUJAN MENGGUNAKAN METODE K-MEANS DI WILAYAH KALIMANTAN TIMUR,” Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi, vol. 2, no. 2, pp. 122–126, Sep. 2020.
[3] A. S. Raj, H. M. Henrietta, and J. P. Angelena, “Rainfall data classification using Mann-Kendall test statistics associated with Neuro Fuzzy technique: A case study of Chennai district,” Int J Hybrid Intell Syst, vol. 19, no. 1,2, pp. 95–109, Jul. 2023, doi: 10.3233/HIS-230010.
[4] G. Andrian, T. Handhayani, and D. Arisandi, “CLUSTERING DATA METEOROLOGI WILAYAH INDONESIA TIMUR MENGGUNAKAN METODE K-MEANS,” 2024. [Online]. Available: https://dataonline.bmkg.go.id.
[5] B. Prihasto, D. Darmansyah, D. P. Yuda, F. M. Alwafi, H. N. Ekawati, and Y. P. Sari, “Comparative Analysis of K-Means and K-Medoids Clustering Methods on Weather Data of Denpasar City,” Jurnal Pendidikan Multimedia (Edsence), vol. 5, no. 2, pp. 91–114, Dec. 2023, doi: 10.17509/edsence.v5i2.65925.
[6] Q.-V. Doan, T. Amagasa, T.-H. Pham, T. Sato, F. Chen, and H. Kusaka, “Structural k-means (S k-means) and clustering uncertainty evaluation framework (CUEF) for mining climate data,” Geosci Model Dev, vol. 16, no. 8, pp. 2215–2233, Apr. 2023, doi: 10.5194/gmd-16-2215-2023.
[7] R. Nosratpour and M. Rahimzadegan, “Clustering and assessment of precipitation climates using satellite precipitation products and improved machine learning precipitation models,” International Journal of Climatology, vol. 43, no. 16, pp. 7819–7850, Dec. 2023, doi: 10.1002/joc.8294.
[8] A. Sofro, R. A. Riani, K. N. Khikmah, R. W. Romadhonia, and D. Ariyanto, “ANALYSIS OF RAINFALL IN INDONESIA USING A TIME SERIES-BASED CLUSTERING APPROACH,” BAREKENG: Jurnal Ilmu Matematika dan Terapan, vol. 18, no. 2, pp. 0837–0848, May 2024, doi: 10.30598/barekengvol18iss2pp0837-0848.
[9] A. Abdelrazek, “Case Study on using K-Means Clustering Technique for Energy saving in Pressurized Irrigation Networks.” doi: 10.22541/au.158162334.47523196.
[10] M. A. Ahmad Basri et al., “Regionalization of Rainfall Regimes Using Hybrid RF-Bs Couple with Multivariate Approaches,” ISPRS Int J Geoinf, vol. 10, no. 10, p. 689, Oct. 2021, doi: 10.3390/ijgi10100689.
[11] G. Sottile, A. Francipane, G. Adelfio, and L. V. Noto, “A PCA-based clustering algorithm for the identification of stratiform and convective precipitation at the event scale: an application to the sub-hourly precipitation of Sicily, Italy,” Stochastic Environmental Research and Risk Assessment, vol. 36, no. 8, pp. 2303–2317, Aug. 2022, doi: 10.1007/s00477-021-02028-7.
[12] A. Putro Wicaksono, S. Widjaja, M. Fajarianditya Nugroho, and P. Putri, “Elbow and Silhouette Methods for K Value Analysis of Ticket Sales Grouping on K-Means.” [Online]. Available: http://sistemasi.ftik.unisi.ac.id