PEMODELAN SPASIAL KERENTANAN KEBAKARAN PADA VEGETASI MENGGUNAKAN CITRA LANDSAT 8DAN METODE ARTIFICIAL NEURAL NETWORK (Studi Kasus: Kabupaten Tanah Bumbu, Kalimantan Selatan)

ZAINUDDIN, Prof. Dr. Hartono, DEA, DESS.; Dr. Retnadi Heru Jatmiko, M.Sc.

2018 | Tesis | S2 Penginderaan Jauh

Kebakaran hutan dan lahan merupakan isu penting, baik nasional maupun internasional, karena memberikan dampak penting pada ekosistem, sosial dan ekonomi. Penyebab terjadinya api disebakan 3 faktor yaitu oksigen, bahan bakar dan panas. Vegetasi merupakan faktor bahan bakar yang dapat diturunkan dari citra penginderaan jauh. Citra penginderaan jauh yang digunakan adalah Landsat 8 LDCM karena memiliki kemampuan resolusi spektral memadai untuk menurunkan indeks vegetasi. Tujuan dari penelitian ini adalah mengetahui kemampuan citra Landsat 8 LDCM untuk memodelkan kebakaran hutan dan lahan menggunakan metode ANN (Artificial Neural Network). Metode yang digunakan melalui dua tahap yaitu analisis statistik dan klasifikasi menggunakan ANN. Hasil analisis statistik diperoleh indeks vegetasi NDMI, TCW dan MAVI tidak berkorelasi dengan data kadar air sehingga ketiga citra tersebut dijadikan sebagai citra input model untuk parameter kelembaban vegetasi; sedangkan untuk parameter kerapatan vegetasi diperoleh SR memiliki korelasi terbaik dengan data LAI sebesar 0,7351, sehingga SR kemudian dijadikan sebagai citra input model untuk citra input kerapatan vegetasi. Sedangkan parameter suhu permukaan diperoleh dari pengolahan citra termal menggunakan trasnformasi Single channel Algorithm. Hasil uji akurasi klasifikasi diperoleh kombinasi citra input model NDMI, SR dan LST memiliki akurasi paling tinggi sebesar 58,209%, sedangkan TCW, SR dan LST; dan MAVI, SR dan LST keduanya memiliki akurasi sebesar 57,711%. Hal ini berarti ANN dapat mengkalsifikasikan kelas kerentanan kebakaran hutan dan lahan pada ketiga kombinasi citra input model.

Forest and land fires are an important issue both nationally and internationally, as they have important ecosystem, social and economic impacts. The cause of the occurrence of fire caused of 3 factors, there are oxygen, fuel and heat. Vegetation is a fuel factor that can be derived from remote sensing imagery. The remote sensing image used is Landsat 8 LDCM because it has adequate spectral resolution capability to decrease the vegetation index. The purpose of this research is to know the ability of Landsat 8 LDCM image to model forest and land fires using ANN (Artificial Neural Network) method. The method used through two stages of statistical analysis and classification using ANN. The result of statistical analysis showed that NDMI, TCW and MAVI vegetation index were not correlated with water content data so that the three images were used as model input image for vegetation moisture parameter; while for the parameter of vegetation density obtained SR has the best correlation with data LAI equal to 0,7351, so that SR then used as image of model input for image of vegetation density. While the surface temperature parameters obtained from thermal image processing using Single Channel Algorithm. The result of classification accuracy test obtained by the combination of input image of NDMI, SR and LST model has the highest accuracy of 58.209%, while TCW, SR and LST; and MAVI, SR and LST both have an accuracy of 57.711%. This means that ANN can classify the vulnerability classes of forest and land fires in the three combinations of model input images.

Kata Kunci : kebakaran hutan, indeks vegetasi, suhu permukaan lahan, ANN, Artificial Neural Network.