PEMETAAN DAN PREDIKSI TITIK PANAS DI KALIMANTAN BARAT MENGGUNAKAN METODE CLUSTERING K-MEANS SERTA SELF-ORGANIZING MAP DENGAN SATELIT TERRA DAN AQUA

Riska Siti Nurjanah, - (2024) PEMETAAN DAN PREDIKSI TITIK PANAS DI KALIMANTAN BARAT MENGGUNAKAN METODE CLUSTERING K-MEANS SERTA SELF-ORGANIZING MAP DENGAN SATELIT TERRA DAN AQUA. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_FIS_2001011_Title.pdf Download (479kB)
	Text S_FIS_2001011_Chapter 1.pdf Download (158kB)
	Text S_FIS_2001011_Chapter 2.pdf Restricted to Staf Perpustakaan Download (484kB)
	Text S_FIS_2001011_Chapter 3.pdf Download (265kB)
	Text S_FIS_2001011_Chapter 4.pdf Restricted to Staf Perpustakaan Download (418kB)
	Text S_FIS_2001011_Chapter 5.pdf Download (86kB)
	Text S_FIS_2001011_Appendix.pdf Restricted to Staf Perpustakaan Download (1MB)

Abstract

Provinsi Kalimantan Barat memiliki lahan gambut yang luas dan berisiko tinggi terhadap kemunculan titik panas yang disebabkan oleh kebakaran hutan dan lahan gambut hutan. Identifikasi wilayah yang rentan terhadap titik panas tinggi sebagai upaya pencegahan dan mitigasi dari dampak yang ditimbulkan. Studi ini memberikan pemahaman mengenai dinamika termal, distribusi panas, dan implikasi pada titik panas dengan dataset dari Satelit Terra dan Aqua. Pengukuran dengan parameter brightness temperature menggunakan prinsip deteksi termal inframerah dari sensor satelit, yang diolah dengan algoritma K-Means dan SOM. Hasil menunjukkan 2 cluster dengan wilayah yang memiliki titik panas tinggi termasuk dalam cluster 2, dengan brightness temperature sebesar 338,40K-432,42K setara dengan energi panas sebesar 856,89 W/m²-1459,23W/m2 dan memiliki nilai Silhouette Coefficient sebesar 0,71. Sedangkan, untuk cluster 1 memiliki brightness temperature dari 330,04K-346,82K setara dengan energi panas sebesar sebesar 697,34 W/m2 hingga 841,60 W/m2 dan Silhouette Coefficient sebesar 0,22. Salah satu wilayah dengan titik panas tinggi ialah Sambas. Prediksi menunjukkan aktivitas panas tinggi pada tahun 2024 diperkirakan terjadi pada bulan Juli, Agustus, dan September dengan brightness temperature mencapai 429 K dengan memiliki energi panas sebesar 1728,44 W/m². Analisis mengindikasi bahwa faktor seperti kerapatan vegetasi yang rendah, aktivitas manusia, letak geografis berdasarkan garis lintang, dan musim kemarau panjang berkontribusi pada peningkatan risiko titik panas. West Kalimantan Province has extensive peatlands and is at high risk of the emergence of hotspots caused by forest and forest peatland fires. Identify areas that are vulnerable to high hotspots as an effort to prevent and mitigate the impacts they cause. This study provides an understanding of thermodynamics, heat distribution, and implications for hotspots with datasets from the Terra and Aqua Satellites. Measurement of the brightness temperature parameter uses the principle of infrared thermal detection from satellite sensors, which is processed with the K-Means and SOM algorithms. The results show 2 clusters with areas that have high hotspots included in cluster 2, with a brightness temperature of 338,40K-432,42K equivalent to heat energy of 856,89 W/m²-1459,23 W/m2 , and has a Silhouette Coefficient value of 0,71. Meanwhile, cluster 1 has a brightness temperature of 330,04 K-346,82K, equivalent to heat energy of 697,34 W/m2 to 841,60 W/m2, and a Silhouette Coefficient of 0,22. One of the areas with high hotspots is Sambas. Predictions show that high heat activity in 2024 is expected to occur in July, August and September with brightness temperature reaching 429 K and a heat energy of 1728,44 W/m². Analysis indicates that factors such as low vegetation density, human activity, geographic location based on latitude, and long dry seasons contribute to an increased risk of hotspots.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?hl=en&user=ZS31tJgAAAAJ ID SINTA Dosen Pembimbing Mimin Iryanti : 5979500 Dadi Rusdiana : 5974813
Uncontrolled Keywords:	Pemetaan titik panas, Prediksi titik panas, Kalimantan Barat, Metode clustering K-Means, Self-Organizing Map (SOM), Satelit Terra, Satelit Aqua, Data satelit, Hotspot, Kebakaran hutan, Analisis spasial, Remote sensing, Penginderaan jauh, Pemodelan titik panas, MODIS, Titik panas Kalimantan, Penentuan hotspot, Pengelompokan spasial, Indeks kebakaran, Pemantauan kebakaran hutan, Deteksi kebakaran hutan, Algoritma clustering, Citra satelit Hot Spot Mapping, Hot Spot Prediction, West Kalimantan, K-Means Clustering Method, Self-Organizing Map (SOM), Terra Satellite, Aqua Satellite, Satellite Data, Hotspots, Forest Fires, Spatial Analysis, Remote Sensing, Remote Sensing, Remote Sensing, Hot Spot Modeling, MODIS, Kalimantan Hot Spots, Hotspot Determination, Spatial Grouping, Fire Index, Forest Fire Monitoring, Forest Fire Detection, Clustering Algorithm, Satellite Imagery
Subjects:	L Education > L Education (General) Q Science > QC Physics
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Fisika > Program Studi Fisika (non kependidikan)
Depositing User:	Riska Siti Nurjanah
Date Deposited:	11 Sep 2024 08:53
Last Modified:	11 Sep 2024 08:53
URI:	http://repository.upi.edu/id/eprint/124071

Actions (login required)

View Item