Informasi Sebaran Titik Panas Berbasis WebGIS untuk Pemantauan Kebakaran Hutan dan  Lahan di Indonesia

Hidayat, Taufik; Priyatna, Muhammad; Sutanto, Ahmad; Alkhudri, Aby; Khomarudin, Rokhis M.

doi:10.29122/jtl.v20i1.2961

Cited by 6 publications

(6 citation statements)

References 2 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pre-processing Data Pre-processing yaitu langkah untuk menghapus kesalahan atau faktor lain yang dideteksi tidak cocok dan dapat membuat nilai dari hasil proses data yang diolah menurun [9]. Pemeriksaan kembali data dapat dilakukan pada tahap pra-pemrosesan/pembersihan, dalam tahap ini dilakukan proses penghapusan redudansi, outlier dan data kosong agar dapat memastikan data masukan yang diproses sudah benar atau sudah bersih, untuk dapat menetapkan maka hasil perhitugan algoritma juga akan memmberikan hasil yang tepat [10].…”

Section: 2unclassified

Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning

Husen,

Astuti,

Marlia

et al. 2023

MALCOM

View full text Add to dashboard Cite

Opini publik yang terekspresikan melalui media sosial, khususnya Twitter, telah menjadi sumber informasi yang penting bagi perusahaan dan lembaga keuangan, termasuk Bank BSI. Analisis sentimen opini publik dapat membantu Bank BSI dalam memahami pandangan dan persepsi masyarakat terhadap layanan mereka. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan algoritma machine learning yaitu algoritma SVM, naïve bayes dan logistic regression untuk menganalisis sentimen opini publik terhadap Bank BSI yang terdapat dalam tweet di Twitter. Data tweet yang digunakan dalam penelitian ini diambil situs dari kaggle dengan jumlah data 24.401, berisi tentang ulasan komentar pengguna terkait ransomware pada Bank BSI. Hasil dari percobaan yang telah dilakukan diperoleh bahwa SVM menghasilkan akurasi 0,88%, naive bayes menghasilkan akurasi 0,76%, dan logistic regression menghasilkan akurasi 0,86%. Berdasarkan dari hasil percobaan bahwa SVM mendapatkan performa kinerja yang lebih unggul dari pada algoritma naive bayes dan logistic regression . Dalam konteks ini, SVM dapat menjadi pilihan yang baik untuk analisis sentimen secara umum. Penelitian ini mengungkapkan bahwa persentase sentimen negatif terhadap Bank BSI lebih tinggi daripada sentimen positif. Temuan ini menunjukkan adanya keprihatinan dan ketidakpuasan yang signifikan di antara masyarakat terhadap layanan perusahaan. Meskipun ada beberapa sentimen positif yang teridentifikasi.

show abstract

Section: 2unclassified

Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning

Husen,

Astuti,

Marlia

et al. 2023

MALCOM

View full text Add to dashboard Cite

show abstract

“…Aplikasi siaga karhutla memberikan informasi titik lokasi kejadian dan masyarakat dapat mengirimkan data berupa gambar foto yang terhubung melalui website berbasis peta lokasi terhadap lembaga pengelola, sehingga pemantauan dari pelaporan masyarakat dapat ditindaklanjuti secara cepat, hal ini sejalan dengan penelitian (Hidayat et al 2019), (Saputra and Widiastuti 2019), (Pahlevi 2018), (Adam, Rindarjono, and Karyanto 2019), dan (Viviyanti, Adila, and Rahmad 2019) bahwa informasi spasial dapat dipakai untuk Seminar Nasional "Geoliterasi dan Pembangunan Berkelanjutan" 2022 dan Seminar Nasional Manajemen Bencana PSB (SMBPSB 2022) SHEs: Conference Series 5 (4) (2022) 37 -44 pengambilan keputusan dalam persiapan perencanaan, pembangunan, pengawasan, dan respon terhadap keadaan darurat bencana kebakaran hutan dan lahan.…”

Section: Gambar 2 Tampilan Depan Menu Aplikasi Siaga Karhutlaunclassified

Community Perception on The Performance of Siaga Karhutla Application System (Study In Kayu Tangi-Forest Management Area) Kalimantan Selatan-Indonesia

Nasruddin¹,

Siswanto²

2022

SHES

View full text Add to dashboard Cite

Kebakaran lahan gambut di kawasan Pengelolaan Hutan Kayu Tangi mengalami peningkatan jumlah titik kebakaran lahan gambut setiap tahun pada saat musim kemarau di KPH Kayu Tangi sebesar 76% antara tahun 2017-2019, merupakan bukti dari rendahnya pengelolaan dan pelibatan stakeholder yang tidak kolaboratif dan berkelanjutan, baik dalam hal sistem peringatan dini dan penguatan kelembagaan menuju masyarakat tanggap terhadap kebakaran lahan gambut. Tujuan penelitian menganalisis persepsi masyarakat terhadap kinerja aplikasi Siaga Karhutla di Provinsi Kalimantan Selatan. Metode penelitian menggunakan pendekatan kuantitatif dengan analisis persepsi masyarakat menggunakan analisis skala likert dengan menggunakan kuesioner secara acak kepada 153 responden. Hasil penelitian menyimpulkan pada bagian depan aplikasi efektif mudah digunakan dalam memberikan informasi pelaporan masyarakat secara cepat kepada pemerintah dengan rata-rata pernyataan sikap “setuju” (42,32%), “sangat setuju” (55,88%), “kurang setuju” (1,31%), “tidak setuju” (0,16%) dan “sangat tidak setuju” (0,33%), selanjutnya pada bagian belakang aplikasi dapat dengan mudah dijalankan oleh lembaga penyelenggara dalam memberikan pelayanan terhadap kebakaran hutan dan lahan khususnya dengan penilaian rata-rata responden menyatakan “setuju” (37,09%), “sangat setuju” (60,70%), “kurang setuju” (1,23%), “tidak setuju” (0,57%) dan “sangat tidak setuju” (0,41%).

show abstract

“…One of the methods used for controlling forest and land fires is hotspot monitoring. Hotspot monitoring is an early detection system that utilizes remote sensing technology to rapidly identify and locate forest and land fires [6]. The primary objective of hotspot monitoring is to expedite the fire extinguishing process in affected areas, enabling a timelier response to prevent the fires from spreading further.…”

Section: Introductionmentioning

confidence: 99%

Hotspot and rainfall analysis in Bombana District, Southeast Sulawesi Province

Nurhayati,

Zahrin

2024

IOP Conf. Ser.: Earth Environ. Sci.

View full text Add to dashboard Cite

Forest and land fires are starting to occur in eastern Indonesia, such as Southeast Sulawesi, frequently. Bombana District is one of the areas in Southeast Sulawesi Province with the highest total hotspots in the last decade. This study aimed to analyze the trend of hotspot distribution and its relationship with rainfall in the 2012 – 2021 period in Bombana District, Southeast Sulawesi Province. The sources used in this study were hotspot data from MODIS Terra/Aqua satellite imagery and rainfall data from the NASA Langley Research Center (LaRC) Power, which were analyzed using descriptive and regression analysis. The results showed that the total hotspots and rainfall in Bombana District between 2012 and 2021 fluctuated. The highest hotspot peak occurred in 2015, with 343 points. The hotspots and rainfall were significantly correlated, where rainfall greatly influenced the total of hotspots by 64% in 2012–2021.

show abstract

Informasi Sebaran Titik Panas Berbasis WebGIS untuk Pemantauan Kebakaran Hutan dan Lahan di Indonesia

Cited by 6 publications

References 2 publications

Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning

Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning

Community Perception on The Performance of Siaga Karhutla Application System (Study In Kayu Tangi-Forest Management Area) Kalimantan Selatan-Indonesia

Hotspot and rainfall analysis in Bombana District, Southeast Sulawesi Province

Contact Info

Product

Resources

About