Article Per Year (5 Year)
p-Index From 2021 - 2026
1.588
P-Index
This Author published in this journals
All Journal JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Sistem Informasi dan Informatika (SIMIKA) Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika MATHunesa: Jurnal Ilmiah Matematika Journal of Information Systems and Technology Research SAINTEK
Aviolla Terza Damaliana
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Faktor Pemengaruh Tingkat Keparahan Kebakaran Hutan di Kalimantan Selatan pada Tahun 2023 Menggunakan Geographically Weighted Regression M Naswan Izzudin Akmal; Dwi Arman Prasetya; Aviolla Terza Damaliana
Prosiding Sains dan Teknologi Vol. 5 No. 1 (2026): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 5 - Februari 2026
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kebakaran hutan di Kalimantan Selatan menunjukkan peningkatan tajam dalam frekuensi kejadian pada tahun 2023, bertepatan dengan kondisi kering yang terkait dengan fenomena El Niño. Meskipun jumlah kejadian kebakaran tinggi, tingkat keparahan kebakaran bervariasi di berbagai lokasi. Penelitian ini menganalisis faktor lingkungan yang mempengaruhi tingkat keparahan kebakaran hutan menggunakan Geographically Weighted Regression (GWR) untuk memodelkan variasi spasial. Keparahan kebakaran diukur menggunakan Differenced Normalized Burn Ratio yang diperoleh dari citra satelit. Prediktor lingkungan meliputi suhu udara, curah hujan total, ketinggian, dan kelembaban vegetasi, yang diperoleh dari data reanalisis ERA5 Land, SRTM, dan citra Landsat. Hasil menunjukkan bahwa keparahan kebakaran menunjukkan korelasi spasial positif, menunjukkan hubungan yang bervariasi secara spasial antara faktor lingkungan dan keparahan kebakaran. Dibandingkan dengan model Ordinary Least Squares global, model GWR memberikan daya penjelas yang lebih baik dan mengurangi autokorelasi spasial pada residual. Curah hujan total dan kelembaban vegetasi menunjukkan pengaruh spasial yang paling konsisten terhadap tingkat keparahan kebakaran, sementara suhu dan ketinggian memiliki efek yang lebih lemah dan lebih lokal. Temuan ini menunjukkan bahwa pemodelan spasial berguna untuk memahami variasi tingkat keparahan kebakaran hutan dan untuk mendukung strategi pengelolaan kebakaran yang spesifik lokasi.
Co-Authors Alfan Rizaldy Pratama Chrysilla Citra Windyadari Difta Alzena Sakhi Dwi Arman Prasetya Fadlila Agustina Fiqih Pavita Andharluana Friza Nur Fatmala idhom, Mohammad Karina Auralia Kinanthi Putri Ariyani M Naswan Izzudin Akmal Marthalia Kusumarima Mohammad Idhom Nabila Yudhitya Larasati Salsabila, Nada Santika, Reghina Ajeng Shindi Shella May Wara Suprapto, Rheinka Elyana Trimono Trimono Trimono Trimono, Trimono Wahyu Syaifullah Jauharis Saputra Wardani, Firly Setya