PERBANDINGAN ALGORITMA LSDBC DAN DBSCAN PADA PEMETAAN DAERAH RAWAN KEBAKARAN HUTAN

Studi Kasus di Pulau Sumatera, Kalimantan, Sulawesi, dan Papua

Abstract

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.