Analisis Dampak Kabut Asap dari Kebakaran Hutan dan Lahan dengan Pendekatan Text Mining
DOI:
https://doi.org/10.25126/jtiik.20231057248Abstrak
Kebakaran hutan dan lahan (karhutla) berdampak buruk bagi lingkungan serta ekosistem. Kabut asap merupakan salah satu akibat yang ditimbulkan dari kebakaran hutan dan lahan. Keresahan dari munculnya kabut asap dan kebakaran hutan menjadi trending topic pada media sosial Twitter. Analisis Twitter perlu dilakukan untuk melihat kesesuaian hashtag yang digunakan dengan topik yang dibahas yaitu kabut asap. Data Twitter dapat dianalisis menggunakan text mining. Penelitian ini bertujuan untuk melihat hubungan antara percakapan di media sosial Twitter dengan kejadian kabut asap yang muncul dari kebakaran hutan dan lahan. Metode yang digunakan adalah teknik text mining yaitu menggunakan algoritme clustering. Data yang digunakan adalah data tweet terkait kabut asap di Provinsi Riau pada jarak 11 – 17 September 2019 dan juga data hotspot atau titik panas serta citra Sentinel2. Data tweet dikelompokkan dengan beberapa percobaan pada jarak antar cluster yaitu single linkage, complete linkage, average linkage, dan ward. Hasil clustering menunjukkan bahwa validitas cluster tertinggi memiliki silhouette index sebesar, 0,3360 dengan jarak antar cluster menggunakan ward. Hasil cluster menunjukkan bahwa terdapat tiga cluster yang dominan pembahasannya terkait kabut asap. Data Twitter pada ketiga cluster tersebut memiliki ciri istilah atau term yang berkaitan dengan kabut asap antara lain "kabut", "asap", dan "udara". terdapat di wilayah Pekanbaru serta wilayah Bengkalis, Provinsi Riau. Hasil dapat menjadi salah satu cara pengendalian karhutla yaitu deteksi dini dengan menggunakan media sosial Twitter.
Abstract
Forest and land fires have a harmful impact on the environment and ecosystem. Haze is one of the consequences that arise from forest fires and the environment. Anxiety about haze and forest fires is a trending topic on social media Twitter. Twitter analysis needs to be done to see the compatibility of the hashtags used with the haze topic. The Twitter data can be analyzed using text mining. This study aims to see the relation between conversations on social media Twitter and the occurrence of haze that arises from forest and land fires. The method used is a text mining technique that uses a clustering algorithm. The data used are tweet data related to haze in Riau Province in the range 11-17 September 2019 as well as hotspot data and Sentinel-2 imagery. Tweet data were clustered by several experiments on the distance between clusters, namely single linkage, complete linkage, average linkage, and ward. Clustering results show that the highest cluster validity has a silhouette index of 0.3360 with the distance between clusters using wards. The cluster results show that there are three clusters that are dominant in the discussion related to haze. The Twitter data for the three clusters has the characteristics of terms related to smog, including "kabut", "asap", and "udara". The impact felt by the people of Riau Province through social media Twitter related to the haze is the impact on health and air quality. Cluster tweets that discuss the topic of forest and land fires and haze are in the Pekanbaru and Bengkalis regions, Riau Province. The results can be one of the karhutla controls is early detection by using social media Twitter.
Downloads
Referensi
ADRIANI, M., ASIAN, J., NAZIEF, B., TAHAGHOGHI, S. AND WILLIAMS, H.E., 2007. Stemming Indonesian : A confix-stripping approach . Stemming Indonesian : A Confix-Stripping Approach. ACM Transactions on Asian Language Information Processing, 6(4), pp.13–33. https://doi.org/10.1145/1316457.1316459.
ARUMINGTYAS, L., 2019. Bencana Asap di Sumatera dan Kalimantan, Mengapa Lahan Gambut Terus Terbakar? [online] Mongabay. Tersedia di: <https://www.mongabay.co.id/2019/09/15/bencana-asap-di-sumatera-dan-kalimantan-mengapa-lahan-gambut-terus-terbakar/> [Diakses 8 Desember 2022].
BNPB, 2019. Kualitas Udara Riau Masih Buruk. [online] BNPB. Tersedia di: <https://bnpb.go.id/berita/kualitas-udara-riau-masih-buruk> [Diakses 7 Desember 2022].
CHAUHAN, S. AND PANDA, N., 2015. Open Source Intelligence and Advanced Social Media Search. pp.15–32. https://doi.org/10.1016/B978-0-12-801867-5.00002-1.
ESA, 2017. Training Kit - HAZA02 Burned Area Mapping With Sentinel-2 using Snap.
FAN, W., WALLACE, L., RICH, S. AND ZHANG, Z., 2006. Tapping the power of text mining. Communications of the ACM, 49(9), pp.76–82. https://doi.org/10.1145/1151030.1151032.
JOHNSON, R.A. AND WICHIERN, D.W., 2007. Applied Multivariate Statistical Analysis. Pearson Education, New Jersey: Pearson Prentice Hall.
KEMENKES, 2019. Udara di Riau Capai Level Berbahaya. [online] KEMENKES. Tersedia di: <https://www.kemkes.go.id/article/view/19091600003/udara-di-riau-capai-level-berbahaya.html> [Diakses 8 Desember 2022].
KLHK, 2016. Peraturan Menteri Lingkungan Hidup dan Kehutanan No P.32/MenLHK/Setjen/Kum.1/3/2016. KLHK.
KLHK, 2019. Rekapitulasi Luas Kebakaran Hutan dan Lahan (Ha) Per Provinsi di Indonesia Tahun 2014-2019. [online] Tersedia di: <http://sipongi.menlhk.go.id/pdf/luas_kebakaran> [Diakses 20 Februari 2020].
LI, T., REZAEIPANAH, A. AND TAG EL DIN, E.M., 2022. An ensemble agglomerative hierarchical clustering algorithm based on clusters clustering technique and the novel similarity measurement. Journal of King Saud University - Computer and Information Sciences, 34(6, Part B), pp.3828–3842. https://doi.org/https://doi.org/10.1016/j.jksuCI.2022.04.010.
MEHARE, D.D. AND DEORANKAR, A. V, 2018. Introduction to TF-IDF: To Represent Importance of Keyword within whole Dataset. International Journal for Research in Applied Science and Engineering Technology, 6, pp.2321–2323.
PANDA, M., 2018. Developing an Efficient Text Pre-Processing Method with Sparse Generative Naive Bayes for Text Mining. I.J. Modern Education and Computer Science, 9, pp.11–19. https://doi.org/10.5815/ijmecs.2018.09.02.
ROUSSEEUW, P.J., 1987. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20(C), pp.53–65. https://doi.org/10.1016/0377-0427(87)90125-7.
SAHARJO, B.H., SYAUFINA, L., NURHAYATI, A.D., PUTRA, E.I., WALDI, R.D. AND WARDANA, 2018. Pengendalian Kebakaran Hutan dan Lahan di Wilayah Komunitas Terdampak Asap. IPB Press. PT Penerbit IPB Press.
SIPONGI, 2021. Luas Karhutla. [online] KLHK2. Tersedia di: <https://sipongi.menlhk.go.id/> [Diakses 20 Februari 2020].
Siswandi, A., Permana, A.Y. and Emarilis, A., 2021. Stemming Analysis Indonesian Language News Text with Porter Algorithm. Journal of Physics: Conference Series, 1845, pp.1–7. https://doi.org/10.1088/1742-6596/1845/1/012019.
TALA, F.Z., 2003. A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia. M.Sc. Thesis, Appendix D, pp, pp.39–46.
VIJAYA, Aayushi, S. and Bateja, R., 2017. A Review on Hierarchical Clustering Algorithms. Journal of Engineering and Applied Sciences, 12(24), pp.7501–7507.
VIJAYA, SHARMA, S. AND BATRA, N., 2019. Comparative Study of Single Linkage, Complete Linkage, and Ward Method of Agglomerative Clustering. In: 2019 International Conference on Machine Learning, Big Data, Cloud and Parallel Computing (COMITCon). pp.568–573. https://doi.org/10.1109/COMITCon.2019.8862232.
VINAGRE DÍAZ, J.J., FERNÁNDEZ POZO, R., RODRÍGUEZ GONZÁLEZ, A.B., WILBY, M.R. AND SÁNCHEZ ÁVILA, C., 2020. Hierarchical Agglomerative Clustering of Bicycle Sharing Stations Based on Ultra-Light Edge Computing. Sensors, 20(12). https://doi.org/10.3390/s20123550.
WORLDBANK, 2019. Indonesia Economic Quarterly Investing in People December 2019. [online] Tersedia di: <https://openknowledge.worldbank.org/bitstream/handle/10986/33033/Investing-in-People.pdf?sequence=1&isAllowed=y> [Diakses 23 Maret 2020].
YULIANTI, N., 2018. Pengenalan Bencana Kebakaran dan Kabut Asap Lintas Batas [Studi Kasus Eks Proyek Lahan Gambut Sejuta Hektar]. PT Penerbit IPB Press.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Jurnal Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
