Optimasi Parameter ST-DBSCAN dengan KNN dan Algoritma Genetika Studi Kasus: Data Bencana Alam di Pulau Jawa 2021

Rani Nooraeni (Politeknik Statistika STIS)
Aisyah Nur Fahira (Politeknik Statistika STIS)

Jurnal Komputasi
Vol 11, No 1 (2023): Jurnal Komputasi

Spatio Temporal DBSCAN (ST-DBSCAN) adalah metode yang dapat diterapkan pada data spasial yang diikuti dengan atribut temporal. Hasil dari ST-DBSCAN tergantung pada penentuan awal tiga parameter. Inisial parameter yang tidak optimal menyebabkan hasil pengelompokan dengan ST-DBSCAN tidak mencapai solusi yang global optimum. Penelitian ini bertujuan untuk mengoptimalkan penentuan parameter awal pada ST-DBSCAN menggunakan metode k Nearest neighborhood dan Algoritma Genetika yang diuji menggunakan data simulasi kemudian diterapkan dalam pengelompokan wilayah bencana alam. Hasil yang didapatkan adalah pemilihan parameter yang dioptimasi menggunakan algoritma genetika menghasilkan cluster dengan koefisien CDBw terbesar pada perbandingan evaluasi, akan tetapi perlu waktu yang lama untuk merunning sehingga metode tersebut diuji coba dengan data dengan jumlah observasi sedikit. Hasil dari implementasi metode terhadap data bencana alam menunjukkan terdapat 22 cluster