Clustering Data Spasial Titik Panas Dengan Kendala Jalan Dan Sungai Di Lahan Gambut Riau

Abstract

Kebakaran hutan dan lahan di Indonesia mengalami peningkatan setiap tahunnya, dari 2 612,09 Ha pada tahun 2011 menjadi sebesar 44 411,36 Ha pada tahun 2014. Salah satu wilayah yang sering mengalami kebakaran hutan dan lahan, adalah wilayah Riau. Teknik data mining dapat diterapkan untuk menangani serta menganalisa data persebaran titik panas berukuran besar. Penelitian ini menerapkan algoritme CPO-WCC (Clustering in Presence of Obstacles with Computed number of cells) yang merupakan algoritme yang mempertimbangkan kondisi sebenarnya di lingkungan. Dengan memperhatikan jalan dan sungai sebagai hambatannya. Data yang digunakan adalah data titik panas di Provinsi Riau tahun 2014 serta data jalan dan sungai di provinsi Riau. Penelitian ini dilakukan dalam lima tahap. Tahap pertama adalah praproses data titik panas, tahap kedua clustering data titik panas menggunakan algoritme CPO-WCC, dan algoritme DBSCAN. Tahap ketiga adalah evaluasi hasil clustering dari masing-masing algoritme. Tahap keempat adalah melakukan analisa cluster dari kedua algoritme dengan berdasarkan karakteristik fisikal dari lahan gambut. Pada tahapan kelima dilakukan analisa cluster dari kedua algoritme berdasarkan karakteristik data cuaca, serta data sosial ekonomi. Hasil pengujian menunjukan bahwa hasil cluster dari algoritme CPOWCC dan DBSCAN menghasilkan jumlah cluster yang berbeda. Pada cluster terpadat hasil algoritme CPO-WCC, persebaran titik panas terbesar terdapat pada tipe lahan gambut Hemists/Saprists (60/40) dengan tipe kedalaman gambut sangat dalam (> 400 cm) dengan tipe gambut D4 (> 400 cm), dan terletak pada area hutan rawa. Berdasarkan hasil clustering menggunakan algoritme DBSCAN, persebaran titik panas dari cluster terpadat terletak pada tipe lahan gambut Saprists/Hemists (60/40) dengan kedalaman sangat dalam (> 400 cm) dengan tipe gambut D4 (> 400 cm) pada areal lahan gambut hutan rawa. Hasil pengujian berdasarkan data cuaca menunjukan bahwa pada cluster terpadat hasil dari algoritme CPO-WCC, titik panas terbesar pada bulan Maret. Sedangkan pada cluster terpadat hasil dari algoritme DBSCAN persebaran titik panas terbesar terjadi pada Februari. Hasil pengujian berdasarkan data sosial ekonomi menunjukkan bahwa titik panas terbesar pada daerah dengan pendapatan penduduk yang bersumber pada bidang pertanian. Diharapkan hasil dari penelitian ini dapat bermanfaat bagi instansi terkait dalam pengambilan keputusan dalam penanganan kebakaran hutan dan lahan