PEMETAAN KERAWANAN KEBAKARAN LAHAN GAMBUT
BERBASIS MACHINE LEARNING
STUDI KASUS: KESATUAN HIDROLOGI (KHG) PULAU
BENGKALIS, RIAU
Total View This Week0
Total View This Week0
Institusion
Universitas Diponegoro
Author
PRISCILLA, NINDIA
Subject
Engineering
Datestamp
2024-12-23 04:12:34
Abstract :
Kebakaran lahan gambut merupakan ancaman serius terhadap lingkungan, iklim global, dan ekosistem lokal, terutama di Indonesia yang memiliki lahan gambut tropis terluas di dunia. Penelitian ini bertujuan untuk memetakan kerawanan kebakaran lahan gambut di Kesatuan Hidrologi Gambut (KHG) Pulau Bengkalis, Riau, dengan menggunakan metode machine learning. Data yang digunakan mencakup faktor-faktor biofisik dan sosial, seperti curah hujan, kelembaban tanah, land surface temperature, kerapatan vegetasi, kepadatan penduduk, tutupan lahan dan aksesibilitas. Pemodelan dilakukan menggunakan algoritma Random Forest yang menghasilkan peta kerawanan kebakaran dengan akurasi tinggi. Validasi model dilakukan melalui evaluasi nilai AUC dan crossvalidation, yang menunjukkan performa prediktif yang andal. Hasil penelitian menunjukkan bahwa wilayah dengan jauh dari penduduk, curah hujan rendah, dan aksesibilitas kurang lebih rentan terhadap kebakaran. Peta kerawanan ini dapat digunakan sebagai dasar dalam perencanaan mitigasi kebakaran lahan gambut dan mendukung kebijakan restorasi gambut. Penelitian ini diharapkan berkontribusi dalam upaya pelestarian ekosistem gambut dan pengurangan risiko bencana kebakaran di masa depan.
Kebakaran lahan gambut merupakan ancaman serius terhadap lingkungan, iklim global, dan ekosistem lokal, terutama di Indonesia yang memiliki lahan gambut tropis terluas di dunia. Penelitian ini bertujuan untuk memetakan kerawanan kebakaran lahan gambut di Kesatuan Hidrologi Gambut (KHG) Pulau Bengkalis, Riau, dengan menggunakan metode machine learning. Data yang digunakan mencakup faktor-faktor biofisik dan sosial, seperti curah hujan, kelembaban tanah, land surface temperature, kerapatan vegetasi, kepadatan penduduk, tutupan lahan dan aksesibilitas. Pemodelan dilakukan menggunakan algoritma Random Forest yang menghasilkan peta kerawanan kebakaran dengan akurasi tinggi. Validasi model dilakukan melalui evaluasi nilai AUC dan crossvalidation, yang menunjukkan performa prediktif yang andal. Hasil penelitian menunjukkan bahwa wilayah dengan jauh dari penduduk, curah hujan rendah, dan aksesibilitas kurang lebih rentan terhadap kebakaran. Peta kerawanan ini dapat digunakan sebagai dasar dalam perencanaan mitigasi kebakaran lahan gambut dan mendukung kebijakan restorasi gambut. Penelitian ini diharapkan berkontribusi dalam upaya pelestarian ekosistem gambut dan pengurangan risiko bencana kebakaran di masa depan.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
