BAB IV HASIL DAN PEMBAHASAN

(1)

47 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 (°)

Long (°)

chlo(mg/m3)

-2.781

105.106

0.974 -2.781

105.189

0.559 -2.781

105.272

0.522 -2.781

105.355

0.58 -2.781

105.439

0.637 -2.781

105.522

0.73 -2.781

105.605

0.765 -2.781

105.688

0.739 -2.781

105.771

0.599 -2.781

105.854

0.656 -2.781

105.938

0.563 -2.781

106.021

0.515 -2.864

105.106

0.387

(2)

-2.864

105.189

0.472 -2.864

105.272

999.9 -2.864

105.355

999.9 -2.864

105.439

999.9 -2.864

105.522

999.9 -2.864

105.605

999.9 -2.864

105.688

999.9 -2.864

105.771

999.9 -2.864

105.854

999.9 -2.864

105.938

999.9 -2.864

106.021

999.9 -2.947

105.106

999.9 -2.947

105.189

999.9 -2.947

105.272

0.15 -2.947

105.355

0.101 -2.947

105.439

0.088 -2.947

105.522

999.9 -2.947

105.605

999.9 -2.947

105.688

0.134 -2.947

105.771

0.2 -2.947

105.854

999.9 -2.947

105.938

999.9 -2.947

106.021

999.9 -3.03

105.106

999.9 -3.03

105.189

999.9 -3.03

105.272

999.9 -3.03

105.355

999.9 -3.03

105.439

999.9 -3.03

105.522

999.9 -3.03

105.605

999.9 -3.03

105.688

999.9 -3.03

105.771

999.9 -3.03

105.854

999.9 -3.03

105.938

999.9 -3.03

106.021

999.9 -3.113

105.106

999.9 -3.113

105.189

999.9 -3.113

105.272

999.9 -3.113

105.355

999.9 -3.113

105.439

999.9 -3.113

105.522

999.9 -3.113

105.605

999.9 -3.113

105.688

999.9

(3)

-3.113

105.771

999.9 -3.113

105.854

999.9 -3.113

105.938

999.9 -3.113

106.021

999.9 -3.196

105.106

999.9 -3.196

105.189

999.9 -3.196

105.272

999.9 -3.196

105.355

999.9 -3.196

105.439

999.9 -3.196

105.522

999.9 -3.196

105.605

999.9 -3.196

105.688

0.097 -3.196

105.771

0.106 -3.196

105.854

0.1 -3.196

105.938

0.099 -3.196

106.021

0.092 -3.279

105.106

999.9 -3.279

105.189

999.9 -3.279

105.272

999.9 -3.279

105.355

999.9 -3.279

105.439

999.9 -3.279

105.522

999.9 -3.279

105.605

0.212 -3.279

105.688

999.9 -3.279

105.771

0.218 -3.279

105.854

0.208 -3.279

105.938

999.9 -3.279

106.021

999.9 -3.362

105.106

999.9 -3.362

105.189

999.9 -3.362

105.272

999.9 -3.362

105.355

999.9 -3.362

105.439

999.9 -3.362

105.522

999.9 -3.362

105.605

999.9 -3.362

105.688

999.9 -3.362

105.771

999.9 -3.362

105.854

999.9 -3.362

105.938

999.9 -3.362

106.021

999.9 -3.445

105.106

999.9 -3.445

105.189

999.9 -3.445

105.272

999.9

(4)

-3.445

105.355

999.9 -3.445

105.439

999.9 -3.445

105.522

999.9 -3.445

105.605

999.9 -3.445

105.688

999.9 -3.445

105.771

999.9 -3.445

105.854

0.2 -3.445

105.938

999.9 -3.445

106.021

999.9 -3.528

105.106

999.9 -3.528

105.189

999.9 -3.528

105.272

999.9 -3.528

105.355

999.9 -3.528

105.439

999.9 -3.528

105.522

999.9 -3.528

105.605

999.9 -3.528

105.688

999.9 -3.528

105.771

999.9 -3.528

105.854

999.9 -3.528

105.938

999.9 -3.528

106.021

999.9 -3.611

105.106

0.765 -3.611

105.189

0.824 -3.611

105.272

0.938 -3.611

105.355

0.666 -3.611

105.439

0.645 -3.611

105.522

0.551 -3.611

105.605

999.9 -3.611

105.688

0.474 -3.611

105.771

0.55 -3.611

105.854

0.605 -3.611

105.938

999.9 -3.611

106.021

0.583 -3.694

105.106

0.153 -3.694

105.189

0.132 -3.694

105.272

0.172 -3.694

105.355

999.9 -3.694

105.439

0.885 -3.694

105.522

999.9 -3.694

105.605

999.9 -3.694

105.688

0.285 -3.694

105.771

999.9 -3.694

105.854

999.9

(5)

-3.694

105.938

999.9 -3.694

106.021

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/m

3

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

a

yang

diambil

dari

situs

http://oceancolor.gsfc.nasa.gov/

memiliki format temporal 8 harian sehingga

perlu dilakukan agregasi data agar diperoleh data yang sesuai dengan kebutuhan

analisis spasio-temporal clustering.

(6)

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 (°)

Long (°)

chlo(mg/m3)

chlo(mg/m3) chlo(mg/m3) chlo(mg/m3)

-2.781

105.106

999.9

0.974

999.9 -2.781

105.189

999.9

0.559

999.9 -2.781

105.272

999.9

0.522

999.9 -2.781

105.355

999.9

0.58

999.9 -2.781

105.439

999.9

0.637

999.9 -2.781

105.522

999.9

0.73

999.9 -2.781

105.605

999.9

0.765

999.9 -2.781

105.688

999.9

0.739

999.9 -2.781

105.771

999.9

0.599

999.9 -2.781

105.854

999.9

0.656

999.9 -2.781

105.938

999.9

0.563

999.9 -2.781

106.021

999.9

0.515

999.9 -2.864

105.106

999.9

0.387

999.9 -2.864

105.189

999.9

0.472

999.9 -2.864

105.272

999.9

999.9 -2.864

105.355

999.9

999.9 -2.864

105.439

999.9

999.9 -2.864

105.522

999.9

999.9 -2.864

105.605

999.9

999.9 -2.864

105.688

999.9

999.9 -2.864

105.771

999.9

999.9 -2.864

105.854

999.9

2.314 -2.864

105.938

999.9

999.9 -2.864

106.021

999.9

2.749

999.9

999.9 -2.947

105.106

999.9

999.9 -2.947

105.189

999.9

999.9 -2.947

105.272

999.9

0.15

999.9 -2.947

105.355

999.9

0.101

999.9 -2.947

105.439

999.9

0.088

999.9 -2.947

105.522

999.9

999.9 -2.947

105.605

999.9

999.9 -2.947

105.688

999.9

0.134

999.9 -2.947

105.771

999.9

0.2

999.9 -2.947

105.854

999.9

(7)

-2.947

105.938

999.9

999.9 -2.947

106.021

999.9

999.9 -3.03

105.106

999.9

999.9 -3.03

105.189

999.9

999.9 -3.03

105.272

999.9

999.9 -3.03

105.355

999.9

999.9 -3.03

105.439

999.9

999.9 -3.03

105.522

999.9

999.9 -3.03

105.605

999.9

999.9 -3.03

105.688

999.9

999.9 -3.03

105.771

999.9

999.9 -3.03

105.854

999.9

999.9 -3.03

105.938

999.9

999.9 -3.03

106.021

999.9

999.9 -3.113

105.106

999.9

999.9 -3.113

105.189

999.9

999.9 -3.113

105.272

999.9

999.9 -3.113

105.355

999.9

999.9 -3.113

105.439

999.9

999.9 -3.113

105.522

999.9

999.9 -3.113

105.605

999.9

999.9 -3.113

105.688

999.9

999.9 -3.113

105.771

999.9

999.9 -3.113

105.854

999.9

999.9 -3.113

105.938

999.9

999.9 -3.113

106.021

999.9

999.9 -3.196

105.106

999.9

999.9 -3.196

105.189

999.9

999.9 -3.196

105.272

999.9

999.9 -3.196

105.355

999.9

999.9 -3.196

105.439

999.9

999.9 -3.196

105.522

999.9

999.9 -3.196

105.605

999.9

999.9 -3.196

105.688

999.9

0.097

999.9 -3.196

105.771

999.9

0.106

999.9 -3.196

105.854

999.9

0.1

999.9 -3.196

105.938

999.9

0.099

999.9 -3.196

106.021

999.9

0.092

999.9 -3.279

105.106

999.9

999.9 -3.279

105.189

999.9

999.9 -3.279

105.272

999.9

999.9 -3.279

105.355

999.9

999.9 -3.279

105.439

999.9

(8)

-3.279

105.522

999.9

999.9 -3.279

105.605

999.9

0.212

999.9 -3.279

105.688

999.9

999.9 -3.279

105.771

999.9

0.218

999.9 -3.279

105.854

999.9

0.208

999.9 -3.279

105.938

999.9

999.9 -3.279

106.021

4.007

999.9

999.9 -3.362

105.106

999.9

999.9 -3.362

105.189

999.9

999.9 -3.362

105.272

999.9

999.9 -3.362

105.355

999.9

999.9 -3.362

105.439

999.9

999.9 -3.362

105.522

999.9

999.9 -3.362

105.605

999.9

999.9 -3.362

105.688

999.9

999.9 -3.362

105.771

999.9

999.9 -3.362

105.854

999.9

999.9 -3.362

105.938

999.9

3.813 -3.362

106.021

3.773

999.9

5.729 -3.445

105.106

999.9

999.9 -3.445

105.189

999.9

999.9 -3.445

105.272

999.9

999.9 -3.445

105.355

999.9

999.9 -3.445

105.439

999.9

999.9 -3.445

105.522

999.9

999.9 -3.445

105.605

999.9

999.9 -3.445

105.688

999.9

999.9 -3.445

105.771

999.9

999.9 -3.445

105.854

999.9

0.2

999.9 -3.445

105.938

5.049

999.9

3.142 -3.445

106.021

4.171

999.9

3.225 -3.528

105.106

999.9

999.9 -3.528

105.189

999.9

999.9 -3.528

105.272

999.9

999.9 -3.528

105.355

999.9

999.9 -3.528

105.439

999.9

999.9 -3.528

105.522

999.9

999.9 -3.528

105.605

999.9

999.9 -3.528

105.688

999.9

999.9 -3.528

105.771

999.9

999.9 -3.528

105.854

5.358

999.9

3.359 -3.528

105.938

4.22

4.181

999.9

3.114 -3.528

106.021

3.995

999.9

2.958

(9)

-3.611

105.106

999.9

0.765

999.9 -3.611

105.189

999.9

0.824

999.9 -3.611

105.272

999.9

0.938

999.9 -3.611

105.355

999.9

0.666

999.9 -3.611

105.439

999.9

0.645

999.9 -3.611

105.522

999.9

0.551

999.9 -3.611

105.605

999.9

999.9 -3.611

105.688

999.9

0.474

999.9 -3.611

105.771

999.9

0.55

999.9 -3.611

105.854

999.9

0.605

3.336 -3.611

105.938

4.314

3.789

999.9

3.087 -3.611

106.021

999.9

0.583

2.667 -3.694

105.106

999.9

0.153

999.9 -3.694

105.189

999.9

0.132

999.9 -3.694

105.272

999.9

0.172

999.9 -3.694

105.355

999.9

999.9 -3.694

105.439

999.9

0.885

999.9 -3.694

105.522

999.9

999.9 -3.694

105.605

999.9

999.9 -3.694

105.688

999.9

0.285

999.9 -3.694

105.771

999.9

999.9 -3.694

105.854

999.9

999.9 -3.694

105.938

3.414

2.833

999.9

3.633 -3.694

106.021

2.409

2.86

999.9

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

(10)

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/m

3

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 (°)

Long (°)

-2.781

105.106 -2.781

105.189 -2.781

105.272 -2.781

105.355 -2.781

105.439 -2.781

105.522 -2.781

105.605 -2.781

105.688 -2.781

105.771 -2.781

105.854

(11)

-2.781

105.938 -2.781

106.021 -2.864

105.106 -2.864

105.189 -2.864

105.272 -2.864

105.355 -2.864

105.439 -2.864

105.522 -2.864

105.605 -2.864

105.688 -2.864

105.771 -2.864

105.854 -2.864

105.938 -2.864

106.021 -2.947

105.106 -2.947

105.189 -2.947

105.272 -2.947

105.355 -2.947

105.439 -2.947

105.522 -2.947

105.605 -2.947

105.688 -2.947

105.771 -2.947

105.854 -2.947

105.938 -2.947

106.021 -3.03

105.106 -3.03

105.189 -3.03

105.272 -3.03

105.355 -3.03

105.439 -3.03

105.522 -3.03

105.605 -3.03

105.688 -3.03

105.771 -3.03

105.854 -3.03

105.938 -3.03

106.021 -3.113

105.106 -3.113

105.189 -3.113

105.272 -3.113

105.355 -3.113

105.439

(12)

-3.113

105.522 -3.113

105.605 -3.113

105.688 -3.113

105.771 -3.113

105.854 -3.113

105.938 -3.113

106.021 -3.196

105.106 -3.196

105.189 -3.196

105.272 -3.196

105.355 -3.196

105.439 -3.196

105.522 -3.196

105.605 -3.196

105.688 -3.196

105.771 -3.196

105.854 -3.196

105.938 -3.196

106.021 -3.279

105.106 -3.279

105.189 -3.279

105.272 -3.279

105.355 -3.279

105.439 -3.279

105.522 -3.279

105.605 -3.279

105.688 -3.279

105.771 -3.279

105.854 -3.279

105.938 -3.279

106.021 -3.362

105.106 -3.362

105.189 -3.362

105.272 -3.362

105.355 -3.362

105.439 -3.362

105.522 -3.362

105.605 -3.362

105.688 -3.362

105.771 -3.362

105.854 -3.362

105.938 -3.362

106.021

(13)

-3.445

105.106 -3.445

105.189 -3.445

105.272 -3.445

105.355 -3.445

105.439 -3.445

105.522 -3.445

105.605 -3.445

105.688 -3.445

105.771 -3.445

105.854 -3.445

105.938 -3.445

106.021 -3.528

105.106 -3.528

105.189 -3.528

105.272 -3.528

105.355 -3.528

105.439 -3.528

105.522 -3.528

105.605 -3.528

105.688 -3.528

105.771 -3.528

105.854 -3.528

105.938 -3.528

106.021 -3.611

105.106 -3.611

105.189 -3.611

105.272 -3.611

105.355 -3.611

105.439 -3.611

105.522 -3.611

105.605 -3.611

105.688 -3.611

105.771 -3.611

105.854 -3.611

105.938 -3.611

106.021 -3.694

105.106 -3.694

105.189 -3.694

105.272 -3.694

105.355 -3.694

105.439 -3.694

105.522 -3.694

105.605

(14)

-3.694

105.688 -3.694

105.771 -3.694

105.854 -3.694

105.938 -3.694

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

(15)

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

(16)

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

mean

standar deviasi

1 0.4328

0.2783

2

988.71 105.5644

3 3.5057

1.0794

4

750.535

498.793

5 3.5892

0.8845

6

0.594 0.0156

Tabel 5 waktu komputasi algoritma dbscan & fcm

Tabel w aktu komputasi algoritma dbscan

Tabel w aktu komputasi algoritma fuzzy c-means

January-00

0.9725

January-00

0.1832

March-00

1.0771

February-00

0.0915

A pril-00

0.6794

March-00

0.0187

May-00

1.2193

A pril-00

0.0288

June-00

1.0271

May-00

0.0276

July-00

1.0414

June-00

0.0589

A ugust-00

2.471 July-00

0.0763

September-00

1.1153

A ugust-00

0.0218

O ctober-01

1.2447

September-00

0.2109

(17)

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