PEMETAAN RAWAN KEBAKARAN HUTAN DAN LAHAN DENGAN PEMODELAN DEEP LEARNING (Studi Kasus: Kabupaten Malang)

Annaafi, Faiz (2025) PEMETAAN RAWAN KEBAKARAN HUTAN DAN LAHAN DENGAN PEMODELAN DEEP LEARNING (Studi Kasus: Kabupaten Malang). Skripsi thesis, Institut Teknologi Nasional Malang.

Text 1.pdf Restricted to Registered users only Download (7MB)

Abstract

Kebakaran hutan dan lahan merupakan salah satu permasalahan lingkungan yang sering terjadi di Indonesia dan berdampak serius terhadap ekosistem, kesehatan masyarakat, serta perekonomian. Salah satu kejadian kebakaran hutan dan lahan di Kabupaten Malang adalah kebakaran hutan di kawasan hutan Gunung Arjuno yang terjadi pada akhir bulan Agustus 2023 dengan luasan area terbakar mencapai 3.910 ha. Penelitian ini bertujuan untuk memetakan tingkat kerawanan kebakaran hutan dan lahan menggunakan pemodelan Deep Learning dengan pendekatan Convolutional Neural Network (CNN). Parameter utama yang digunakan meliputi tutupan lahan, jenis tanah, dan curah hujan, yang telah diolah sebelumnya menggunakan perangkat lunak ArcGIS untuk menghasilkan data raster yang representatif. Proses penelitian dimulai dengan pengolahan data di ArcGIS, termasuk overlay parameter dan ekstraksi nilai raster. Selanjutnya, pengolahan data dilakukan di lingkungan local host menggunakan Jupyter Notebook yang diintegrasikan melalui Anaconda. Hasil penelitian menunjukkan bahwa metode Deep Learning berbasis CNN mampu memetakan area rawan kebakaran dengan akurasi tinggi, didukung oleh visualisasi peta kerawanan yang memberikan informasi spasial yang jelas. Pendekatan ini diharapkan dapat menjadi alat bantu yang efektif bagi pemerintah dan pemangku kepentingan dalam upaya mitigasi dan pengelolaan kebakaran hutan dan lahan.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Kebakaran hutan dan lahan, Tutupan lahan, Jenis tanah, Curah hujan, ArcGIS, Deep Learning, CNN.
Subjects:	Engineering > Geodesy Engineering
Divisions:	Fakultas teknik Sipil dan Perencanaan > Teknik Geodesi S1 > Teknik Geodesi S1(Skripsi)
Depositing User:	Handoyo Eka
Date Deposited:	24 Nov 2025 03:23
Last Modified:	24 Nov 2025 03:23
URI:	http://eprints.itn.ac.id/id/eprint/15488

Actions (login required)

View Item