Guru Besar Ilmu Komputer IPB Kembangkan SIPPK untuk Cegah Karhutla

TrubusNews
Astri Sofyanti
09 Nov 2020   09:40 WIB

Komentar
Guru Besar Ilmu Komputer IPB Kembangkan SIPPK untuk Cegah Karhutla

Ilustrasi - Kebakaran hutan dan lahan. (Foto : Dok. BNPB)

Trubus.id -- Guru Besar IPB University dari Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) mengembangkan Sistem Informasi Patroli Pencegahan Kebakaran Hutan dan Lahan/Karhutla (SIPPK) untuk wilayah Sumatera. Pengembangan SIPPK ini dilakukan bekerjasama dengan Balai Pengendalian Perubahan Iklim dan Kebakaran Hutan dan Lahan (PPIKHL) Wilayah Sumatra dan Direktorat Pengendalian Kebakaran Hutan dan Lahan (PKHL) Kementerian Lingkungan Hidup dan Kehutanan (KLHK).

“Luas Karhutla di Indonesia tahun 2015 mencapai lebih dari 2.6 juta hektar. Sedangkan tahun 2019 mencapai lebih dari 1,6 juta hektar. Untuk mengurangi dampak negatif Karhulta, pemerintah dalam hal ini KLHK telah memprioritaskan kegiatan pencegahan melalui upaya deteksi dini terjadinya Karhutla. Salah satu indikator terjadinya Karhutla adalah titik panas yang direkam oleh satelit penginderaan jauh. KLHK telah menetapkan prosedur pengecekan titik panas di lapangan yang diatur dalam Permen LHK Nomor 8 Tahun 2018,” demikian dikatakan Imas dalam keterangan tertulisnya, baru-baru ini yang diterima Redaksi Trubus.id.

Diakuinya, dalam peraturan tersebut, ada tiga prioritas pengecekan titik panas Karhutla di lapangan. Yaitu titik panas yang lokasinya bergerombol (membentuk cluster), titik panas yang bila ditumpangsusunkan dengan data citra satelit terindikasi disertai asap, dan titik panas yang terjadi berulang paling singkat tiga hari berturut-turut.

“Pendekatan data mining mulai dikenal pada era sains data yang dimulai pada tahun 1990-an. Dengan adanya data mining, kita akan mendapatkan informasi dan pengetahuan yang berguna untuk mendukung pengambilan keputusan. Data titik panas yang direkam setiap hari menghasilkan data bervolume besar dan menarik untuk dianalisis. Sesuai permen tersebut, pola menarik yang dapat digali dari titik panas salah satunya adalah pola cluster,” ujarnya.

Imas menerapkan teknik spatiotemporal clustering dalam data mining pada data titik panas yang memiliki atribut spasial, temporal dan non-spasial untuk mendapatkan cluster titik panas. Algoritma yang digunakan untuk membentuk cluster titik panas adalah DensityBased Spatial Clustering Algorithm with Noise (DBSCAN) dan Spatio-Temporal DBSCAN (ST-DBSCAN).

Algoritme DBSCAN bekerja dengan baik pada spasial untuk mengelompokkan objek berdasarkan kerapatan. Implemetasi algoritme DBSCAN pada data titik panas tahun 2013 menghasilkan cluster titik panas dengan kerapatan tertinggi yaitu 0,5 per kilometer persegi. Titik panas pada cluster tersebut umumnya terjadi pada lahan gambut dengan tipe “Hemists/Saprists 2 (60/40), sangat dalam (>400cm)” yang sebagian besar menyebar di kabupaten Rokan Hilir, Bengkalis, Dumai dan Siak di Provinsi Riau.

Aspek temporal selanjutnya dilibatkan dalam proses clustering titik panas tahun 2015 dan 2019 menggunakan algoritme ST-DBSCAN. Hasilnya adalah terdapat sekitar 50,8 persen dan 50,3 persen titik panas membentuk cluster di Sumatra berturut-turut pada tahun 2015 dan 2019. Berdasarkan hasil ini disarankan agar tim patroli pencegahan karhutla memberikan prioritas pada titik panas tersebut untuk diverifikasi di lapangan.

“Implementasi pembangkitan pola cluster dari dataset titik panas ini akan diusulkan untuk diintegrasikan dengan SIPPK pada masa mendatang. Hal ini bertujuan agar tim patroli karhutla mendapatkan informasi titik panas yang menjadi prioritas utama untuk pengecekan di lapangan sehingga kegiatan pencegahan karhutla dapat dilaksanakan secara lebih efisien,” tutupnya.

  0


500 Karakter

Artikel Terkait

Bagikan:          
Bagikan:          
Bagikan: