Pengelompokan Faktor-Faktor yang Mempengaruhi Curah Hujan di Provinsi Sumatera Utara Menggunakan Metode Fuzzy C-Means
Journal Title: Jurnal Statistika dan Komputasi - Year 2024, Vol 3, Issue 1
Abstract
Latar Belakang: Di Indonesia, kondisi curah hujan dipengaruhi oleh berbagai faktor, termasuk kondisi fisiografis, pola angin, dan perubahan iklim. Kondisi curah hujan di Sumatera Utara pada tahun 2020 bervariasi di berbagai wilayah. Pada tahun 2020 curah hujan di Sumatera Utara berada pada angka 4.380 mm di mana angka tersebut termasuk angka tertinggi dari curah hujan normal yang berada dalam kisaran 1000-3000 mm per tahun. Tujuan: Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi tingkat curah hujan di Provinsi Sumatera Utara. Metode: Metode analisis data yang digunakan adalah Fuzzy C-Means. Penelitian ini menggunakan data sekunder yang bersumber dari BPS Sumatera Utara. Data yang diambil berupa data curah hujan, kelembapan udara, kecepatan angin, penyinaran matahari, dan penguapan di beberapa stasiun di Provinsi Sumatera Utara pada tahun 2020. Hasil: Hasil analisis yang didapat yaitu menetapkan dua cluster pada penelitian ini, stasiun BMKG dapat dikelompokkan menjadi cluster 1 (Deli Serdang, BMKG Wilayah I, Marihat, Pinangsori, dan Gunung Sitoli) dan cluster 2 (Belawan dan Tanjung Morawa). Dengan begitu, metode Fuzzy C-Means Clustering memberikan hasil yang baik dalam mengelompokkan faktor-faktor curah hujan. Kesimpulan: Penerapan metode Fuzzy C-Means memberikan hasil yang baik dalam mengelompokkan faktor-faktor curah hujan.
Authors and Affiliations
Kamalina Rosyida Supriyanti, Bravina Aulia Damiri, Wulan Nur Ramadhan
Keywords
Related Articles
- EP ID EP740542
- DOI https://doi.org/10.32665/statkom.v3i1.2623
- Views 74
- Downloads 1
Penerapan Algoritma Self Organizing Maps (SOM) Dan K-Means Untuk Mengelompokkan Akseptor KB Di NTB
Latar Belakang: Salah satu permasalahan utama terkait penggunaan KB yaitu berhubungan dengan ketersediaan layanan kesehatan, sehingga untuk memberikan akses yang lebih baik kepada masyarakat terhadap informasi dan layana...
Pemodelan Regresi Logistik Ordinal Pada Indeks Pembangunan Manusia (IPM) Di Jawa Timur Tahun 2020
Latar Belakang: Pemerintah terus menerus melakukan pembangunan di segala aspek yaitu aspek pendidikan, kesehatan, dan kehidupan yang layak. Untuk mengukur keberhasilan pembangunan, salah satunya digunakan indikator yaitu...
Peramalan Jumlah Penumpang Di Bandara Soekarno-Hatta Menggunakan Metode Deseasonalized
Latar Belakang: Transportasi udara merupakan salah satu sektor usaha yang menopang bidang perekonomian di Indonesia. Pada sektor transportasi khususnya penumpang pesawat udara sering kali mengalami fluktuasi yang tidak m...
Peramalan Banyaknya Pasien Rawat Jalan dengan Menggunakan Metode Brown's Double Exponential Smoothing
Latar Belakang: Peramalan memainkan peran penting dalam kegiatan pengambilan keputusan dalam manajemen organisasi. Kebutuhan akan peramalan yang andal semakin meningkat seiring upaya manajemen untuk mengurangi keter...
Pemodelan Regresi Data Panel Untuk Memprediksi Ketersediaan Beras Di Kabupaten Bojonegoro
Latar Belakang: Ketersediaan beras menjadi komponen utama penyebab inflasi dan kurangnya beras mengganggu ketahanan pangan nasional. Kabupaten Bojonegoro menjadi produksi padi menempati urutan ketiga di Provinsi Jaw...