AHMAD EFENDI, - (2024) KLASIFIKASI KEBAKARAN HUTAN RIAU MENGGUNAKAN RANDOM FOREST DAN VISUALISASI CITRA SENTINEL-2. KLASIFIKASI KEBAKARAN HUTAN RIAU MENGGUNAKAN RANDOM FOREST DAN VISUALISASI CITRA SENTINEL-2, 4 (3). ISSN 2723-3898

Preview

Text 1521-Article Text-6145-1-10-20231222.pdf Download (1MB) | Preview

Abstract

Pada bulan September 2019, Riau terkena dampak serius akibat kabut asap yang membahayakan kesehatan penduduk dan mengganggu aktivitas sekitar 6,5 juta orang. Kondisi ini membutuhkan tindakan cepat dan akurat dalam mitigasi dan antisipasi bencana kebakaran hutan dan lahan. Penelitian ini bertujuan mengklasifikasikan kebakaran hutan di Riau menggunakan algoritma Pembelajaran Mesin, yaitu Random Forest. Namun, pemahaman yang holistik tentang kebakaran hutan memerlukan visualisasi citra Sentinel-2 dengan indeks Normalized Burn Ratio (NBR). Citra Sentinel-2 memainkan peran kunci dalam identifikasi area terbakar, pengukuran intensitas kebakaran, dan evaluasi dampak lingkungan. Data cuaca selama bulan Januari 2015 hingga September 2019 dengan total 1733 data telah digunakan untuk penelitian ini. Hasil eksperimen menunjukkan bahwa algoritma Random Forest mencapai akurasi tertinggi sebesar 71% dengan alokasi data latih sebesar 90%. Sementara itu, citra Sentinel-2 dapat memvisualisasikan area terbakar dengan tingkat akurasi keseluruhan mencapai 94% dan koefisien kappa 0,92. Penelitian ini menawarkan pendekatan terpadu untuk mengatasi kebakaran hutan di Riau, menghasilkan prediksi yang lebih baik dan pemahaman yang lebih mendalam tentang bencana kebakaran hutan. Dalam konteks mitigasi bencana, penggabungan Machine Learning dan visualisasi citra Sentinel-2 memiliki potensi besar dalam memberikan informasi penting bagi pemangku kepentingan dan pihak berwenang. Kata Kunci: Random Forest; Kebakaran Hutan; Sentinel-2; Normalized Burn Ratio(NBR); Riau;

Actions (login required)

View Item