Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number T-1409 (Softcopy T-1118) MAK PI-209 TR-CSUI-081
Collection Type Tesis
Title Evaluasi dan Pemetaan Kerentanan Kebakaran Hutan dan Lahan di Nusa Tenggara Timur dengan Metode Autokorelasi Spasial dan Pembelajaran Mesin
Author Hans Timothy Wijaya;
Publisher Depok: Fasilkom UI, 2025
Subject machine learning
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
T-1409 (Softcopy T-1118) MAK PI-209 TR-CSUI-081 TERSEDIA
Tidak ada review pada koleksi ini: 55769
ABSTRAK

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.