PERBANDINGAN ALGORITMA LSDBC DAN DBSCAN PADA PEMETAAN DAERAH RAWAN KEBAKARAN HUTAN
Studi Kasus di Pulau Sumatera, Kalimantan, Sulawesi, dan Papua
DOI:
https://doi.org/10.34123/jurnalasks.v12i2.281Keywords:
peta rawan kebakaran hutan, LSDBC, DBSCAN, titik panasAbstract
Kebakaran hutan merupakan salah satu kejadian bencana alam di Indonesia yang menyebabkan deforestasi dan berbagai kerugian pada aspek ekologi, ekonomi, dan sosial. Pencegahan kebakaran hutan dan lahan dapat dilakukan dengan menyediakan data dan informasi meliputi lokasi/areal kebakaran dan daerah rawan kebakaran hutan dan lahan. Penutupan lahan yang cenderung cepat berubah menjadikan peta rawan kebakaran hutan yang dievaluasi setiap tiga tahun sekali menjadi tidak akurat lagi. Permasalahan ini dapat diatasi dengan pemanfaatan data titik panas yang disediakan secara real time oleh Lembaga Penerbangan dan Antariksa Nasional (LAPAN). Penelitian sebelumnya berhasil memetakan daerah rawan kebakaran hutan menggunakan penerapan algoritma Density Based Clustering Application with Noise (DBSCAN) pada data titik panas. Pada penelitian ini, algoritma Locally Scaled Density Based Clustering (LSDBC) digunakan pada data titik panas sebagai perbaikan dan perbandingan terhadap algoritma DBSCAN. Penelitian ini telah berhasil memetakan daerah rawan kebakaran hutan menggunakan algoritma DBSCAN dan LSDBC. Namun, algoritma LSDBC belum mampu menghasilkan klaster yang lebih baik dibandingkan algoritma DBSCAN.
Downloads
References
Bicici, E., & Yuret, D. (2007). Locally Scaled Density Based Clustering. An Article in International Conference on Adaptive and Natural Computing Algorithms (pp. 739-748). Berlin: Springer.
Bolshakova, N., & Azuaje, F. (2003). Cluster validation techinques for genome expression data. Signal Processing, 825-833.
Chisholm, R. A., Wijedasa, L. S., & Swinfield, T. (2016). The need for long-term remedies for Indonesia’s forest fires. Conservation Biology, 30(1), 5-6.
Dinas Kehutanan Provinsi Sumatera Selatan. (2019). Retrieved from Pantau Kebakaran Hutan: http://monitoring.dishut.sumselprov.go.id/karhutla
Frankenberg, E., McKee, D., & Thomas, D. (2005). Health consequences of forest fires in Indonesia. Demography, 42(1), 109-129.
Glauber, A. J., & Gunawan, I. (2016). The cost of fire: An economic analysis of Indonesia's 2015 fire crisis. The World Bank http://pubdocs. worldbank. org/en/643781465442350600/Indonesia-forest-fire-notes. pdf.
Harrison, M. E., Page, S. E., & Limin, S. H. (2009). The global impact of Indonesian forest fire. Biologist 56(3), 156-163.
Karanja, S. K. (2016). Density-Based Cluster Analysis of Fire Hot Spots in Kenya’s. Nairobi: University of Nairobi.
Kementerian Lingkungan Hidup. (2010). Peraturan Menteri Negara Lingkungan Hidup Nomor 10 Tahun 2010 Tentang Mekanisme Pencegahan Pencemaran dan/atau Kerusakan Lingkungan Hidup yang Berkaitan dengan Kebakaran Hutan dan/atau Lahan. Jakarta: Kementerian Lingkungan Hidup.
Kementerian Lingkungan Hidup dan Kehutanan. (2019, November 17). Luas Kebakaran. Retrieved from SiPongi Karhutla Monitoring Sistem: http://sipongi.menlhk.go.id/hotspot/luas_kebakaran
Rendon, E., Abundez, I., Arizmendi, A., & Quiroz, E. M. (2011). Internal versus External cluster validation indexes . INTERNATIONAL JOURNAL OF COMPUTERS AND COMMUNICATIONS, 27-34.
Siscawati, M. (1998). Underlying Causes of Deforestation and Forest Degradation in Indonesia : A Case Study of Forest Fire. Proceedings of the IGES International Workshop on Forest Conservation Strategies for the Asia and Pacific Region (pp. 44-57). Yokohama: Institute for Global Environmental Strategies.
Solichin, Tarigan, L., Kimman, P., Firman, B., & Bagyono, R. (2007). Pemetaan Daerah Rawan Kebakaran. Palembang: South Sumatra Forest Fire Management Project (SSFFM).
University of Illinois. (2020, January 10). 6.7 Internal Measures for Clustering Validation. Retrieved from Coursera: https://www.coursera.org/lecture/cluster-analysis/6-7-internal-measures-for-clustering-validation-jDuBD
Varma, A. (2003). The economics of slash and burn: a case study of the 1997–1998 Indonesian forest fires. Ecological Economics, 46(1), 159-171.