Hotspot Spatial Hotspots Clustering of Forest and Land Fires using DBSCAN and ST-DBSCAN.

suatu penggerombolan sedangkan wilayah dengan kepadatan rendah diidentifikasi sebagai titik noise. Jika neighboorhood dengan radius dari suatu objek disebut sebagai Eps- neighborhood dari suatu objek dan MinPts merupakan jumlah minimum tetangga dari pusat objek core suatu penggerombolan. Konsep DBSCAN adalah sebagai berikut Ester et al. 1996 : 1. Eps-neighborhood dari suatu titik p, dinotasikan dengan yang didefinisikan oleh . Titik p merupakan directly density-reachable dari titik q wrt Eps, MinPts jika dan | kondisi titik pusat. 2. Core objek merupakan titik yang memiliki jumlah minimum MinPts pada radius Eps neighborhood. 3. Suatu objek p merupakan directly density reachable dari objek q jika p berada pada radius epsilon dari q dan q merupakan core objek. 4. Titik p merupakan density reachable dari titik q wrt. Eps dan MinPts jika terdapat rantai titik sehingga directly density reachable dari sehubungan dengan Eps dan MinPts, untuk . Gambar 5 merupakan hubungan q sebagai core point dan p sebagai border point. Titik p directly density reachable dari q sedangkan q tidak directly density reachable dari p. Directly density-reachable simetrik untuk pasangan titik pusat tetapi tidak simetrik jika salah satunya merupakan titik border. p q Gambar 5 Directly density reachable 5. Suatu objek merupakan density-connected pada objek q sehubungan dengan Eps dan MinPts dalam himpunan objek D jika terdapat suatu objek sehingga kedua p dan q merupakan density reachable dari 0 sehubungan dengan Eps dan MinPts Gambar 6. o p q Gambar 6 Density connected DBSCAN mencari sebuah cluster dengan memeriksa Eps-neighborhood pada setiap titik dalam suatu basis data. Jika Eps-neighborhood dari suatu titik x memiliki lebih dari MinPts, suatu penggerombolan baru dengan titik x sebagai pusat penggerombolan terbentuk, kemudian secara iteratif menggabungkan penggerombolan density-reachable sampai tidak terdapat lagi titik yang dapat ditambahkan dalam penggerombolan.

2.11. ST-DBSCAN

Algoritma ST-DBSCAN memerlukan empat parameter input yaitu Eps1, Eps2, MinPts dan . Eps1 digunakan untuk mengukur parameter jarak pada atribut spasial lintang dan bujur. Eps2 digunakan untuk mengukur parameter jarak untuk atribut non spasial. MinPts merupakan jumlah minimum anggota titik didalam Eps1 dan Eps2. Parameter terakhir digunakan untuk mencegah penemuan penggerombolan gabungan karena perbedaan kecil nilai non spasial dari lokasi tetangga. Algoritma ST-DBSCAN dibangun dengan memodifikasi algoritma DBSCAN. Berbeda dengan algoritma penggerombolan berbasis kepadatan lainnya, Algoritma ST-DBSCAN memiliki kemampuan untuk menemukan penggerombolan yang berkaitan dengan nilai-nilai non spasial, spasial dan temporal dari objek. Ketiga modifikasi yang dilakukan dalam algoritma DBSCAN adalah sebagai berikut, i algoritma ST-DBSCAN dapat mengelompokkan data spatiotemporal sesuai dengan atribut non spasial, spasial dan temporal. ii DBSCAN tidak mendeteksi titik noise ketika kepadatan bervariasi tetapi algoritma ini mengatasi masalah ini dengan menetapkan faktor kepadatan untuk setiap penggerombolan. iii Untuk mengatasi konflik pada perbatasan objek dilakukan dengan membandingkan nilai rata-rata penggerombolan yang akan datang dengan nilai baru Birant Kut 2007. Algoritma dimulai dengan titik pertama p dalam basis data D dan mengambil semua titik density reachable dari p sehubungan dengan Eps1 dan Eps2. Jika p adalah objek inti, penggerombolan terbentuk. Jika p adalah border objek, tidak ada poin yang density reachable dari p dan algoritma akan mengunjungi titik berikutnya dari basis data.

2.12. Metode Prototipe

Prototipe merupakan salah satu pengembangan model yang berkembang evolutionary process model. Model ini merupakan model iterasi yang dikelompokan dalam berbagai cara yang memungkinkan software engineer mengembangkan perangkat lunak lebih lengkap Gambar 7 Pressman 2005. Gambar 7 Metode Prototipe Pressman Metode prototipe biasanya digunakan jika pengguna hanya mampu mendefinisikan tujuan umum perangkat lunak tetapi tidak mampu mengidentifikasi detail input, pemrosesan, atau kebutuhan output. Dalam kasus lain pengembang tidak yakin pada keefisienan algoritma, penyesuaian sistem operasi atau bentuk interaksi pengguna dan mesin yang seharusnya sehingga pengembangan prototipe menjadi pilihan yang terbaik. Iterasi model prototipe adalah sebagai berikut :