Perbandingan PCA dan UMAP pada HDBSCAN untuk Pemetaan Sektor Jalur Pipa Minyak dan Gas

Abstract

Jalur pipa minyak dan gas merupakan infrastruktur strategis yang memiliki tingkat risiko bervariasi akibat perbedaan kondisi fisik dan lingkungan di sepanjang jalur. Penelitian ini bertujuan mengelompokkan segmen jalur pipa berdasarkan karakteristik risiko dengan membandingkan metode reduksi dimensi Principal Component Analysis (PCA) dan Uniform Manifold Approximation and Projection (UMAP) dalam proses clustering menggunakan Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN). Data yang digunakan merupakan segmen jalur pipa milik PT X pada rentang A hingga B dengan interval pencatatan setiap sepuluh meter. Hasil analisis menunjukkan bahwa UMAP menghasilkan kualitas clustering yang lebih optimal dibandingkan PCA dengan nilai silhouette coefficient sebesar 0,832. Berdasarkan parameter terbaik minimum cluster size = 30 dan minimum samples = 30, diperoleh empat cluster utama dan satu kelompok noise. Cluster 2 memiliki tingkat risiko tertinggi, diikuti cluster 3 dengan risiko cukup tinggi, cluster 1 dengan risiko operasional, dan cluster 0 dengan risiko relatif lebih terkendali. Sementara itu, data noise menunjukkan segmen dengan karakteristik yang tidak mengikuti pola umum. Hasil penelitian ini dapat digunakan sebagai dasar dalam perencanaan strategi pemeliharaan dan mitigasi risiko jalur pipa secara lebih efektif.