Implementasi Algoritma K-Means: Analisis Klasterisasi Emisi Metana Global Berdasarkan Sektor Dan Negara Menggunakan RapidMiner
Keywords:
Emisi Metana, Klasterisasi K-Means, Klasterisasi Emisi, Analisis Data, RapidMinerAbstract
Penelitian ini bertujuan untuk menganalisis pola emisi metana global berdasarkan sektor dan negara menggunakan algoritma K-Means clustering. Data yang digunakan adalah dataset emisi metana global dari Kaggle, yang mencakup informasi tentang emisi, sektor, sub-sektor, dan negara. Melalui penerapan algoritma K-Means, negara-negara dikelompokkan berdasarkan kesamaan pola emisi metana mereka. Hasil analisis menunjukkan kelompok negara dengan karakteristik emisi yang berbeda, yang memungkinkan identifikasi prioritas tindakan mitigasi. Penelitian ini memberikan wawasan penting bagi pembuat kebijakan dalam upaya pengendalian emisi metana global.
References
Raut, A. (2022). Global methane emissions [Data set]. Kaggle. https://www.kaggle.com/datasets/ashishraut64/global-methane-emissions
Junjie Wu. (2012). Advances in K-means Clustering: a Data Mining Thinking, 1-5.
George Glocker. (2009). A Critical Potential of Methane and Its Absorption in the Ultra- Violet, 74-77.
Markus Hoffman., & Ralf Klinkenberg. (2014). RapidMiner Data Mining Use Cases and Business Analytics Applications, 157-163.
Jiawei Han., & Micheline Kamber. (2000). Data Mining: Concepts and Techniques, 6.
Charles Zai. (2022). Implementasi Data Mining Sebagai Pengolahan Data, 3.
Pandey, A. (2014). Study and analysis of K-Means clustering algorithm using Rapidminer: A case study on students’ exam result. International Journal of Engineering Research and Applications, 4 (12), 60-64.
Dwi, N. (2015). Metode Nilai Jarak Guna Kesamaan Atau Kemiripan Ciri Suatu Citra, 22-23.