GUSMANTO, RIZKI and Arie, Vatresia and Ferzha, Putra Utama (2024) SPATIO-TEMPORAL CLUSTERING TITIK API KEBAKARAN HUTAN DI KAWASAN WALLACEA TAHUN 2000 – 2022 MENGGUNAKAN CHRONNET. Other thesis, Universitas Bengkulu.
![Thesis [thumbnail of Thesis]](https://repository.unib.ac.id/style/images/fileicons/archive.png)
Skripsi_Rizki Gusmanto_G1A019018_compressed - Rizki Gusmanto.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).
Download (2MB)
Abstract
Berdasarkan data dari KLHK kebakaran pada Indonesia berkisaran
mencapai luasan sebesar 3. 776. 009,81 ha dengan kejadian tertinggi ada
pada tahun 2014. Kebakaran termasuk kerugian yang adanya pembakaran.
Kebakaran dapat menimbulkan dampak negatif seperti kerusakan ekologi,
Hotspot merupakan indikator terjadinya kebakaran pada suatu lokasi yang
memiliki suhu tertinggi daripada disekitarnya. Clustering adalah suatu
cara guna mengetahui komunitas. Proses mengidentifikasi pola yang
menarik dalam volume data yang besar dikenal sebagai data mining.
Chronnet adalah model berbasis jaringan untuk analisis data spatio
temporal yang mengubah kumpulan data spatio temporal menjadi jaringan
yang tautannya mewakili peristiwa dalam pendekatan kronologis. Tujuan
dari penelitian ini untuk mengetahui pola persebaran titik api kebakaran
hutan di Kawasan Wallacea dari tahun 2000 hingga tahun 2022 dan
memvisualisasikan clustering data titik api kebakaran hutan menggunakan
Chronnet. Penelitian ini menggunakan data MODIS (Moderate Resolution
Imaging Spectroradiometer) yang diperoleh dari NASA FIRMS (National
Aeronautiks and Scape Administration – Fire Information for Resource
Management System). Hasilnya mendapatkan output visualisasi pola
persebaran titik api dengan menggunakan R Shiny. Dalam penelitian ini
menggunakan salah satu data hotspot modis Maluku Utara 2000-2011
dengan menghasilkan cluster besar ada 8 dan cluster kecil ada 7 jadi
totalnya 15 cluster. Setelah mendapatkan data hasil chronnet kemudian
dilakukan klasifikasi data dari hasil chronnet dengan menggunakan
metode decision tree algoritma Classification and Regression Trees
(CART). Akurasi model decision tree yang didapat adalah 1 yang
menunjukkan hasil yang sangat baik terhadap kinerja model saat
melakukan evaluasi data testing.
Kata Kunci: Titik Panas, Clustering, Klasifikasi, Chronnet, Decision Tree,
Wallacea, Modis, R Shiny
Item Type: | Thesis (Other) |
---|---|
Subjects: | T Technology > T Technology (General) |
Divisions: | Faculty of Engineering > Department of Informatics Engineering |
Depositing User: | 58 lili haryanti |
Date Deposited: | 26 Sep 2025 07:57 |
Last Modified: | 26 Sep 2025 07:57 |
URI: | https://repository.unib.ac.id/id/eprint/26468 |