Abstract:
Indonesia adalah negara ketiga yang mempunyai jumlah gunung berapi terbanyak di dunia, karena keadaan geografis yang unik ini negara Indonesia sangat rawan dengan beberapa jenis bencana alam seperti letusan gunung berapi. Namun akibat dari letusan gunung berapi yang terjadi, tanah di sekitar gunung yang aktif memiliki tingkat kesuburan yang tinggi akibat endapan vulkanik yang dikeluarkan saat erupsi. Karena tingkat kesuburan tanah yang dimiliki ini beberapa penduduk kerap kali membangun hunian dan sawah mereka pada daerah kaki gunung, hal ini dikarenakan sifat tanah pada kaki gunung yang subur dan cocok untuk bercocok tanam, yang dapat dijadikan sumber penghasilan utama dari para penduduk di daerah tersebut. Masalah yang timbul pada pembangunan hunian ini adalah, sering kali para penduduk kurang memperhatikan jarak antara gunung dengan hunian mereka, yang memiliki resiko tinggi jika terdapat hunian yang terlalu dekat dengan gunung yang aktif. Oleh karena masalah ini pemerintah telah menetapkan beberapa zona–zona di sektar gunung yang dinilai memiliki resiko ekstrim sampai kecil. Namun masih saja terdapat beberapa penduduk yang kurang memperhatikan kebijakan pemerintah dengan membangun hunian terlalu dekat dengan zona beresiko tinggi. Oleh karena masalah ini dibutuhkan sebuah cara agar pemerintah dapat mengetahui jarak antara tempat tinggal atau hunian penduduk dengan puncak gunung berapi. Solusi yang ingin ditawarkan untuk masalah ini adalah untuk menggunakan remote sensing. Remote Sensing atau pengindraan jauh adalah sebuah teknik yang digunakan untuk memperoleh informasi suatu objek melalui analisis data yang diperoleh dengan sebuah alat. Remote sensing dilakukan dengan cara mengumpulkan data berupa gambar objek yang ingin dikaji dengan menggunakan sebuah alat seperti satelit. Setelah data citra sudah dikumpulkan maka citra akan dibagi menjadi beberapa bagian yang disebut dengan grid. Grid yang berisi daerah puncak gunung dan hunian akan diberi label. Setelah itu akan dilatih sebuah model klasifikasi dengan data yang sudah diberi label, ketika model klasifikasi sudah dapat mengenali objek–objek yang ingin dikaji secara mandiri. Model klasifikasi yang dilatih akan menggunakan algoritma Random Forest dan GNB. Random Forest adalah sebuah model klasifikasi yang merupakan gabungan antar beberapa model-model klasifikasi yang sejenis seperti decision trees, random forest berfungsi dengan cara, mengumpankan sebuah masalah klasifikasi ke model-model klasifikasinya seperti decision trees lalu setelah model-model berhasil memberikan label hasil klasifikasi, akan dilakukan sebuah voting dimana hasil yang diambil adalah hasil dari mayoritas. GNB adalah sebuah model klasifikasi yang bekerja dengan menggunakan conditional probability untuk memberi label pada inputnya. Setelah beberapa model klasifikasi berhasil dilatih, dipilih model terbaik yang dapat mendeteksi daerah gunung dan hunian dengan melakukan dua jenis evaluasi yaitu evaluasi nilai confussion matrix dan dengan mengimplementasikan model terhadap citra secara langsung. Model terbaik nantinya akan diimplementasikan kepada perangkat lunak, yang dapat menghitung jarak antara puncak gunung dengan hunian penduduk, dan menandai hunian mana yang berada pada zona tidak aman. Perangkat lunak membutuhkan dua input yaitu citra gunung yang akan diprediksi daerah–daerahnya dan sebuah angka yang akan menentukan jarak zona aman dari puncak gunung terhadap hunian–hunian. Hasil prediksi akan mengeluarkan dua buah output yaitu citra gunung yang sudah memberikan tanda kepada objek puncak gunung, hunian yang berada pada zona aman, dan hunian yang tidak berada pada zona aman, serta sebuah angka yang merupakan jarak terjauh sebuah hunian dari puncak gunung.