Prediksi Jumlah Kejadian Titik Api Melalui Pendekatan Deret Waktu Menggunakan Model Seasonal Arima

Authors

  • Muhammad Alkaff Universitas Lambung Mangkurat
  • Nandang Eko Yulianto Universitas Lambung Mangkurat

DOI:

https://doi.org/10.31961/eltikom.v3i2.122

Keywords:

ARIMA, Deret Waktu, Kebakaran Hutan, Lahan Gambut, MODIS

Abstract

Kebakaran hutan merupakan permasalahan yang hampir setiap tahun terjadi di Indonesia terutama di pulau Sumatera dan Kalimantan. Umumnya kejadian kebakaran hutan di Indonesia terjadi pada lahan gambut, hal ini dikarenakan pada musim kemarau, lahan gambut akan menjadi sangat kering sampai kedalaman tertentu sehingga akan mudah terbakar. Upaya menanggulangi kebakaran hutan telah dilakukan melalui pemantauan titik api melalui satelit, hal ini telah dilakukan oleh NASA (National Aeronautics and Space Administration) dengan satelit Terra dan Aqua melalui instrument MODIS (Moderate Resolution Imaging Spectroradiometer). Data yang didapatkan dari satelit tersebut mulai dari tahun 2001 sampai dengan 2018 kemudian diproses menjadi jumlah kejadian titik api perbulan yang selanjutnya dianalisa dengan pendekatan deret waktu menggunakan model Seasonal ARIMA (Auto Regressive Integrated Moving Average). Hal ini dilakukan untuk mengetahui korelasi jumlah kejadian titik api yang terjadi dengan jumlah kejadian titik api pada waktu sebelumnya. Hasil pengujian menunjukkan bahwa model ARIMA (1,0,1)x(1,0,1,12) adalah model terbaik untuk melakukan prediksi jumlah titik api dengan nilai RMSE sebesar 5.85.

Downloads

Download data is not yet available.

References

A. Chamorro, S. Minnemeyer, and S. Sargent, “Riwayat Kebakaran di Indonesia untuk Mencegah Kebakaran di Masa Depan | Global Forest Watch Blog Global Forest Watch Blog,” 2017. [Online]. Available: https://wri-indonesia.org/id/blog/riwayat-kebakaran-di-indonesia-untuk-mencegah-kebakaran-di-masa-depan. [Accessed: 21-Jun-2019].
“LAPAN Fire Hotspot.” [Online]. Available: http://modis-catalog.lapan.go.id/monitoring/hotspot/index. [Accessed: 28-May-2019].
“FIRMS - Web Services.” [Online]. Available: https://firms.modaps.eosdis.nasa.gov/web-services/. [Accessed: 04-May-2019].
L. Yu, N. Wang, and X. Meng, “Real-time forest fire detection with wireless sensor networks,” in Proceedings. 2005 International Conference on Wireless Communications, Networking and Mobile Computing, 2005., 2005, vol. 2, pp. 1214–1217.
J. Zhang, W. Li, Z. Yin, S. Liu, and X. Guo, “Forest fire detection system based on wireless sensor network,” in 2009 4th IEEE Conference on Industrial Electronics and Applications, 2009, pp. 520–523.
D. W. Casbeer, Sai-Ming Li, R. W. Beard, R. K. Mehra, and T. W. McLain, “Forest fire monitoring with multiple small UAVs,” in Proceedings of the 2005, American Control Conference, 2005., pp. 3530–3535.
D. W. Casbeer, D. B. Kingston, R. W. Beard, and T. W. McLain, “Cooperative forest fire surveillance using a team of small unmanned air vehicles,” Int. J. Syst. Sci., vol. 37, no. 6, pp. 351–360, May 2006.
L. Giglio, J. Descloitres, C. O. Justice, and Y. J. Kaufman, “An Enhanced Contextual Fire Detection Algorithm for MODIS,” Remote Sens. Environ., vol. 87, no. 2–3, pp. 273–282, Oct. 2003.
G. Guangmeng and Z. Mei, “Using MODIS Land Surface Temperature to Evaluate Forest Fire Risk of Northeast China,” IEEE Geosci. Remote Sens. Lett., vol. 1, no. 2, pp. 98–100, Apr. 2004.
P. Cortez and A. Morais, “A Data Mining Approach to Predict Forest Fires using Meteorological Data,” Proc. 13th Port. Conf. Artif. Intell., pp. 512–523, 2007.
A. Alonso-Betanzos et al., “An intelligent system for forest fire risk prediction and fire fighting management in Galicia,” Expert Syst. Appl., vol. 25, no. 4, pp. 545–554, Nov. 2003.
S. V. Kumar and L. Vanajakshi, “Short-term traffic flow prediction using seasonal ARIMA model with limited input data,” Eur. Transp. Res. Rev., vol. 7, no. 3, p. 21, 2015.
A. ul Ukhra, “Pemodelan dan peramalan data deret waktu dengan metode seasonal arima,” J. Mat. UNAND, vol. 3, no. 3, 2014.
Deputi Bidang Penginderaan Jauh; Lembaga Penerbangan dan Antariksa Nasional, “Panduan Teknis Informasi Titik Panas ( Hotspot ) Kebakaran Hutan / Lahan,” vol. ISBN 978-6, 2016.
EARTHDATA, “Active Fire Data,” Nasa, 2017. [Online]. Available: https://earthdata.nasa.gov/earth-observation-data/near-real-time/firms/active-fire-data. [Accessed: 05-Apr-2019].

Downloads

Published

11-10-2019

How to Cite

[1]
Alkaff, M. and Yulianto, N.E. 2019. Prediksi Jumlah Kejadian Titik Api Melalui Pendekatan Deret Waktu Menggunakan Model Seasonal Arima. Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer. 3, 2 (Oct. 2019), 54–63. DOI:https://doi.org/10.31961/eltikom.v3i2.122.

Issue

Section

Articles