Analisis Index Vegetation Wilayah Terdampak Kebakaran Hutan Riau Menggunakan Citra Landsat-8 dan Sentinel-2

Risna Sari; Liana Trihardianingsih; Rizki Firdaus Mulya; M. Ilham  Arief; Kusrini Kusrini

doi:10.31154/cogito.v8i2.439.282-294

Authors

Risna Sari Universitas Amikom https://orcid.org/0000-0002-7612-0290
Liana Trihardianingsih Universitas AMIKOM https://orcid.org/0000-0001-9754-9638
Rizki Firdaus Mulya Universitas AMIKOM https://orcid.org/0000-0002-9192-7279
M. Ilham Arief Universitas AMIKOM https://orcid.org/0000-0002-4511-9449
Kusrini Kusrini Universitas Amikom

DOI:

https://doi.org/10.31154/cogito.v8i2.439.282-294

Keywords:

Kebakaran Hutan, Indeks Vegetasi, Random Forest, Citra Landsat-8, Citra Sentinel-2

Abstract

Kebakaran hutan telah diidentifikasi sebagai salah satu isu lingkungan utama yang memiliki dampak terhadap keanekaragaman hayati dan iklim global jangka panjang. Riau merupakan salah satu wilayah di Indonesia yang sering mengalami kebakaran hutan. Upaya untuk memulihkan hutan pasca kebakaran dapat dilakukan dengan pengawasan lahan seperti mengamati tingkat vegetasi pada kawasan kebakaran. Dalam penelitian ini, dilakukan analisis untuk mengklasifikasikan tingkat vegetasi kawasan pasca kebakaran dengan memanfaatkan indeks vegetasi dengan tujuan mengetahui tingkat vegetasi pasca kebakaran pada wilayah rawan kebakaran di kabupaten Riau. Model yang digunakan pada penelitian ini memakai algoritma Random Forest dan variabel penentu yang digunakan adalah NDVI, NBR, EVI, dan SAVI. Penelitian ini dilakukan dengan menggunakan 2 citra satelit, yaitu Citra Landsat 8 dan Sentinel-2. Dasaset yang didapatkan menggunakan landsat-8 adalah 1871 data, sedangkan dengan menggunakan sentinel-2 diperoleh 606 data. Akurasi data testing maksimal yang diperoleh dengan menggunakan landsat-8 adalah sebesar 99%, sedangkan dengan menggunakan sentinel-2, diperoleh akurasi maksimal sebesar 94%.

References

I. K. Hadi, S. H. Mukti, and W. Widyatmanti, “Pemetaan Pola Spasial Kebakaran Hutan dan Lahan di Taman Nasional Gunung Merbabu Berbasis Penginderaan Jauh Tahun 2019,” vol. 2, no. 1, pp. 43–50, 2021.

Y. Vetrita and M. A. Cochrane, “Fire Frequency And Related Land-Use And Land-Cover Changes In Indonesia’s Peatlands,” Remote Sens., vol. 12, no. 1, 2020, doi: 10.3390/RS12010005.

B. Hero Saharjo, Pengendalian Kebakaran Hutan dan atau Lahan Indonesia. PT Penerbit IPB Press, 2016.

S. Purwo Nugroho, “Pemadaman Kebakaran Lahan Terus Dilakukan, 843 Hektare Telah Terbakar di Riau - BNPB,” 2019. https://bnpb.go.id/berita/pemadaman-kebakaran-lahan-terus-dilakukan-843-hektare-telah-terbakar-di-riau (accessed Jul. 18, 2022).

Sosilawaty, Yanarita, L. Indrayanti, and Y. Tanduh, Komposisi Vegetasi Pada Berbagai Tutupan Lahan Di Laboratorium Alam Hutan Pendidikan Hampangen Universitas Palangka Raya. 2020.

W. W. Wijonarko, B. Sasmito, and A. L. Nugraha, “Analisis Ketertiban Tata Letak Bangunan Terhadap Sempadan Sungai Di Sungai Banjir Kanal Timur Kota Semarang (Studi Kasus : Sepanjang Banjir Kanal Timur dari Muara Sampai Jembatan Brigjend Sudiarto (STA 0-STA 7)),” J. Geod. Undip, vol. 4, no. April, pp. 86–94, 2015.

J. J. A. Limbong, H. H. Ratu, P. Simbolon, and S. Y. J. Prasetyo, “Analisis Indeks Vegetasi Area Terdampak Banjir Bandang Di Kabupaten Jayapura Menggunakan Metode Clustering Pada Citra Landsat 8,” Indones. J. Comput. Model., vol. 3, no. 1, pp. 1–6, 2020, [Online]. Available: https://creativecommons.org/licenses/by/4.0/.

E. Yumanda and M. A. I. Pakereng, “Klasifikasi Resiko Kerusakan Lahan Akibat Tsunami Menggunakan Citra Landsat 8 Di Kabupaten Bantul,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 3, pp. 1496–1507, 2021, doi: 10.35957/jatisi.v8i3.1109.

A. Krtalic, A. Prodan, and I. Racetin, “Analysis of burned vegetation recovery by means of vegetation indices,” Int. Multidiscip. Sci. GeoConference Surv. Geol. Min. Ecol. Manag. SGEM, vol. 19, no. 2.2, pp. 449–456, 2019, doi: 10.5593/sgem2019/2.2/S10.055.

Y. Kim, M. H. Jeong, M. Youm, J. Kim, and J. Kim, “Recovery of forest vegetation in a burnt area in the republic of korea: A perspective based on sentinel-2 data,” Appl. Sci., vol. 11, no. 6, 2021, doi: 10.3390/app11062570.

N. Halida Hashina, “Penginderaan Jauh Menurut para Ahli: Arti Komponen dan Manfaat,” 2021. https://tirto.id/penginderaan-jauh-menurut-para-ahli-arti-komponen-dan-manfaat-ga7q (accessed Jul. 18, 2022).

L. R. Doni, A. Yuliantina, R. Dewi, M. Z. Pahlevi, and N. A. Kusumawardhani, “Komparasi Luas Tutupan Lahan di Kota Bandar Lampung Berdasarkan Algoritma NDVI (Normalized Difference Vegetation Index) dan EVI (Enhanced Vegetation Index),” J. Geosains dan Remote Sens., vol. 2, no. 1, pp. 16–24, 2021, doi: 10.23960/jgrs.2021.v2i1.43.

Y. Riko, A. I. Meha, and S. Y. J. Prasetyo, “Perubahan Konversi Lahan Menggunakan NDVI, EVI, SAVI dan PCA pada Citra Landsat 8 (Studi Kasus : Kota Salatiga),” Indones. J. Comput. Model., vol. 1, pp. 25–30, 2019.

Nur Wachid and Wido Prananing Tyas, “Analisis Transformasi NDVI dan kaitannya dengan LST Menggunakan Platform Berbasis Cloud: Google Earth Engine ,” J. Planalogi, vol. 19, no. 1, pp. 60–74, 2022, [Online]. Available: http://jurnal.unissula.ac.id/index.php/psa/article/view/20199/6864.

A. Hardianto, P. U. Dewi, T. Feriansyah, N. F. S. Sari, and N. S. Rifiana, “Pemanfaatan Citra Landsat 8 Dalam Mengidentifikasi Nilai Indeks Kerapatan Vegetasi (NDVI) Tahun 2013 dan 2019 (Area Studi: Kota Bandar Lampung),” J. Geosains dan Remote Sens., vol. 2, no. 1, pp. 8–15, 2021, doi: 10.23960/jgrs.2021.v2i1.38.

M. Hendri, “Perancangan Sistem Deteksi Asap dan Api Menggunakan Pemrosesan Citra,” pp. 1–42, 2018.

P. Rosyani, S. Saprudin, and R. Amalia, “Klasifikasi Citra Menggunakan Metode Random Forest dan Sequential Minimal Optimization (SMO),” J. Sist. dan Teknol. Inf., vol. 9, no. 2, p. 132, 2021, doi: 10.26418/justin.v9i2.44120.

D. Alita and A. R. Isnain, “Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier,” J. Komputasi, vol. 8, no. 2, pp. 50–58, 2020, doi: 10.23960/komputasi.v8i2.2615.

M. Wahyu, B. Santoso, R. Cahya Wihandika, and M. A. Rahman, “Ekstraksi Ciri untuk Klasifikasi Jenis Kelamin berbasis Citra Wajah menggunakan Metode Compass Local Binary Patterns,” … dan Ilmu Komput. e …, vol. 3, no. 11, pp. 10556–10563, 2019, [Online]. Available: http://j-ptiik.ub.ac.id.

S. Morris, “Image classification using SVM,” IEEE Xplore, 2018, [Online]. Available: https://rpubs.com/Sharon_1684/454441.