BAB IV HASIL DAN PEMBAHASAN
4.1 Hasil Data Preprocessing
Tahapan awal dalam analisis klaster data spasio-temporal clustering adalah melakukan data preprocessing. Hal ini dilakukan agar data yang akan dilakukan analisis spasio-temporal clustering sesuai dengan kebutuhan, serta adanya keterbatasan dalam melakukan analisis spasio-temporal clustering pada data yang berukuran besar. Data spasio-temporal merupakan data yang mengandung informasi geografi serta diambil dengan rentang waktu tertentu. Data citra satelit sebaran klorofil a yang diambil dari situs http://oceancolor.gsfc.nasa.gov/ memiliki format temporal 8 harian sehingga perlu dilakukan preprocessing data agar diperoleh data yang sesuai dengan kebutuhan analisis spasio-temporal clustering. Berikut adalah hasil implementasi untuk proses data preprocessing, hasil lengkap dapat dilihat pada lampiran. Tabel 1 hasi preprocessing data sebaran klorofil a Lat (°) -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.864
Long (°) 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 47
chlo(mg/m3) 0.974 0.559 0.522 0.58 0.637 0.73 0.765 0.739 0.599 0.656 0.563 0.515 0.387
48
-2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.113 -3.113 -3.113 -3.113 -3.113 -3.113 -3.113 -3.113
105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688
0.472 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 0.15 0.101 0.088 999.9 999.9 0.134 0.2 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9
49
-3.113 -3.113 -3.113 -3.113 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.445 -3.445 -3.445
105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272
999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 0.097 0.106 0.1 0.099 0.092 999.9 999.9 999.9 999.9 999.9 999.9 0.212 999.9 0.218 0.208 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9
50
-3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694
105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854
999.9 999.9 999.9 999.9 999.9 999.9 0.2 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 0.765 0.824 0.938 0.666 0.645 0.551 999.9 0.474 0.55 0.605 999.9 0.583 0.153 0.132 0.172 999.9 0.885 999.9 999.9 0.285 999.9 999.9
51
-3.694 -3.694
105.938 106.021
999.9 999.9
Berikut penjelasan dari tabel 1 di atas 1. Lat merupakan nilai koordinat untuk lintang, nilai negatif ( -2.781 ) menunjukkan nilai lintang selatan 2. Long merupakan nilai koordinat untuk koordinat bujur, nilai positif ( 105.106 ) menunjukkan koordinat bujur timur. 3. Chlo merupakan nilai sebaran klorofil a pada minggu pertama bulan januari tahun 2000 yang diperoleh dari data klorofil a satelit SeaWifs. Nilai 999,9 merupakan nilai noise yang diperoleh oleh satelit SeaWifs, sedangkan nilai 0,974 mg/m3 merupakan nilai klorofil a. Hasil diatas merupakan hasil prepocessing data yang diperoleh dari hasil pengolahan data dengan SeaDAS. Data yang diunduh dari dari situs http://oceancolor.gsfc.nasa.gov/
memiliki format *.hdf sehingga diperlukan
SeaDAS untuk dapat merubah formatnya menjadi *.asc.
4.2 Hasil Data Agregation
Tahapan berikutnya dalam analisis cluster data spasio-temporal clustering adalah melakukan data agregation. Hal ini dilakukan agar data yang akan dilakukan analisis spasio-temporal clustering sesuai dengan kebutuhan, serta adanya keterbatasan dalam melakukan analisis spasio-temporal clustering pada data yang berukuran besar. Data spasio-temporal merupakan data yang mengandung informasi geografi serta diambil dengan rentang waktu tertentu. Data citra
satelit
sebaran
klorofil
http://oceancolor.gsfc.nasa.gov/
a
yang
diambil
dari
situs
memiliki format temporal 8 harian sehingga
perlu dilakukan agregasi data agar diperoleh data yang sesuai dengan kebutuhan analisis spasio-temporal clustering.
52
Berikut adalah hasil implementasi untuk proses data agregation, hasil lengkap dapat dilihat pada lampiran.
Tabel 2 hasil agregrasi temporal data sebaran klorofil a bulan april 2000 Lat (°) -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947
Long (°) 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854
chlo(mg/m3) 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9
chlo(mg/m3) 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 2.749 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9
chlo(mg/m3) 0.974 0.559 0.522 0.58 0.637 0.73 0.765 0.739 0.599 0.656 0.563 0.515 0.387 0.472 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 0.15 0.101 0.088 999.9 999.9 0.134 0.2 999.9
chlo(mg/m3) 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 2.314 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9
53
-2.947 -2.947 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.113 -3.113 -3.113 -3.113 -3.113 -3.113 -3.113 -3.113 -3.113 -3.113 -3.113 -3.113 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.279 -3.279 -3.279 -3.279 -3.279
105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439
999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9
999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9
999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 0.097 0.106 0.1 0.099 0.092 999.9 999.9 999.9 999.9 999.9
999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9
54
-3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528
105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021
999.9 999.9 999.9 999.9 999.9 999.9 4.007 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 3.773 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 5.049 4.171 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 5.358 4.22 3.995
999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 4.181 999.9
999.9 0.212 999.9 0.218 0.208 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 0.2 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9
999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 3.813 5.729 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 3.142 3.225 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 3.359 3.114 2.958
55
-3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694
105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021
999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 4.314 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 3.414 2.409
999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 3.789 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 2.833 2.86
0.765 0.824 0.938 0.666 0.645 0.551 999.9 0.474 0.55 0.605 999.9 0.583 0.153 0.132 0.172 999.9 0.885 999.9 999.9 0.285 999.9 999.9 999.9 999.9
999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 3.336 3.087 2.667 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 999.9 3.633 2.514
Berikut penjelasan dari tabel 2 di atas 1.
Lat merupakan nilai koordinat untuk lintang, nilai negatif ( -2.781 ) menunjukkan nilai lintang selatan
2.
Long merupakan nilai koordinat untuk koordinat bujur, nilai positif ( 105.106 ) menunjukkan koordinat bujur timur.
3.
Chlo pada kolom ketiga merupakan nilai sebaran klorofil a pada minggu pertama bulan april tahun 2000 yang diperoleh dari data klorofil a satelit SeaWifs. Nilai 999,9 merupakan nilai noise yang diperoleh oleh satelit SeaWifs.
4.
Chlo pada kolom ketiga merupakan nilai sebaran klorofil a pada minggu pertama bulan april tahun 2000 yang diperoleh dari data klorofil a satelit
56
SeaWifs. Nilai 999,9 merupakan nilai noise yang diperoleh oleh satelit SeaWifs. 5.
Chlo pada kolom kelima merupakan nilai sebaran klorofil a pada minggu ketiga bulan april. Nilai 0,974 mg/m3 merupakan nilai klorofil a.
6.
Chlo pada kolom ketiga merupakan nilai sebaran klorofil a pada minggu pertama bulan april tahun 2000 yang diperoleh dari data klorofil a satelit SeaWifs. Nilai 999,9 merupakan nilai noise yang diperoleh oleh satelit SeaWifs. Untuk mendapatkan data diatas dilakukan agregasi data mulai dari data 8 harian menjadi data bulanan.
4.3 Hasil Analisis Spasio-Temporal Clustering
Tahapan berikutnya dalam analisis klaster data spasio-temporal clustering adalah melakukan spasial clustering. Pada tahapan ini dilakukan pemilihan data lintang dan data bujur yang sesuai dengan area penelitian, karena data yang diperoleh dari situs http://oceancolor.gsfc.nasa.gov/
merupakan data wilayah
perairan di seluruh Indonesia sehingga akan menyebabkan besarnya ukuran data. Besarnya ukuran data membuat biaya komputasi menjadi lebih besar. Berikut adalah hasil agregasi spasial pada data lintang dan data bujur . hasil lengkap dapat dilihat pada lampiran. Tabel 3 hasil agregrasi spasial data sebaran klorofil a Lat (°) -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781 -2.781
Long (°) 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854
57
-2.781 -2.781 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.864 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -2.947 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.03 -3.113 -3.113 -3.113 -3.113 -3.113
105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439
58
-3.113 -3.113 -3.113 -3.113 -3.113 -3.113 -3.113 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.196 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.279 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362 -3.362
105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021
59
-3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.445 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.528 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.611 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694 -3.694
105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605 105.688 105.771 105.854 105.938 106.021 105.106 105.189 105.272 105.355 105.439 105.522 105.605
60
-3.694 -3.694 -3.694 -3.694 -3.694
105.688 105.771 105.854 105.938 106.021
Berikut penjelasan dari tabel 3 di atas 1.
Lat merupakan nilai koordinat untuk lintang, nilai negatif ( -2.781 ) menunjukkan nilai lintang selatan
2.
Long merupakan nilai koordinat untuk koordinat bujur, nilai positif ( 105.106 ) menunjukkan koordinat bujur timur Langkah diatas dilakukan untuk menyesuaikan data dengan lingkup
penelitian. Selain itu analisa spasio-temporal diatas membuat ukuran data menjadi lebih kecil. 4.4 Hasil Visualisasi Clustering
Tahapan berikutnya dalam analisis klaster data spasio-temporal clustering adalah melakukan visualisasi clustering. Pada tahapan ini dilakukan visualisasi hasil analisis clustering untuk melihat hasil sebaran data klorofil a. Berikut adalah hasil visualisasi analisa clustering dengan algoritma Fuzzy C-Means.
Gambar 20 hasil visualisasi data sebaran klorofil a dengan algortima fcm
61
Gambar diatas merupakan hasil sebaran cluster pada data klorofil a pada bulan april tahun 2000 dengan algoritma fuzzy c-means. Sumbu x merupakan nilai koordinat lintang, sedangkan sumbu y merupakan nilai koordinat bujur. Warna yang sama menunjukkan kelas yang sama. Pada gambar di atas terdapat 3 cluster yang terbentuk, masing – masing cluster diwakili oleh warna yang berbeda, warna hijau menunjukkan cluster pertama, warna merah menunjukkan cluster kedua, sedangkan warna kuning menunjukkan cluster ketiga. Visualisasi hasil sebaran cluster dengan menggunakan algoritma DBSCAN ditunjukkan oleh gambar dibawah ini. Tahapan ini akan melakukan visualisasi jumlah cluster hasil clustering dengan algoritma DBSCAN sebaran data sebaran
klorofil a dengan visualisasi terhadap lokasi geografis. Berikut
adalah hasil visualisasi sebaran klorofil dengan algoritma DBSCAN.
Gambar 21 hasil visualisasi data sebaran klorofil a dengan algortima dbscan Gambar diatas merupakan hasil sebaran cluster pada data klorofil a pada bulan april tahun 2000. Sumbu x merupakan nilai koordinat bujur, sedangkan sumbu y merupakan nilai koordinat lintang. Warna yang sama menunjukkan kelas yang sama. Kedua gambar diatas menggunakan data yang sama, namun algoritma yang dipakai berbeda. Clustering dengan algoritma fuzzy c – means menghasilkan
62
jumlah cluster yang lebih sedikit, namun memerlukan waktu pemrosesan yang lebih singkat bila dibandingkan dengan algoritma dbscan. Algoritma dbscan menghasilkan 6 cluster yang berbeda, sedangkan algoritma fuzzy c-means hanya menghasilkan 3 cluster yang berbeda. Berikut adalah tabel waktu komputasi antara algoritma dbscan dengan algoritma fuzzy c-means. Dari hasil visualisasi di atas diperoleh nilai tengah masing-masing cluster. Nilai ini digunakan untuk menunjukkan besarnya kandungan klorofil yang terdapat di wilayah tertentu. Menurut A.Sediadi & Edward dalam makalah yang disampaikan pada Seminar Nasional Pendayagunaan Sumberdaya Hayati Dalam Pengelolaan Lingkungan Hidup tahun 2000 nilai tertinggi klorofil a di perairan Indonesia adalah 2,14 mg/m3, sehingga cluster yang memenuhi syarat tersebut adalah cluster 1 dan cluster 6. Berikut adalah nilai mean untuk masing-masing cluster . Tabel 4 tabel distribusi cluster algoritma dbscan cluster 1 2 3 4 5 6
mean standar deviasi 0.4328 0.2783 988.71 105.5644 3.5057 1.0794 750.535 498.793 3.5892 0.8845 0.594 0.0156
Tabel 5 waktu komputasi algoritma dbscan & fcm Tabel waktu komputasi algoritma dbscan January-00 0.9725 March-00 1.0771 April-00 0.6794 May-00 1.2193 June-00 1.0271 July-00 1.0414 August-00 2.471 September-00 1.1153 October-01 1.2447
Tabel waktu komputasi algoritma fuzzy c-means January-00 0.1832 February-00 0.0915 March-00 0.0187 April-00 0.0288 May-00 0.0276 June-00 0.0589 July-00 0.0763 August-00 0.0218 September-00 0.2109
63
Pada tabel diatas tidak semua bulan ditampilkan karena ada beberapa bulan yang tidak dapat dilakukan analisi spasio-temporal clustering karena data hanya berisi noise saja. Berikut adalah beberapa bulan yang tidak dapat dilakukan analisis spasio-temporal clustering data bulan februari, maret, september tahun 2000, januari, februari, oktober tahun 2001, februari, agustus, september, oktober tahun 2002, februari, agustus, september, oktober tahun 2003, februari, september, tahun 2004 (tidak dpt dilakukan dbscan klastering). Bulan februari, september tahun 2000, januari, februari, agustus, tahun 2001, februari,agustus, september, oktober tahun 2002, februari, agustus, september, oktober tahun 2003, februari, september tahun 2004 (tidak dpt dilakukan fcm klastering karena data hanya berisi noise data).
4.5 Hasil Analisa Perbedaan Cluster
Dari penelitian analisis spasio-temporal clustering terhadap data sebaran klorofil a didapat beberapa perbedaan cluster yang dihasilkan diantaranya. Karakter cluster yang dihasilkan memiliki perbedaan karena adanya perbedaan metode peng-cluster-an. Metode dbscan akan menghasilkan cluster yang lebih merepresentasikan karakter data karena proses peng-cluster-an tidak melibatkan unsur diluar metode tersebut seperti penentuan jumlah cluster yang diinginkan, hal ini berbeda dengan algoritma fuzzy c-means yang mengharuskan penentuan awal jumlah cluster yang diinginkan. Berikut adalah beberapa perbedaan yang ditemukan: Algoritma dbscan: cluster yang dihasilkan lebih banyak cluster tersebar pada beberapa lokasi geografis Algoritma fuzzy c-means
cluster yang dihasilkan lebih sedikit
cluster tidak terlalu tersebar pada lokasi geografis
