Metodologi

Umumnya, informasi kebakaran hutan disampaikan dalam bentuk sebaran titik-titik yang
biasa diistilahkan sebagai Hotspot. Hotspot sendiri dihasilkan dari pengolahan data satelit yang
memiliki sensor thermal yang mampu mengukur panas suatu obyek. Obyek yang memiliki suhu di
atas ambang batas yang telah ditetapkan maka diklasifikasikan sebagai hotspot. Obyek yang diwakili
oleh 1 titik hotspot ini merupakan area dengan luas 1 km x 1 km yang kemungkinan terbakar pada
saat satelit melintas pada kondisi relatif bebas awan dengan menggunakan algoritma tertentu (Giglio
L. et al. 2003). Areal 1 km x 1 km yang diwakili oleh Hotspot tersebut pun belum tentu terdampak
sepenuhnya, sehingga besaran luas areal terdampak bila dihitung dari jumlah titik hotspot tidak
akurat. Luas area yang terdampak kebakaran yang akurat dapat digunakan bila dioverlay dengan
data landuse untuk mengetahui seberapa besar lahan permukiman, lahan pertanian dan hutan yang
terdampak. Informasi lahan terdampak dapat digunakan untuk penilaian kerusakan dan kerugian
(damage and loss assessment).

Penelitian ini bertujuan untuk mengembangkan algoritma untuk mendeteksi luas areal yang
terdampak kebakaran lahan sehingga luas lahan terdampak dapat diperoleh dengan hasil yang
akurat. Data yang digunakan dalam penelitian ini adalah data SAR yang memiliki kelebihan tidak
bergantungan terhadap kondisi cuaca. Proses pengolahan data ini menggunakan cloud computing
sehingga memungkinkan untuk mengolah data dalam jumlah besar. Proses pengolahan yang terdiri
dari import data, preprocessing hingga klasifikasi dijalankan di cloud secara sekaligus dengan
perintah menggunakan Bahasa Pemograman. Kelebihan menggunakan cloud ini dibandingkan
pengolahan dengan menggunakan dekstop selain lebih cepat dalam melakukan proses adalah user
tidak perlu membutuhkan spesifikasi hardware yang tinggi. Bila menggunakan Aplikasi Dekstop, Raw
data serta output file hasil proses pengolahan sering kali memenuhi kapasitas hardisk, sedangkan
menggunakan cloud maka seluruh file tersebut tersimpan dalam cloud dan dapat diunduh bila
diperlukan.

Data yang digunakan dalam penelitian ini adalah data radar Sentinel 2A dan data Hotspot
Fire Information for Resource Management System (FIRMS). Data Sentinel digunakan untuk
mendeteksi luas areal terdampak, sedangkan data hostspot digunakan untuk verifikasi lahan
terbakar. Data sentinel dan hotspot yang digunakan

Metodologi yang digunakan adalah mendeteksi lahan terbakar adalah menggunakan Teknik
indeks burn ratio dan indeks difference ratio. Indeks ini menggunakan indikasi temporal, yakni
perbedaan kondisi sebelum dan sesudah kebakaran ditiap polarisasi. Nilai backscatter yang
dihasilkan dari tiap kondisi (sebelum dan sesudah kebakaran) adalah rerata dari beberapa
perekaman, karena ini bertujuan untuk memperkecil anomaly atau bias backscatter.

RBRxy= Postfire average backscatterxy/Prefire average backscatterxy

RBDxy= Postfire average backscatterxy−Prefire average backscatterxy

Radar burn ratio (RBR) didefinisikan sebagai rasio hamburan (backscatter) rata-rata sebelum
dan sesudah terjadi kebakaran pada polarisasi tertentu. Sedangkan Radar Burn Difference (RBD)
adalah selisih hamburan rata-rata kondisi sebelum dengan sesudah kebakaran. Hasil dari kedua
indeks dengan 2 polarisasi tersebut menghasilkan 4 variabel, yakni RBR polarisasi VV, RBR polarisasi
VH, RBD polariasi VV, dan RBD polarisasi VH. Keempat layer tersebut digunakan sebagai variable
untuk menentukan piksel obyek lahan terbakar. Klasifikasi supervised dengan algoritma support
vector machine digunakan untuk mendapatkan piksel-piksel obyek lahan terbakar. Data Hotspot
FIRMS digunakan sebagai data acuan dalam membuat training area serta pengukur akurasi dari
model klasifikasi obyek lahan terbakar.

https://ieeexplore.ieee.org/document/8697110