DISUSUN OLEH :
SIGIT KURNIAWAN, S.T.
6016211006
DOSEN PENGAMPU :
HEPI HAPSARI HANDAYANI, ST., M.SC., PH.D.
SUMBER
PENDAHULUAN
LATAR BELAKANG
Frekuensi kebakaran hutan meningkat pesat di Eropa Selatan, menimbulkan tantangan besar bagi
Yunani, Italia, Portugal, Spanyol, dan Prancis.
Kebakaran hutan dapat menjadi ancaman serius bagi kesehatan manusia dan infrastruktur, serta
ekosistem dan keanekaragaman hayati.
Selama 2001–2017, kebakaran hutan di Yunani telah membakar rata-rata 55.000 ha per tahun, yang
sebagian besar ditutupi oleh kawasan hutan.
Sistem informasi geografis (SIG) merupakan platform yang efektif untuk menganalisis,
memvisualisasikan, dan menyebarkan data dan informasi spasial dan temporal, dapat digunakan
untuk koordinasi, pertukaran informasi, dan penyediaan kesadaran untuk semua pemangku
kepentingan yang terlibat (semua tingkat otoritas, pemadam kebakaran, polisi, dinas kehutanan,
koperasi pertanian, warga, dll).
Multi Criteria Decision Analysis (MCDA) dalam hubungannya dengan Analytic Hierarchy Process (AHP),
dalam memberikan bobot pada parameter yang mempengaruhi, dapat dikembangkan untuk peta
risiko kebakaran.
PENDAHULUAN
BATASAN MASALAH
Bagaimana pengambilan keputusan dari 7 kriteria (tutupan lahan, ketinggian, aspek orientasi,
lereng, TWI, jarak dari jalan dan jarak dari pemukiman) dimodelkan dengan Multi-Criteria Decision
Analysis (MCDA)dengan metode Analytic Hierarchy Process (AHP)?
Bagaimana tingkat ketelitian yang dihasilkan dari model yang dibuat?
Bagaimana distribusi risiko kebakaran di Taman Nasional Dadia-Lefkimi-Soufli untuk September
2019 dan September 2021?
Apakah dampak kebakaran yang terjadi mempengaruhi hasil analisis risiko kebakaran hutan?
PENDAHULUAN
TUJUAN
Klasifikasi tutupan lahan dan vegetasi dari citra satelit dengan penerapan algoritma Machine
Learning.
Penggunaan Machine Learning dan Multi-Criteria Decision Analysis (MCDA)dengan metode
Analytic Hierarchy Process (AHP) untuk memetakan risiko kebakaran Hutan Taman Nasional
Dadia-Lefkimi-Soufli, Yunani.
MANFAAT
Memberikan informasi tentang faktor-faktor yang mempengaruhi terjadinya kebakaran.
Informasi kriteria risiko kebakaran secara keseluruhan di Hutan Taman Nasional Dadia-Lefkimi-
Soufli, Yunani tahun 2019 dan tahun 2021.
DASAR TEORI
Multi Criteria Decision Analysis (MCDA) dan Analytic Hierarchy Process (AHP)
Dikembangkan oleh Saaty, seorang pakar matematika dari Pitsburg University. Menurut Zimmer (2011:3) Metode ini adalah
sebuah kerangka untuk mendukung pengambilan keputusan dengan efektif atas persoalan yang kompleks dengan
menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut ke dalam
bagian-bagiannya, menata criteria dan alternative dalam suatu susunan hirarki yang memberikan nilai numerik pada
pertimbangan subjektif tentang pentingnya variable dan mensinstesis berbagai pertimbangan ini untuk menetapkan
variable yang mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut.
Analytic Hierarchy Process (AHP) menguraikan masalah MCDA yang sulit menjadi prosedur hierarki yang sistematis.
Langkah terakhir dalam metode AHP berkaitan dengan struktur matriks m x n (di mana m adalah jumlah alternatif dan n
adalah jumlah kriteria).
Penggunaan AHP dapat digunakan untuk menyelesaikan masalah yang kompleks, ukuran permasalahan yang berskala
besar dan nyata, serta untuk menangani banyak kriteria terhadap masalah yang sangat kompleks (Yang etc, 2002:33).
Salah satu tujuan AHP adalah derivasi dari bobot dan prioritas dari perbandingan berpasangan. Ada berbagai metode
yang tersedia untuk menentukan vektor prioritas salah satunya adalah metode eigenvector yang dikemukakan oleh (Saaty
dan Vargas, 2001). Metode ini juga memberikan gambaran yang berbeda cara dalam menentukan priority.
DASAR TEORI
Support Vector Machine (SVM)
Merupakan salah satu metode dalam supervised learning yang biasanya digunakan untuk klasifikasi (seperti
Support Vector Classification) dan regresi (Support Vector Regression).
SVM digunakan untuk mencari hyperplane terbaik dengan memaksimalkan jarak antar kelas.
Hyperplane adalah sebuah fungsi yang dapat digunakan untuk pemisah antar kelas.
Hyperplane yang ditemukan SVM diilustrasikan seperti gambar di atas, posisinya berada ditengah-tengah
antara dua kelas, artinya jarak antara hyperplane dengan objek-objek data berbeda dengan kelas yang
berdekatan (terluar) yang diberi tanda bulat kosong dan positif.
METODOLOGI
LOKASI PENELITIAN
Lokasi penelitian di zona Natura 2000
dengan kode GR1110005, yang
bertepatan dengan Hutan Taman
Nasional Dadia-Lefkimi-Soufli. Daerah
penelitian terletak di daerah Evros,
◦
dengan koordinat 26,03 E ke 26,32 ◦
E dan dari 40,98 ◦ N ke 41,26◦ N, Gambar 1.(a) Lokasi wilayah studi di Yunani (b) dan
di daerah Evros. (c) Garis bujur dan garis lintang
dengan luas total 42.481 ha. kawasan Natura 2000 (GR1110005) yang bertepatan
dengan Hutan Taman Nasional Dadia- Lefkimi-Soufli,
termasuk zona lindung A1 dan A2.
METODOLOGI
ALAT & BAHAN
SOFTWARE
DATA
1. Citra Satelit Sentinel-2 Tahun 2019 (Band 3, Band 4, dan Band 8)
Scene : 18 September 2019 pukul 09:06 WIB.
2. Citra Satelit Sentinel-2 Tahun 2021 (Band 3, Band 4, dan Band 8)
Scene : 27 September 2021 pukul 09:06 WIB.
DIAGRAM ALIR METODOLOGI
1. Sentinel-2 level 2, yang telah menerima koreksi atmosfer. Selanjutnya,
Band spektral B03, B04, dan B08 diekstraksi dari citra asli, dengan
resolusi spasial 10 m, untuk menghasilkan citra infra merah berwarna
yang diperlukan untuk klasifikasi lahan.
2. Untuk mengklasifikasikan citra infra merah berwarna, digunakan model
Supervised Machine Learning (SML), menggunakan aplikasi algoritma
Support Vector Machine (SVM).
3. Perhitungan faktor topografi, model elevasi digital (DEM) dari
Copernicus Land Monitoring Service. Copernicus DEM dengan resolusi
spasial 25× 25 m, dengan akurasi vertikal±7 m. Kemiringan, aspek, dan
TWI diperoleh dengan menganilisis DEM.
4. Jalan dan lokasi pemukiman diunduh dari open source.
5. Analisis raster dan perhitungan tersebut, digunakan perangkat lunak
GIS ArcGIS Pro 2.9.1.
6. Untuk validasi hasil, memeriksa dampak kebakaran pada tutupan lahan
dan risiko kebakaran, peta bekas luka bakar yang terperinci diperoleh
dari Badan Pengelola Nasional Taman Nasional Hutan Dadia-Lefkimi-
Soufli, Yunani.
7. Lokasi hotspot VIIRS juga digunakan untuk memvalidasi perluasan
Gambar 2. Diagram alir penelitian. spasial dari area yang terbakar.
METODOLOGI
FAKTOR MEMPENGARUHI KEBAKARAN
01 Tutupan Lahan (Land Cover)
Peta tutupan lahan, dibuat menggunakan algoritma SVM untuk memproses citra inframerah berwarna dari
September 2019 dan September 2021, yang berasal dari kombinasi Band Sentinel-2 B03, B04, dan B08.
Gambar 3. .Klasifikasi risiko kebakaran tutupan lahan (a) untuk September 2019 dan
(b) untuk September 2021.
METODOLOGI
FAKTOR MEMPENGARUHI KEBAKARAN
02 Ketinggian
Ketinggian mempengaruhi kelembaban vegetasi dan suhu. Vegetasi di dataran tinggi memiliki tingkat
kelembaban yang lebih tinggi dan suhu yang lebih rendah.
METODOLOGI
FAKTOR MEMPENGARUHI KEBAKARAN
04 Lereng
Api merambat lebih cepat di lereng yang lebih curam karena api dapat mencapai vegetasi yang lebih tinggi
dengan lebih mudah pada sudut permukaan yang besar. Selain itu, pada lereng yang curam, limpasan air
meningkat lebih cepat, sehingga kelembaban tanah berkurang.
METODOLOGI
FAKTOR MEMPENGARUHI KEBAKARAN
07 Jarak dari Pemukiman
Jarak di sekitar lokasi pemukiman mempengaruhi risiko kebakaran sama seperti jaringan jalan. Daerah yang
lebih dekat dengan pemukiman memiliki risiko yang lebih tinggi daripada yang lebih jauh. Untuk mendistribusikan
risiko kebakaran, adalah dengan mempertimbangkan luasan spasial permukiman.
METODOLOGI
Atribusi Bobot ke Faktor
Untuk menghitung bobot masing-masing faktor, digunakan Analytic Hierarchy Process (AHP) sebagai metode
multi kriteria. AHP dapat memperkirakan signifikansi masing-masing faktor yang diberikan perbandingan
berpasangan antara masing-masing dari tujuh faktor tersebut.
Tabel 8. Perbandingan berpasangan faktor risiko kebakaran bersama dengan bobot yang ditetapkan.
Secara khusus, kemiringan, DEM, aspek, dan TWI mencerminkan dampak topografi terhadap risiko kebakaran. Jarak dari jalan raya dan
pemukiman menangkap dampak aktivitas manusia terhadap penyalaan api. Terakhir, tutupan lahan menggambarkan pergantian risiko
kebakaran, karena ketersediaannya menjadi bahan yang mudah terbakar.
METODOLOGI
Atribusi Bobot ke Faktor
Untuk memverifikasi konsistensi estimasi perbandingan, dengan cara menghitung rasio konsistensi (CR) dengan
menerapkan persamaan berikut:
CI = (λmaks− n)/(n− 1) .............................................................(1)
CR = CI/RI ............................................................................................(2)
λmax pada Persamaan (1) adalah nilai eigen terganggu dari matriks yang dibangun dengan perbandingan berpasangan, seperti yang
digambarkan pada Tabel8. n adalah orde matriks, n = 7. Indeks konsistensi (CI) pada Persamaan (1) mengukur perbedaan antara
max dan nilai eigen eksak, n. CR pada Persamaan (2) dihitung dari indeks konsistensi acak (RI).
Tabel 9. Nilai indeks konsistensi acak (RI).
Berdasarkan tabel di atas, RI = 1,32 untuk tujuh faktor. Selanjutnya, mengenai estimasi berpasangan, CR = 0,07. Karena CR < 0,1, estimasi
matriks berpasangan konsisten.
Risiko Kebakaran = 0,27∗ LC + 0,09∗ Ketinggian + 0,05∗ Aspek + 0,07∗ Kemiringan + 0,12∗ TWI + 0,23∗ DfR + 0,17∗ DfS .............
(3)
HASIL & PEMBAHASAN
HASIL
Peta risiko kebakaran September 2019 dan September 2021, dengan resolusi spasial 25 m×25 m, dihitung menggunakan Persamaan
(3), dan disajikan pada gambar di bawah, bersama dengan nilai skala risiko kebakaran relatif. Kelas risiko untuk sebagian besar area
tidak berubah. Parameter yang digunakan dalam model tetap, relatif tidak berubah untuk jangka waktu yang lama. Oleh karena itu peta
risiko mewakili risiko kebakaran dasar di area tersebut .
Tabel 10. Distribusi risiko kebakaran di Taman Nasional
Dadia-Lefkimi-Soufli untuk September 2019 dan September
2021.
Gambar 11. (a) Luas kebakaran pada tanggal 5 Oktober 2020 dibandingkan Gambar 12. (a) Luas kebakaran pada tanggal 5 Oktober 2020 relatif terhadap peta
dengan peta risiko kebakaran tahun 2019. (b) Distribusi risiko kebakaran di dalam risiko kebakaran tahun 2021. (b) Pembaruan distribusi risiko kebakaran di dalam area
area yang terkena dampak sebelum kebakaran pada tanggal 5 Oktober 2020. yang terkena dampak, setelah kebakaran pada tanggal 5 Oktober 2020.
HASIL & PEMBAHASAN
VALIDASI HASIL
Dampak Kebakaran pada Juli 2021
Kebakaran serius kedua di Hutan Taman Nasional Dadia-Lefkimi-Soufli tercatat pada 9 Juli 2021, di Utara pemukiman Lefkimi. Kebakaran tersebut
menghanguskan sekitar 242 ha kawasan hutan, dan hampir mendekati batas kebakaran yang terjadi pada bulan Oktober 2020. Menurut pengukuran
◦ ◦
titik api VIIRS, suhu kecerahan saat kebakaran berkisar antara 59 C ke 32 C. Berdasarkan model, area yang terkena dampak sebelum terjadinya
kebakaran dianggap memiliki risiko kebakaran yang tinggi. Secara khusus, 59% dari keseluruhan area diklasifikasikan memiliki risiko kebakaran tinggi,
dan 10% memiliki risiko kebakaran sangat tinggi. Sebaliknya, hanya 4% dari area diklasifikasikan sebagai rendah dan 0% sebagai risiko kebakaran
sangat rendah.
Gambar 13. (a) Luas kebakaran pada tanggal 5 Oktober 2020 dibandingkan Gambar 13. (a) Luas kebakaran pada tanggal 5 Oktober 2020 relatif terhadap
dengan peta risiko kebakaran tahun 2019. (b) Distribusi risiko kebakaran di dalam peta risiko kebakaran tahun 2021. (b) Pembaruan distribusi risiko kebakaran di
area yang terkena dampak sebelum kebakaran pada tanggal 9 Juli 2021. dalam area yang terkena dampak, setelah kebakaran pada tanggal 9 Juli 2021.
KESIMPULAN
Data Citra Satelit Sentinel-2 Level 2 dengan Machine Learning menggunakan MCDA dapat digunakan untuk analisis
risiko kebakaran hutan.
Distribusi risiko kebakaran di Taman Nasional Dadia-Lefkimi-Soufli untuk September 2019 dan September 2021.
Tutupan lahan terbukti menjadi faktor dengan bobot tertinggi. Namun, tidak berarti bahwa topografi dan aktivitas
manusia menjadi kurang penting.
Dengan kombinasi AHP (untuk menentukan risiko kebakaran) dan algoritma SVM (untuk mengklasifikasikan tutupan
lahan), dapat digunakan untuk mengidentifikasi baseline risiko kebakaran Hutan Taman Nasional Dadia-Lefkimi-Soufli
untuk September 2019 dan September 2021.
Sebagian besar kawasan di Hutan Taman Nasional Dadia-Lefkimi-Soufli tergolong berisiko tinggi.
Perubahan tutupan lahan akibat kebakaran sebelumnya memiliki penurunan risiko kebakaran yang signifikan. dari
daerah yang terkena dampak. Penyebab utamanya adalah hilangnya hutan pohon pinus yang sangat mudah
terbakar di dekat pemukiman Lefkimi.
DAFTAR PUSTAKA
DAFTAR PUSTAKA
DAFTAR PUSTAKA
DAFTAR PUSTAKA
THANK YOU