Identifikasi Hotspot Kebakaran Hutan Kalimatan Timur Tahun 2023 Menggunakan Teknik Spasial-Temporal Clustering ST-DBSCAN
DOI:
https://doi.org/10.38204/tematik.v12i1.2377Keywords:
Cluster, Hotspot, kebakaran hutan, MODIS, ST-DBSCANAbstract
Kebakaran hutan merupakan masalah serius yang berdampak pada lingkungan dan kesehatan masyarakat. Kebakaran hutan dapat dideteksi dari jumlah hotspot. Jika jumlah hotspot kebakaran hutan besar, maka semakin tinggi dan besar pula potensi kebakaran. Identifikasi hotspot kebakaran hutan yang akurat dan efesien sangat penting untuk pencegahan terjadinya kebakaran hutan. Penelitian ini bertujuan untuk mengidentifikasi hotspot kebakaran hutan menggunakan teknik spasial clustering Spatio Temporal – Density Based Spatial Clustering Application with Noise (ST-DBSCAN) yang mempertimbangkan aspek spasial dan temporal dalam menganalisis data titik api. Dataset yang digunakan sejumlah 1761 records dengan 12 atribut dari citra satelit MODIS (Moderate-Resolution Imaging Spectroradiometer) diproses menggunakan algoritma ST-DBSCAN untuk mengelompokan titik-titik api yang berdekatan secara spasial dan temporal. Dari eksperimen yang dilakukan dengan eps 1 = 0.05, eps 2 =1.0 dan MinPts = 4 menghasilkan 85 cluster dengan total titik data 1760, dan 162 titik merupakan outlier dengan sillhoutte score 0.134.
Downloads
References
N. Ahada and A. F. Zuhri, “MENJAGA KELESTARIAN HUTAN DAN SIKAP CINTA LINGKUNGAN BAGI PESERTA DIDIK MI / SD,” vol. 03, no. April, pp. 35–46, 2020.
A. J. Kurniawan, H. Emawati, and Ismail, “( Integrated Patrol For Forest And Land Fire Prevention In Paser District , East Kalimantan Province ) Patroli Terpadu Pencegahan Kebakaran Hutan dan Lahan . penting yang dilaksanakan pada tahun 2016 , 2017 dan 2018 dengan melibatkan peran serta,” J. Agroteknologi dan Kehutan. Trop., vol. 2, no. 1, pp. 85–100, 2024.
C. P. Kala, “Environmental and socioeconomic impacts of forest fires: A call for multilateral cooperation and management interventions,” Nat. Hazards Res., vol. 3, no. 2, pp. 286–294, 2023, doi: 10.1016/j.nhres.2023.04.003.
S. Giannakidou et al., “Leveraging the power of internet of things and artificial intelligence in forest fire prevention, detection, and restoration: A comprehensive survey,” Internet of Things (Netherlands), vol. 26, no. July 2023, p. 101171, 2024, doi: 10.1016/j.iot.2024.101171.
R. Kusumastuti, E. Bayunanda, A. M. Rifa’i, M. R. G. Asgar, F. I. Ilmawati, and K. Kusrini, “Clustering Titik Panas Menggunakan Algoritma Agglomerative Hierarchical Clustering (AHC),” CogITo Smart J., vol. 8, no. 2, pp. 501–513, 2022, doi: 10.31154/cogito.v8i2.438.501-513.
K. Pratama Simanjuntak and U. Khaira, “Hotspot Clustering in Jambi Province Using Agglomerative Hierarchical Clustering Algorithm Pengelompokkan Titik Api di Provinsi Jambi dengan Algoritma Agglomerative Hierarchical Clustering,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. 1, pp. 7–16, 2021.
N. A. Putri, T. W. Utami, and R. Wasono, “Spatial Temporal Density-Based Spatial Clustering Applications With Noise ( ST-DBSCAN ) Untuk Pengelompokan Titik Kebakaran Hutan dan Lahan di Provinsi Riau Pada Tahun 2021,” pp. 436–445, 2021.
A. Johar, A. Vatresia, and I. A. Donny, “IMPLEMENTASI METODE SPATIO- TEMPORAL CLUSTERING DENGAN ALGORITMA ST-DBSCAN PADA TITIK ( 2015-2020 ),” vol. 11, no. 1, pp. 1–9, 2023.
P. Tahun, D. A. N. Berdasarkan, B. A. Suryani, M. N. Hayati, and S. Prangga, “PENGELOMPOKAN KABUPATEN / KOTA DI PULAU KALIMANTAN PEMBANGUNAN MANUSIA MENGGUNAKAN METODE ALGORITMA ST-DBSCAN ( GROUPING OF DISTRICTS / CITIES ON KALIMANTAN IN 2020 AND 2021 BASED ON THE HUMAN DEVELOPMENT INDEX USING THE ST-DBSCAN ALGORITHM METHOD ) Data ,” vol. 6, pp. 1–9, 2023.
I. S. Sitanggang, A. A. N. Risal, and L. Syaufina, “Incremental Clustering on Hotspot Data as Forest and Land Fires Indicator in Sumatra,” IOP Conf. Ser. Earth Environ. Sci., vol. 187, no. 1, 2018, doi: 10.1088/1755-1315/187/1/012043.
K. El Faraouk, H. Witriyono, D. Deslianti, N. David, and M. Veronika, “ST-DBSCAN Algorithm Implementation At Riau Province Forest Fire Points ( 2015-2022 ) Implementasi Algoritma ST-DBSCAN Pada Titik Api Kebakaran Hutan Provinsi Riau ( 2015-2022 ),” vol. 3, no. 1, pp. 97–104, 2023.
R. R. A. Rahman and A. W. Wijayanto, “Pengelompokan Data Gempa Bumi Menggunakan Algoritma Dbscan,” J. Meteorol. dan Geofis., vol. 22, no. 1, p. 31, 2021, doi: 10.31172/jmg.v22i1.738.
N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” J. Ilm. Inform. Dan Ilmu Komput., vol. 3, no. 1, pp. 46–56, 2024, [Online]. Available: https://doi.org/10.58602/jima-ilkom.v3i1.26
A. N. Fahira and R. Nooraeni, “Optimasi Parameter ST-DBSCAN dengan KNN dan Algoritma Genetika Studi Kasus: Data Bencana Alam di Pulau Jawa 2021,” J. Komputasi, vol. 11, no. 1, pp. 24–33, 2023, doi: 10.23960/komputasi.v11i1.3175.
A. Putra, D. Abdullah, and M. Daud, “Klasterisasi Kualitas Biji Kopi Berdasarkan Taraf Penyusutan Menggunakan Metode K-Harmonic Means dengan Validasi Silhouette Index,” vol. 4, no. 2, pp. 73–86, 2024, doi: 10.59395/janitra.v4i2.203.
W. B. Syamhuri, M. T. Furqon, and C. Dewi, “Pengelompokan Film Berdasarkan Alur Cerita menggunakan Metode Self Organizing Maps dan Silhouette Coefficient,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 12, pp. 5898–5904, 2022, [Online]. Available: http://j-ptiik.ub.ac.id
