PURWANINGSIH, RATIH PUJI and AZIZI, RAHMAT AL (2024) PEMANFAATAN BIG DATA SPATIAL DALAM PEMETAAN KERAWANAN KEBAKARAN HUTAN DENGAN METODE MAXIMUM ENTROPY DAN RANDOM FOREST (STUDI KASUS: TAMAN HUTAN RAYA RADEN SOERJO). Undergraduate thesis, UNIVERSITAS DIPONEGORO.

	Text Cover.pdf Download (19kB)
	Text Abstrak.pdf Download (18kB)

Abstract

Indonesia memiliki hutan seluas 92 juta hektar dan menjadi negara dengan luas hutan ke-8 terluas dunia. Namun, kerusakan hutan selalu terjadi setiap tahun di Indonesia. Salah satu penyebab kerusakan hutan adalah kebakaran. Studi ini
bertujuan memodelkan kerawanan kebakaran hutan di Indonesia, yang berfokus pada wilayah Taman Hutan Raya Raden Soerjo, Jawa Timur. Pemodelan kerawanan memanfaatkan big data spasial dan pengindraan jauh dengan
pendekatan berbasis machine learning. Metode yang digunakan adalah maximum entropy (MaxEnt) dan random forest untuk memodelkan kerawanan kebakaran dengan memanfaatkan parameter lingkungan dan antropogenik. Hasil penelitian
menunjukkan bahwa kedua model memiliki pola distribusi spasial yang hampir serupa, dengan random forest memprediksi area rawan kebakaran lebih luas (12.168,54 ha) dibandingkan MaxEnt (8.316,9 ha). Variabel curah hujan ditemukan sebagai variabel paling berpengaruh pada kedua model. Uji akurasi menggunakan kurva ROC/AUC menghasilkan nilai AUC untuk data testing sebesar 0,915 untuk MaxEnt dan 0,9671 untuk random forest, serta nilai AUC untuk data validasi sebesar 0,833 untuk MaxEnt dan 0,812 untuk random forest. Dari hasil ini, dapat disimpulkan bahwa MaxEnt menunjukkan performa yang lebih unggul, namun kedua metode machine learning tersebut mampu memodelkan kerawanan kebakaran hutan dengan akurasi yang tinggi.

Actions (login required)

View Item