Clustering Data Meteorologi Wilayah Indonesia Timur Menggunakan Metode K-Means
Article Sidebar
Read Counter : 4
Download : 5
Main Article Content
Abstract
Peran meteorologi dalam memahami pola iklim dan dampak perubahan iklim global menjadi fokus untuk mendeteksi dini perubahan iklim, terutama dampak seriusnya pada kehidupan manusia dan sektor ekonomi di kota-kota seperti Jakarta, Semarang, dan Surabaya. Studi ini difokuskan pada wilayah Indonesia timur, termasuk Papua, Maluku, dan Nusa Tenggara, dengan tujuan mengidentifikasi pola perubahan iklim menggunakan metode clustering, khususnya K-Means. Toleransi missing value sebesar 40% memiliki pengaruh besar dengan silhouette score mencapai 0.509. Penggunaan Z-Score dan penghapusan variabel arah angin maksimum juga terbukti efektif. Hasil analisis dua cluster membentuk kelompok berbeda, terutama Cluster 0 yang hanya memiliki satu kota. Perbedaan signifikan terlihat pada suhu, kelembaban, curah hujan, lama penyinaran matahari, dan kecepatan angin antar cluster, menggambarkan pola iklim yang konsisten namun keragaman kondisi meteorologi di wilayah tersebut
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under Creative Commons Attribution-ShareAlike 4.0 International License.
References
[1] H. H. Frisinger, History of meteorology to 1800. Springer, 2018.
[2] S. Fawzy, A. I. Osman, J. Doran, and D. W. Rooney, “Strategies for mitigation of climate change: a review,” Environ Chem Lett, vol. 18, pp. 2069–2094, 2020.
[3] Z. Chen et al., “Influence of meteorological conditions on PM2. 5 concentrations across China: A review of methodology and mechanism,” Environ Int, vol. 139, p. 105558, 2020.
[4] K. Abbass, M. Z. Qasim, H. Song, M. Murshed, H. Mahmood, and I. Younis, “A review of the global climate change impacts, adaptation, and sustainable mitigation measures,” Environmental Science and Pollution Research, vol. 29, no. 28, pp. 42539–42559, 2022.
[5] E. Hermawan, “Fenomena urban heat island (UHI) pada beberapa kota besar di Indonesia sebagai salah satu dampak perubahan lingkungan global,” Jurnal Citra Widya Edukasi, vol. 7, no. 1, pp. 33–45, 2015.
[6] I. N. Sudapet, A. Sukoco, and M. I. Setiawan, “Model Integrasi Ekonomi Maritim Dan Pariwisata Di Daerah Guna Peningkatan Ekonomi Indonesia Timur,” Jurnal Darussalam: Jurnal Pendidikan, Komunikasi dan Pemikiran Hukum Islam, vol. 9, no. 1, pp. 148–160, 2017.
[7] T. SUSENO, “ANALISIS NILAI SUMBER DAYA BIJIH BAUKSIT, NIKEL DAN EMAS PT. ANTAM TBK.,” Jurnal Teknologi Mineral dan Batubara, vol. 6, no. 4, pp. 174–182, 2010.
[8] Á. Arroyo, Á. Herrero, V. Tricio, and E. Corchado, “Analysis of meteorological conditions in Spain by means of clustering techniques,” Journal of Applied Logic, vol. 24, pp. 76–89, 2017.
[9] S. García, J. Luengo, and F. Herrera, Data preprocessing in data mining, vol. 72. Springer, 2015.
[10] S. Walfish, “A review of statistical outlier methods,” Pharmaceutical technology, vol. 30, no. 11, p. 82, 2006