Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal CogITo Smart Journal Jurnal Riset Multidisiplin Edukasi
Rajnaparamitha Kusumastuti
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Clustering Titik Panas Menggunakan Algoritma Agglomerative Hierarchical Clustering (AHC) Rajnaparamitha Kusumastuti; Elfandry Bayunanda; Anggi Muhammad Rifa’i; Muhamad Ryandy Ghonim Asgar; Fahma Inti Ilmawati; Kusrini Kusrini
CogITo Smart Journal Vol. 8 No. 2 (2022): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v8i2.438.501-513

Abstract

Kebakaran hutan di Indonesia setiap tahunnya masih sering terjadi. Dalam menanggulangi kebakaran hutan sendiri, para peneliti belakangan ini semakin fokus untuk melakukan pengembangan sistem yang mampu melakukan prediksi kebakaran hutan. Selain melakukan prediksi mengenai kebakaran hutan, antisipasi yang dapat dilakukan untuk membantu menangani pencegahan kebakaran hutan salah satunya adalah melakukan pengelompokkan terhadap wilayah yang memiliki potensi kebakaran. Pada penelitian ini melakukan Clusterisasi titik panas (hotspot) untuk membagi wilayah yang berpotensi untuk terbakar. Pengelompokkan wilayah dilakukan berdasarkan cluster kebakaran rendah, sedang, dan tinggi. Clusterisasi wilayah dilakukan menggunakan algoritma Agglomerative Hierarchical Clustering (AHC). Data yang digunakan pada perhitungan ini menggunakan wilayah Kalimantan Barat dengan menggunakan variable longitude, latitude, frp, confidence, dan curah hujan untuk menentukan clustering wilayah kebakaran. Tujuan dalam penelitian ini adalah untuk mengcluster titik panas kebakaran hutan berdasarkan wilayah yang berpotensi terjadi kebakaran hutan sehingga memiliki peluang untuk segera ditindaklanjuti. Dari hasil pengujian diperoleh pembentukan 2 cluster yang dimana menunjukkan terbentuk 2 pengelompokkan titik panas (hotspot) pada kelas sedang dan tinggi dengan nilai evaluasi silhouette coefficient 0,771. Kata kunci— Clustering, titik panas, Agglomerative Hierarchical Clustering
Analisis Bencana Banjir Kab. Boyolali Menggunakan Metode Decision Tree pada Rapid Miner Aprisca Ananda Rosdianty; Dwiningsih; Nasywa Tabita Rasyid; Jonathan Aldo Setiawan; Rajnaparamitha Kusumastuti
Jurnal Riset Multidisiplin Edukasi Vol. 3 No. 4 (2026): Jurnal Riset Multidisiplin Edukasi (April 2026)
Publisher : PT. Hasba Edukasi Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.71282/jurmie.v3i4.1824

Abstract

Flood disasters are a natural phenomenon that often occur in various regions in Indonesia, including cities such as Banjarnegara, Boyolali and Karanganyar. Floods have a significant impact on the economy, social and environment. Therefore, proper understanding and analysis of the factors that cause flooding is very important for effective mitigation efforts. This research uses a decision tree algorithm to analyze meteorological data including temperature, wind speed, humidity and rainfall from various cities in Indonesia. This data includes normal to hot temperature conditions, slightly calm wind speed to light gusts, high to moderate humidity, and extreme to very high rainfall. The results of the analysis show patterns and relationships between these variables and flood events. The decision tree algorithm is used to build a prediction model in the form of a decision tree, which makes interpretation and decision making easier. This research aims to identify the main factors that contribute to flooding and develop a prediction model that can be used to improve preparedness and response to flood disasters. By understanding the patterns and factors that cause flooding, it is hoped that more effective mitigation measures can be implemented to reduce the risk and impact of thisdisaster.
Co-Authors Anggi Muhammad Rifa'i Aprisca Ananda Rosdianty Dwiningsih Elfandry Bayunanda Fahma Inti Ilmawati Jonathan Aldo Setiawan Kusrini Muhamad Ryandy Ghonim Asgar Nasywa Tabita Rasyid