Puspitaningrum, Lintang Ayu (2025) Analisis Area Terbakar dan Dampaknya pada Kebakaran Hutan Tahun 2019 menggunakan Citra Sentinel-1 (Studi Kasus: Kabupaten Penajam Paser Utara). Masters thesis, Institut Teknologi Sepuluh Nopember.
![[thumbnail of 6016241011_Master_Thesis.pdf]](http://repository.its.ac.id/style/images/fileicons/text.png) |
Text
6016241011_Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy |
Abstract
Hutan memiliki fungsi penting dalam menjaga keberlangsungan kehidupan manusia dan stabilitas lingkungan. Luas hutan di Indonesia terus mengalami penurunan, salah satu penyebabnya yaitu kebakaran hutan seperti yang terjadi di Kabupaten Penajam Paser Utara pada tahun 2019. Jenis dan karateristik dari permukaan vegetasi dapat menjadi faktor utama penyebab kebakaran hutan. Perlu dilakukan identifikasi area terbakar dan dampak dari kebakaran untuk memungkinkan penanggulangan kebakaran yang lebih efektif. Identifikasi area terbakar dilakukan dengan algoritma Radar Burn Ratio (RBR) dan Radar Burn Difference (RBD). Hasil identifikasi area terbakar dari kedua algoritma yang memiliki nilai akurasi tertinggi yaitu model threshold μ-1σ dengan nilai akurasi sebesar 85,58% dan 80,47%. Kedua hasil tersebut kemudian dilakukan proses integrasi dan menghasilkan nilai akurasi sebesar 86,05% yang menunjukkan adanya peningkatan dibandingkan model lainnya. Identifikasi area terbakar diperkuat dengan identifikasi dampak kebakaran. Identifikasi dampak dilakukan dengan algoritma Radar Forest Degradation Index (RFDI) dan Dual Polarization SAR Vegetation Index modification (DPSVIm). Identifikasi dampak kebakaran dianalisis berdasarkan tingkat kerapatan vegetasi dan kondisi kesehatan tanaman. Dari hasil identifikasi dampak tersebut membuktikan bahwa kondisi vegetasi di sekitar area terbakar menunjukkan kondisi vegetasi yang buruk. Hal tersebut dibuktikan dengan kondisi vegetasi yang mengalami deforestasi menurut algoritma RFDI memiliki luas area sebesar 72,31%; kerapatan vegetasi sangat rendah menurut algoritma DPSVIm memiliki luas area 89,17%; dan kondisi tanaman tidak sehat menurut algoritma DPSVIm memiliki luas area 91,40% dari luas area terbakar integrasi yang di buffer 1 km
================================================================================================================================
Forests play a vital role in sustaining human life and environmental stability. The area of forest in Indonesia continues to decline, with one of the main causes being forest fires, such as the one that occurred in Penajam Paser Utara Regency in 2019. The type and characteristics of vegetation cover can be a primary factor contributing to forest fires. It is necessary to identify burned areas and fire impacts to enable more effective fire management. The identification of burned areas was carried out using the Radar Burn Ratio (RBR) and Radar Burn Difference (RBD) algorithms. The results of the identification of burned areas from both algorithms with the highest accuracy values were the μ-1σ threshold model with accuracy values of 85,58% and 80,47%. The two results were then integrated, yielding an accuracy value of 86,05%, indicating an improvement compared to other models. The identification of burned areas was reinforced by the identification of the impact of the fire. The impact was identified using the Radar Forest Degradation Index (RFDI) and Dual Polarization SAR Vegetation Index modification (DPSVIm) algorithms. The impact of the fire was analyzed based on vegetation density and plant health conditions. The results of the impact identification proved that the vegetation conditions around the burned area were poor. This is evidenced by the fact that vegetation areas experiencing deforestation according to the RFDI algorithm cover 72,31% of the area; vegetation density is very low according to the DPSVIm algorithm, covering 89,17% of the area; and plant health is poor according to the DPSVIm algorithm, covering 91,40% of the burned area within a 1 km buffer zone.
Actions (login required)
 |
View Item |