Pakai Metode Cluster K-Means, Mahasiswa ITS Bisa Deteksi Penyebab Kebakaran Hutan
A
A
A
SURABAYA - Kebakaran hutan masih saja terjadi di Indonesia tiap tahun. Luas hutan di berbagai pulau di Indonesia memiliki potensi kebakaran yang cukup tinggi.
Mahasiswa Statistika Institut Teknologi Sepuluh Nopember (ITS) menerapkan metode Cluster K-Means dan Singular Value Decomposition (SDV) untuk mendeteksi penyebab kebakaran hutan. Mahasiswa ITS yang digawangi Dedi Setiawan, Bekti Indasari, dan Dewi Lutfia Pratiwi ini juga sukses menjuarai Lomba Karya Tulis Ilmiah di Universitas Mulawarman.
Semua berawal dari pengalaman saat melakukan kerja praktik di Badan Meteorologi, Klimatologi, dan Geofisika (BMKG), Dedi Setiawan berinisiatif mengemban tugas untuk menganalisis wilayah yang berpotensi terjadinya kebakaran lahan dan hutan melalui data gambar yang diberikan oleh satelit NASA. Dedi menjelaskan, dirinya pun mulai menganalisis wilayah-wilayah tersebut tidak cukup hanya berdasarkan data-data kejadian kebakaran sebelumnya, tetapi tingkat curah hujan juga harus diperhitungkan.
Dari masalah ini, Dedi bersama tim mengangkat ide untuk menganalisis titik panas kebakaran di beberapa wilayah Indonesia berdasarkan pengaruh curah hujan dengan metode Cluster K-Means dan SDV. Cluster K-Means merupakan metode analisis yang digunakannya untuk mengelompokkan objek-objek pengamatan menjadi beberapa kelompok. Sehingga diperoleh suatu kelompok di mana obyek-obyek dalam satu kelompok tersebut mempunyai persamaan dan perbedaan yang nyata.
“Kalau SDV merupakan teknik untuk mengatur pola tingkat curah hujan yang dominan dari masa ke masa,” ujar Dedi di Surabaya, Minggu (1/4/2018).
Dedi bersama timnya menyampaikan bahwa data dan fakta masalah tersebut diolah dengan menggunakan data frekuensi terjadinya kebakaran dan pola tingkat curah hujan di Indonesia dalam kurun waktu antara tahun 1995 sampai 2016 yang diambil dari satelit.
Data-data tersebut, katanya, dikombinasi dan dianalisis menghasilkan 12.800 titik yang tercatat, yaitu sebanyak 28 titik yang berpotensi tinggi terjadi kebakaran hutan maupun lahan, 116 titik berpotensi sedang, dan 12.690 titik berpotensi rendah. Dari 28 Titik tersebut tersebar di wilayah Sumatera Selatan, Kalimantan Selatan, dan Kalimantan Barat tepatnya.
“Di babak final, tim juri merasa kagum dengan analisis tim kami. Apalagi data referensi yang kami gunakan langsung diambil dari satelit NASA yang terpantau dan terbantu di BMKG. Hal ini tentu berpengaruh pada akurasi dalam analisisnya,” jelas Dedi.
Saat presentasi, tim juga memperoleh apresiasi, komentar dan tanggapan lain dari dewan juri. Alhasil, tim bisa menjawabnya dengan tepat dan cepat. Sehingga nilai yang diperoleh cukup tinggi dari tim-tim yang bersaing. Tidak heran, Dedi, salah satu anggota dari tim juga mendapat penghargaan presentator terbaik atau “Best Speaker”.
Sebagai tindak lanjut dari kegiatan ini, Dedi bersama Tim mengungkapkan keinginannya untuk mensosialisasikan hasil dari analisis data yang diperoleh tersebut ke pemerintah. "Tujuannya untuk dapat dijadikan bahan masukan dan dilakukannya rencana tindakan lebih lanjut, agar lebih bermanfaat," sahut Bekti Indasari, salah satu anggota tim lainnya.
Mahasiswa Statistika Institut Teknologi Sepuluh Nopember (ITS) menerapkan metode Cluster K-Means dan Singular Value Decomposition (SDV) untuk mendeteksi penyebab kebakaran hutan. Mahasiswa ITS yang digawangi Dedi Setiawan, Bekti Indasari, dan Dewi Lutfia Pratiwi ini juga sukses menjuarai Lomba Karya Tulis Ilmiah di Universitas Mulawarman.
Semua berawal dari pengalaman saat melakukan kerja praktik di Badan Meteorologi, Klimatologi, dan Geofisika (BMKG), Dedi Setiawan berinisiatif mengemban tugas untuk menganalisis wilayah yang berpotensi terjadinya kebakaran lahan dan hutan melalui data gambar yang diberikan oleh satelit NASA. Dedi menjelaskan, dirinya pun mulai menganalisis wilayah-wilayah tersebut tidak cukup hanya berdasarkan data-data kejadian kebakaran sebelumnya, tetapi tingkat curah hujan juga harus diperhitungkan.
Dari masalah ini, Dedi bersama tim mengangkat ide untuk menganalisis titik panas kebakaran di beberapa wilayah Indonesia berdasarkan pengaruh curah hujan dengan metode Cluster K-Means dan SDV. Cluster K-Means merupakan metode analisis yang digunakannya untuk mengelompokkan objek-objek pengamatan menjadi beberapa kelompok. Sehingga diperoleh suatu kelompok di mana obyek-obyek dalam satu kelompok tersebut mempunyai persamaan dan perbedaan yang nyata.
“Kalau SDV merupakan teknik untuk mengatur pola tingkat curah hujan yang dominan dari masa ke masa,” ujar Dedi di Surabaya, Minggu (1/4/2018).
Dedi bersama timnya menyampaikan bahwa data dan fakta masalah tersebut diolah dengan menggunakan data frekuensi terjadinya kebakaran dan pola tingkat curah hujan di Indonesia dalam kurun waktu antara tahun 1995 sampai 2016 yang diambil dari satelit.
Data-data tersebut, katanya, dikombinasi dan dianalisis menghasilkan 12.800 titik yang tercatat, yaitu sebanyak 28 titik yang berpotensi tinggi terjadi kebakaran hutan maupun lahan, 116 titik berpotensi sedang, dan 12.690 titik berpotensi rendah. Dari 28 Titik tersebut tersebar di wilayah Sumatera Selatan, Kalimantan Selatan, dan Kalimantan Barat tepatnya.
“Di babak final, tim juri merasa kagum dengan analisis tim kami. Apalagi data referensi yang kami gunakan langsung diambil dari satelit NASA yang terpantau dan terbantu di BMKG. Hal ini tentu berpengaruh pada akurasi dalam analisisnya,” jelas Dedi.
Saat presentasi, tim juga memperoleh apresiasi, komentar dan tanggapan lain dari dewan juri. Alhasil, tim bisa menjawabnya dengan tepat dan cepat. Sehingga nilai yang diperoleh cukup tinggi dari tim-tim yang bersaing. Tidak heran, Dedi, salah satu anggota dari tim juga mendapat penghargaan presentator terbaik atau “Best Speaker”.
Sebagai tindak lanjut dari kegiatan ini, Dedi bersama Tim mengungkapkan keinginannya untuk mensosialisasikan hasil dari analisis data yang diperoleh tersebut ke pemerintah. "Tujuannya untuk dapat dijadikan bahan masukan dan dilakukannya rencana tindakan lebih lanjut, agar lebih bermanfaat," sahut Bekti Indasari, salah satu anggota tim lainnya.
(kri)