Implementasi metode ST-DBSCAN untuk pengelompokan pola persebaran titik api pada data kebakaran hutan di Indonesia

ABSTRAK

Kebakaran hutan merupakan masalah yang serius yang hampir selalu terjadi di Indonesia setiap musim kemarau. Pada tahun 2019 dan 2023 kebakaran hutan telah banyak terjadi terutama di tanah gambus akibat fenomena El-nino yang berkepanjangan. Hal ini berdampak negatif terhadap ekonomi, sosial, dan lingkungan. Oleh karena itu, clustering adalah salah satu upaya yang penting untuk mengetahui lokasi wilayah terjadinya kebakaran hutan. Clustering adalah suatu teknik yang digunakan dalam data mining yang bekerja dengan cara mencari dan mengelompokkan data yang memiliki karakteristik yang sama antara suatu data dan data lain yang diperoleh. Penelitian ini bertujuan untuk mengetahui hasil pengelompokan pola persebaran titik api pada kebakaran hutan di Indonesia menggunakan metode ST-DBSCAN. Metode ST-DBSCAN merupakan salah satu metode clustering yang digunakan untuk mengelompokkan data menggunakan parameter spasial dan temporal. Hasil dari penelitian ini menghasilkan lima cluster, noise sebesar 31, dan silhouette coefficient sebesar 0,401 dengan parameter yang optimal yaitu Eps1 = 0,3, Eps2 = 7 dan MinPts =14.

ABSTRACT
Forest fires are a serious problem that almost always occur in Indonesia every dry season. In 2019 and 2023, many forest fires occurred, especially in Gambus land, due to the prolonged El-Nino phenomenon. This has a negative impact on the economy, social and environment. Therefore, clustering is an important effort to find out the location of areas where forest fires occur. Clustering is a technique used in data mining which works by searching and grouping data that has the same characteristics between one data and other data obtained. This research aims to determine the results of clustering of hotspot distribution patterns in forest fires in Indonesia using the ST-DBSCAN method. The ST-DBSCAN method is a clustering method used to group data using spatial and temporal parameters. The results of this research produced five clusters, noise of 31, and silhouette coefficient of 0.401 with optimal parameters, there are Eps1 = 0.3; Eps2 = 7 and MinPts = 14.

مستخلص البحث
تعد حرقة الغابة مشكلة خطيرة تحدث دائمًا تقريبًا في إندونيسيا في كلموسيم الجفاف. و في السنة ٢.١٩ و ٢٠٢٣، حرقة الغابة مرات عديدة، خاصة في أراضي جامبوس، بسبب ظاهرة النينيو التي طال أمدها. وهذا لها تأثير سلبية على الاقتصاد والاجتماعي والبيئة. ولذلك، يعد التجميع (clustering) هو طريقة لمعرفة موقع المناطق التي تحدث فيها حرقة الغابات. التجميع (clustering) هو أسلوب يستخدم في استخراج البيانات والذي يعمل من خلال البحث وتجميع البيانات التي لها نفس الخصائص بين بيانات واحدة والبيانات الأخرى التي تم الحصول عليها. يهدف هذا البحث إلى تحديد نتائج تجميع أنماط توزيع النقاط الساخنة في حرقة الغابات في إندونيسيا باستخدام طريقة ST-DBSCAN. طريقة ST-DBSCAN هي طريقة تجميع تستخدم لتجميع البيانات باستخدام المعلمات المكانية والزمانية. والنتيجة نتائج هذا البحث خمس مجموعات، والضوضاء ٣١، ومعامل الصورة الظلية ٠,٤٠١ مع المعلمات المثلى، وهي Eps1 = ٠,٣و Eps2 = ٧ و MinPts = ١٤.