Pengelompokkan Titik Panas Menggunakan Algoritma DBSCAN di Provinsi Sumatera Selatan

Nawa Fatimi  Fauziah; Febri Dwi Irawati; Muhajir  Hasibuan

doi:10.58602/jaiti.v4i2.269

Nawa Fatimi Fauziah Institut Teknologi Sumatera
Febri Dwi Irawati ^{(Corresponding Author)} Sains Data, Fakultas Sains, Institut Teknologi Sumatera
Muhajir Hasibuan Institut Teknologi Sumatera

DOI: https://doi.org/10.58602/jaiti.v4i2.269

Keywords: Titik Panas, DBSCAN, Pengelompokkan Spasial, Silhouette Coefficient, Sumatera Selatan

Abstract

Kebakaran hutan dan lahan yang berulang setiap tahun di Provinsi Sumatera Selatan menimbulkan kerugian ekologis dan ekonomi yang signifikan, didukung oleh dominasi lahan gambut sebesar 21,88% dari total gambut Sumatera. Meskipun pemantauan titik panas dari citra satelit MODIS telah banyak digunakan sebagai indikator kebakaran, analisis pengelompokkan spasial titik panas secara multi-tahun dengan evaluasi kualitas clustering di wilayah ini belum pernah dilakukan. Penelitian ini menerapkan algoritma Density Based Clustering Application with Noise dengan penentuan parameter adaptif menggunakan metode k-distance untuk mengelompokkan 17.353 titik panas tahun 2019–2023 dan mengidentifikasi pola spasial wilayah dengan kepadatan titik panas tertinggi. Parameter optimal ditentukan secara independen per tahun menggunakan Silhouette Coefficient ( ) sebagai kriteria seleksi, menghasilkan MinPts sebesar 11 sampai 13 dengan ε sebesar 0,1 untuk data padat (2019 dan 2023), serta MinPts sebesar 2 dengan ε sebesar 0,10 sampai 0,13 untuk data jarang (2020 sampai 2022), dengan kualitas cluster sebesar 0,296–0,670 dan Davies-Bouldin Index sebesar 0,273–0,595. Kabupaten Ogan Komering Ilir dan Kota Palembang teridentifikasi sebagai wilayah dengan kepadatan titik panas tertinggi secara konsisten selama lima tahun analisis, dengan cluster dominan mencakup 61,87% (2019) dan 73,92% (2023) dari seluruh titik panas yang terdeteksi.

Downloads

Download data is not yet available.

References

Arisman, “Analisis Tren Kebakaran Hutan dan Lahan di Indonesia Periode Tahun 2015-2019 Trend Analysis of Forest and Land Fires in Indonesia periods 2015-2019,” Jurnal Sains Teknologi & Lingkungan, vol. 6, no. 1, 2020.

N. Bilqis, “Analisis Dampak Kasus Kebakaran Hutan di Indonesia terhadap Hubungan Diplomatik Indonesia dengan Malaysia dan Singapura,” Gorontalo Journal of Government and Political Studies, vol. 3, no. 2, 2020, doi: 10.32662/gjgops.v3i2.1123.

Sipongi, “Grafik Rekapitulasi Luas Kebakaran Hutan dan Lahan (Ha) per Provinsi di Indonesia,” Direktorat Pengendalian Kebakaran Hutan - Kementerian Kehutanan. Accessed: May 17, 2026. [Online]. Available: https://sipongi.gakkum.kehutanan.go.id/indikasi-luas-kebakaran

K. M. Khalwani, B. Bahruni, and L. Syaufina, “Nilai Kerugian Dan Efektivitas Pencegahan Kebakaran Hutan Gambut (Studi Kasus Di Taman Nasional Sebangau Provinsi Kalimantan Tengah),” 2017. doi: 10.20957/jkebijakan.v2i3.12575.

R. D. Ismanto, A. Vatresia, I. N. Wahyuni, and ..., “Spatio-Temporal Clustering of Forest Fire Hotspots in the Wallacea Region in 2012–2022 Using Chronnet,” … , Informatics and its …, 2024, [Online]. Available: https://ieeexplore.ieee.org/abstract/document/10732171/

N. Rahmah and I. S. Sitanggang, “Determination of Optimal Epsilon (Eps) Value on DBSCAN Algorithm to Clustering Data on Peatland Hotspots in Sumatra,” IOP Conf. Ser. Earth Environ. Sci., vol. 31, no. 1, 2016, doi: 10.1088/1755-1315/31/1/012012.

H. J. Miller, “Tobler’s first law and spatial analysis,” 2004. doi: 10.1111/j.1467-8306.2004.09402005.x.

N. A. Khairani and E. Sutoyo, “Application of K-Means Clustering Algorithm for Determination of Fire-Prone Areas Utilizing Hotspots in West Kalimantan Province,” International Journal of Advances in Data and Information Systems, vol. 1, no. 1, 2020, doi: 10.25008/ijadis.v1i1.13.

K. P. Simanjuntak and U. Khaira, “Pengelompokkan Titik Api di Provinsi Jambi dengan Algoritma Agglomerative Hierarchical Clustering,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 1, no. 1, 2021, doi: 10.57152/malcom.v1i1.6.

M. Usman, I. S. Sitanggang, and L. Syaufina, “Hotspot Distribution Analyses Based on Peat Characteristics Using Density-based Spatial Clustering,” Procedia Environ. Sci., vol. 24, pp. 132–140, 2015, doi: 10.1016/j.proenv.2015.03.018.

R. Trisminingsih and S. S. Shaztika, “ST-DBSCAN clustering module in SpagoBI for hotspots distribution in Indonesia,” 2016 3rd International …, 2016, [Online]. Available: https://ieeexplore.ieee.org/abstract/document/7892465/

Fella Ulandari and Robert Kurniawan, “PERBANDINGAN ALGORITMA LSDBC DAN DBSCAN PADA PEMETAAN DAERAH RAWAN KEBAKARAN HUTAN,” Jurnal Aplikasi Statistika & Komputasi Statistik, vol. 12, no. 2, 2020.

N. L. Febriana and I. S. Sitanggang, “Outlier Detection on Hotspot Data in Riau Province using OPTICS Algorithm,” IOP Conf. Ser. Earth Environ. Sci., vol. 58, no. 1, 2017, doi: 10.1088/1755-1315/58/1/012004.

R. M. Taufiq, R. Firdaus, F. Handayani, H. Mukhtar, and ..., “Clustering Hotspots Using OPTICS Algorithm to Create a Fire Hazard Map of Riau Province as a Disaster Mitigation Effort,” … for Sustainable Decision …, 2026, doi: 10.1007/978-3-032-04174-6_16.

M. Ester, H. P. Kriegel, J. Sander, and X. Xu, “A Density-Based Algorithm for Discovering Clusters A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise,” in Proceedings - 2nd International Conference on Knowledge Discovery and Data Mining, KDD 1996, 1996.

P. J. Rousseeuw, “Silhouettes: A graphical aid to the interpretation and validation of cluster analysis,” J. Comput. Appl. Math., vol. 20, no. C, 1987, doi: 10.1016/0377-0427(87)90125-7.

D. L. Davies and D. W. Bouldin, “A Cluster Separation Measure,” IEEE Trans. Pattern Anal. Mach. Intell., vol. PAMI-1, no. 2, 1979, doi: 10.1109/TPAMI.1979.4766909.

L. Yin, H. Hu, K. Li, G. Zheng, Y. Qu, and H. Chen, “Improvement of DBSCAN Algorithm Based on K-Dist Graph for Adaptive Determining Parameters,” Electronics (Switzerland), vol. 12, no. 15, 2023, doi: 10.3390/electronics12153213.

R. Hermawati and I. S. Sitanggang, “Web-Based Clustering Application Using Shiny Framework and DBSCAN Algorithm for Hotspots Data in Peatland in Sumatra,” Procedia Environ. Sci., vol. 33, pp. 317–323, 2016, doi: 10.1016/j.proenv.2016.03.082.

P. Sukmasetya and I. S. Sitanggang, “Outlier Detection on Hotspots Data in Riau Province using DBSCAN Algorithm,” IOP Conf. Ser. Earth Environ. Sci., vol. 31, no. 1, 2016, doi: 10.1088/1755-1315/31/1/012035.

R. Hidayati, A. Zubair, A. Hidayat Pratama, and L. Indana, “Silhouette Coefficient Analysis in 6 Measuring Distances of K-Means Clustering,” Techno.Com, vol. 20, no. 2, 2021.

Z. Huang, Z. Liang, S. Zhou, and S. Zhang, “An Improved Density-Based Spatial Clustering of Applications with Noise Algorithm with an Adaptive Parameter Based on the Sparrow Search Algorithm,” Algorithms, vol. 18, no. 5, 2025, doi: 10.3390/a18050273.

M. Y. N. Khakim et al., “LAND COVER AND BURN SEVERITY DYNAMICS OF THE OGAN KOMERING ILIR PEATLANDS FROM 2015 TO 2023 USING SAR AND OPTICAL DATASETS,” Geography, Environment, Sustainability, vol. 17, no. 3, 2024, doi: 10.24057/2071-9388-2024-3217.

S. Muslikah and Y. Yuliani, “Potential Analysis Of Peatland Fire In Ogan Komering Ilir District,” International Journal of Progressive Sciences and Technologies, vol. 41, no. 1, 2023, doi: 10.52155/ijpsat.v41.1.5691.