Nama : Hans Timothy Wijaya Program Studi : Magister Ilmu Komputer Judul : Evaluasi dan Pemetaan Kerentanan Kebakaran Hutan dan Lahan di Nusa Tenggara Timur dengan Metode Autokorelasi Spasial dan Pembelajaran Mesin Pembimbing : Prof. Dr. Ir. Aniati Murni Arymurthy, M.Sc. Hutan merupakan ekosistem daratan yang berperan penting dalam menjaga keseimbangan ekologi dan fungsi lingkungan. Namun, keberadaan hutan saat ini terancam oleh berbagai faktor, salah satunya adalah kebakaran hutan dan lahan (Karhutla), terutama di Provinsi Nusa Tenggara Timur (NTT), yang tercatat sebagai wilayah dengan area terbakar terbesar pada tahun 2022, mencapai 70.637 hektare. Pemetaan kerentanan terhadap Karhutla sangat penting untuk upaya pengendalian dan pencegahan kebakaran. Penelitian ini bertujuan untuk menganalisis dan memetakan kerentanan Karhutla di Provinsi NTT, dengan memanfaatkan analisis autokorelasi spasial dan pemodelan pembelajaran mesin (ML). Autokorelasi spasial digunakan untuk mengidentifikasi pola spasial kebakaran, sementara model ML digunakan untuk memprediksi tingkat kerentanannya. Tujuh model ML dan tiga teknik seleksi fitur dibandingkan untuk menentukan kombinasi terbaik yang menghasilkan performa terbaik, berdasarkan evaluasi statistik dan kurva ROC. Data yang digunakan meliputi informasi spasial dari berbagai sumber, seperti citra satelit, data topografi, faktor antropogenik, dan iklim. Peta kerentanan yang dihasilkan, yang mengintegrasikan peta autokorelasi spasial dan ML, yang mengombinasikan model XGB dengan metode IGR, berhasil mengidentifikasi wilayah rentan Karhutla, antara lain: Kabupaten Sumba Timur, Flores Timur, Kupang, Timor Tengah Selatan, dan Timor Tengah Utara. Faktor penyebab kerentanan tinggi mencakup ketinggian rendah, kemiringan landai, vegetasi tidak sehat, tutupan lahan hutan, serta faktor iklim seperti curah hujan rendah dan suhu rendah hingga menengah. Selain itu, wilayah yang jauh dari infrastruktur juga lebih rentan. Berdasarkan analisis ini, diusulkan solusi penanggulangan Karhutla di Provinsi NTT, antara lain pengelolaan tata guna lahan yang lebih baik, penanaman vegetasi tahan api, kebijakan pengelolaan hutan berkelanjutan, dan peningkatan infrastruktur pemadam kebakaran.

Name : Hans Timothy Wijaya Study Program : Master of Computer Science Title : Assessment and Mapping of Forest and Land Fire Vulnerability in East Nusa Tenggara Using Spatial Autocorrelation and Machine Learning Methods Supervisor : Prof. Dr. Ir. Aniati Murni Arymurthy, M.Sc. Forests are terrestrial ecosystems that play a crucial role in maintaining ecological balance and environmental functions. However, the existence of forests is currently threatened by various factors, one of which is forest and land fires (FLF), particularly in the province of East Nusa Tenggara (NTT), which was recorded as the region with the largest burned area in 2022, reaching 70,637 hectares. Mapping vulnerability to FLF is essential for fire control and prevention efforts. This study aims to analyze and map the vulnerability to FLF in NTT province, utilizing spatial autocorrelation analysis and machine learning (ML) modeling. Spatial autocorrelation is used to identify spatial patterns of fire occurrences, while ML models are employed to predict the level of vulnerability. Seven ML models and three feature selection techniques are compared to determine the best combination that produces the highest performance, based on statistical evaluation and ROC curves. The data used includes spatial information from various sources, such as satellite imagery, topographic data, anthropogenic factors, and climate data. The resulting vulnerability map, which integrates spatial autocorrelation and ML maps combining the XGB model with the IGR method, successfully identifies areas vulnerable to FLF, including East Sumba, East Flores, Kupang, South Central Timor, and North Central Timor. High vulnerability factors include low elevation, gentle slopes, unhealthy vegetation, forest land cover, and climatic factors such as low rainfall and moderate temperatures. Additionally, areas far from infrastructure are also more vulnerable. Based on this analysis, proposed solutions for mitigating FLF in NTT include better land use management, planting fire-resistant vegetation, sustainable forest management policies, and improved fire-fighting infrastructure.