K-MEANS DAN FUZZY C-MEANS PADA ANALISIS DATA POLUSI UDARA DI KOTA X

Sandi Fajar Rodiyansyah

Abstract


Polusi udara adalah masalah umum bagi daerah perkotaan. Dimana umumnya daerah perkotaan memiliki tingkat produksi gas polutan lebih besar dibanding daerah lainnya. Pada penelitian ini, dilakukan kaji banding algoritma k-means dan fuzzy c-means pada analisis cluster data polusi udara harian di suatu kota. Hasil pengujian menunjukan bahwa rata-rata standar deviasi pada hasil clustering fuzzy c-means lebih kecil daripada rata-rata standar deviasi pada hasil clustering k-means. Selain itu, penelitian ini juga menghasilkan simpulan bahwa bahwa parameter natrium dioksida (NO2), non metal hydro carbon (NMHC) dan natrium oksida (NOx) memiliki pengaruh yang signifikan terhadap proses clustering

Full Text:

PDF

References


Vorlaufer. 2011. K. Sudostasien (Southeast Asia). 2nd Ed p. 86. Darmstadt.

Wulansari, K, “Evolusi Konsep Ruang Hijau Publik di Kota Semarang pada Awal Abad ke 20 Hingga Sekarang (Ruang Hijau Publik di Kawasan Candi Baru)” dalam Jurnal Pembangunan Wilayah dan Kota Universitas Diponegoro Vol 11 No. 1 Maret 2015.

S. De Vito, E. Massera, M. Piga, L. Martinotto, G. Di Francia, “On field calibration of an electronic nose for benzene estimation in an urban pollution monitoring scenario”, Sensors and Actuators B: Chemical, Volume 129, Issue 2, 22 February 2008, Pages 750-757, ISSN 0925-4005.

Yanti, N. Ulfah, M. “Aplikasi Jaringan Syaraf Tiruan Untuk Clustering Polutan Kimia Penyebab Pencemaran Udara” dalam Jurnal Teknologi Terpadu Politeknik Negeri Balikpapan Vol 3 No 2 Oktober 2015.

Rachmatin, D. “Aplikasi Metode Agglomerative dalam Analisis Cluster Pada Data Tingkat Polusi Udara” dalam Jurnal Ilmiah Prodi Matematika STKIP Siliwangi Bandung Vol 3 No 2 September 2014

Sitepu, R., Irmeilyana, Gultom, B., “Analisis Cluster Terhadap Tingkat Pencemaran Udara Pada Sektor Industri di Sumatera Selatan” dalam Jurnal Penelitian Sains Universitas Sriwijaya Vol 14 No. 3 Juli 2011.

Han, J., & Kamber, M., 2006, Data Mining: Concepts and Techniques 2e, Morgan Kaufmann Publishers, San Francisco.

I. H. Witten, E. Frank, and M. A. Hall, Data Mining: Practical Machine Learning Tools and Techniques: Practical Machine Learning Tools and Techniques. Elsevier, 2011.

Tan, P. N., Steinbach, M., & Kumar, V., 2006, Introduction to Data Mining, Pearson Education, Boston


Refbacks

  • There are currently no refbacks.