RAHMAWATI, DITA BAITU (2021) SISTEM KLASIFIKASI AREA KEBAKARAN MENGGUNAKAN NBR (NORMALIZED BURN RATIO) UNTUK SEBARAN HOTSPOT DENGAN MENGGUNAKAN ALGORITMA FP-GROWTH (STUDI KASUS: KABUPATEN KATINGAN). S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 Cover.pdf Download (352kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 Bab 1.pdf Restricted to Registered users only Download (116kB) |
|
|
Text (BAB II)
03 Bab 2.pdf Restricted to Registered users only Download (560kB) |
|
|
Text (BAB III)
04 Bab 3.pdf Restricted to Registered users only Download (155kB) |
|
|
Text (BAB IV)
05 Bab 4.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB V)
06 Bab 5.pdf Restricted to Registered users only Download (26kB) |
|
|
Text (DAFTAR PUSTAKA)
07 Daftar Pustaka.pdf Restricted to Registered users only Download (166kB) |
|
|
Text (LAMPIRAN)
08 Lampiran.pdf Restricted to Registered users only Download (535kB) |
Abstract
Forest and land fires are events of concern to the national and international community. In 2019, forest fires in Katingan Regency, Central Kalimantan came to the attention of the Ministry of Environment and Forestry (KLHK) due to fires covering an area of 970.44 hectares and the losses suffered reaching IDR 261 billion. Hotspot is an indicator of land and forest fires. The highest number of hotspot distribution in 2019 occurred in November. Therefore, it is necessary to classify the fire area based on the hotspot value to determine the distribution of hotspots that can be used for restoring burned land. The purpose of this research is the classification of fire areas in Katingan Regency, Central Kalimantan to determine the distribution of hotspots. This study uses the Normalized Burn Ratio (NBR) index feature and the FP-Growth algorithm to perform classification. The data used were obtained from Landsat 8 OLI satellite imagery for the period 01 July 2019 to 31 December 2019. To perform classification, QGIS software is needed as a tool used for processing satellite images from clipping, stacking, to feature extraction using NBR. Jupyter Notebook and Python programming language are also used as tools for association rules modeling using the FP-Growth algorithm, visualization, and evaluation. The results of the classification of fire areas based on hotspots were evaluated using the Confusion Matrix with an accuracy of 86% and a Kappa Score of 82% which can be interpreted as Very Good because the Kappa coefficient value κ> 0.81. Keywords: Confusion Matrix, FP-Growth Algorithm, Hotspot, Kappa Score, Landsat 8, Normalized Burn Ratio Kebakaran hutan dan lahan merupakan salah satu peristiwa yang menjadi perhatian masyarakat nasional maupun internasional. Pada tahun 2019, kebakaran hutan di Kabupaten Katingan, Kalimantan Tengah menjadi perhatian Kementerian Lingkungan Hidup dan Kehutanan (KLHK) karena terjadi kebakaran seluas 970,44 hektar dan kerugian yang dialami mencapai Rp261 miliar. Hotspot merupakan salah satu indikator terjadinya kebakaran lahan dan hutan. Jumlah sebaran hotspot tertinggi pada tahun 2019 terjadi pada bulan November. Oleh karena itu, perlu dilakukan klasifikasi area kebakaran berdasarkan nilai hotspot untuk mengetahui sebaran hotspot yang dapat digunakan untuk pemulihan lahan yang terbakar. Tujuan dilakukannya penelitian ini yaitu klasifikasi area kebakaran di Kabupaten Katingan, Kalimantan Tengah untuk mengetahui sebaran hotspot. Penelitian ini menggunakan fitur indeks Normalized Burn Ratio (NBR) dan algoritma FP-Growth untuk melakukan klasifikasi. Data yang digunakan diperoleh dari citra satelit Landsat 8 OLI dengan periode 01 Juli 2019 sampai 31 Desember 2019. Untuk melakukan klasifikasi, dibutuhkan software QGIS sebagai tools yang digunakan untuk pengolahan citra satelit mulai dari clipping, stacking, hingga feature extraction menggunakan NBR. Jupyter Notebook dan bahasa pemrograman Python juga digunakan sebagai tools untuk association rules modelling menggunakan algoritma FP-Growth, visualisasi, dan evaluasi. Hasil klasifikasi area kebakaran berdasarkan hotspot dievaluasi menggunakan Confusion Matrix dengan hasil akurasi 86% dan Kappa Score sebesar 82% yang dapat diinterpretasikan dalam kategori Very Good karena nilai koefisien Kappa κ>0.81. Kata kunci: Algoritma FP-Growth, Confusion Matrix, Hotspot, Kappa Score, Landsat 8, Normalized Burn Ratio
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41817110078 |
| Uncontrolled Keywords: | Algoritma FP-Growth, Confusion Matrix, Hotspot, Kappa Score, Landsat 8, Normalized Burn Ratio |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 003 Systems/Sistem-sistem 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 003 Systems/Sistem-sistem > 003.5 Computer Modeling and Simulation/Model dan Simulasi Komputer > 003.54 Information Theory/Teori Informasi |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Dede Muksin Lubis |
| Date Deposited: | 19 Oct 2023 04:25 |
| Last Modified: | 19 Oct 2023 04:25 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/82812 |
Actions (login required)
 |
View Item |
