Analisis Dampak Kabut Asap dari Karhutla dengan Pendekatan Text Mining
Date
2023-08-08Author
Efendi, Zuliar
Sitanggang, Imas Sukaesih
Syaufina, Lailan
Metadata
Show full item recordAbstract
Kebakaran Hutan dan Lahan (Karhutla) merupakan kejadian terbakarnya hutan dan lahan secara alami maupun akibat perbuatan manusia. Banyak sekali kerugian yang ditimbulkan dari kejadian karhutla, meliputiaspek ekologi, ekonomi, sosial budaya serta politik. Karhutla menjadi salah satu masalah lingkungan yang sering terjadi di Indonesia, salah satunya di Provinsi Riau yang pada tahun 2019 mengalami karhutla dengan luas kebakaran hingga 90.233 Ha. Kejadian ini berdampak pada kondisi lingkungan, kesehatan manusia dan ekonomi masyarakat. Kabut Asap menjadi salah satu dampak yang ditimbulkan dari Karhutla yang menjadi salah satu kegelisahan warga hingga muncul trending topic di media sosial Twitter dengan berbagai macam pembicaraan.
Pembicaraan di Twitter disebut tweet, data tersebut dapat dianalisis lebih lanjut dengan menggunakan teknik Text Mining. Penelitian ini bertujuan untuk mengelompokkan dan menganalisis dari data Twitter tentang kejadian kabut asap serta memverifikasi titik kejadian karhutla dan kabut asap berdasarkan konten Twitter terkait dampak kabut asap dari karhutla menggunakan citra Sentinel-2. Data yang digunakan yaitu data tweet dengan menggunakan hashtag #IndonesiaDaruratAsap, #RiauDibakarBukanTerbakar, dan #HukumPembakarHutan. Data yang diambil dimulai dari tanggal 11 September 2019 hingga 17 September 2019 di beberapa daerah Kabupaten/Kota di Provinsi Riau dengan Indeks Standard Pencemar Udara (ISPU) dengan kategori tidak sehat.
Data tweet dilakukan praproses yaitu cleaning, stemming, tokenizing dan pembobotan, yaitu proses perhitungan bobot dari setiap term yang mewakili isi tweet. Setelah praproses dilakukan proses clustering menggunakan Agglomerative hierarchical clustering dengan beberapa percobaan jarak antar cluster yaitu single linkage, complete linkage, average linkage, dan ward. Hasil percobaan kemudian dihitung validitas cluster menggunakan silhouette index untuk mendapatkan cluster optimal.
Hasil clustering menunjukkan bahwa validitas cluster tertinggi memiliki silhouette index sebesar 0,3339 dengan jarak antar cluster menggunakan ward. Hasil cluster menunjukkan bahwa terdapat tiga cluster yang dominan pembahasannya terkait kabut asap. Data Twitter pada ketiga cluster tersebut memiliki ciri istilah atau term yang berkaitan dengan kabut asap antara lain "kabut", "asap", dan "udara". Cluster tweet yang membahas topik kebakaran hutan dan lahan serta kabut asap terdapat di wilayah Pekanbaru dan Bengkalis, Provinsi Riau.
Hasil perbandingan konten atau tweet yang dibahas pada media sosial Twitter juga sudah sesuai dengan lokasi daerah yang terdampak kabut asap. Salah satu daerah dengan tweet terbanyak yaitu Kota Pekanbaru yang terdampak kabut asap karena kiriman dari daerah sekitarannya yang mengalami kejadian kebakaran hutan dan lahan sesuai dengan citra Sentinel-2. Hasil clustering menunjukkan bahwa dampak yang diterima atau dirasakan oleh masyarakat berdasarkan media sosial Twitter yaitu masalah kesehatan serta kualitas udara yang terlihat dari term yang muncul pada setiap hasil cluster. Penelitian ini dapat menjadi salah satu upaya dalam pengendalian karhutla yaitu memprediksi penyebaran kabut asap sebagai dampak negatif dari karhutla.