<![CDATA[Kebakaran hutan dan lahan di Provinsi Kepulauan Bangka Belitung telah meningkat secara signifikan. Studi ini bertujuan untuk mengembangkan model prediksi spasial-temporal untuk titik api kebakaran hutan dan lahan menggunakan pendekatan pembelajaran mendalam hibrida berdasarkan Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Kebaruan penelitian ini terletak pada integrasi variabel lingkungan multi-sumber (NDVI, LST, kelembaban, curah hujan, dan kecepatan angin) dengan fitur spasial berbasis satelit untuk meningkatkan akurasi prediksi. Model dilatih menggunakan data kebakaran historis dan citra satelit multi-temporal, dan dievaluasi menggunakan Mean Absolute Error (MAE) dan metrik kerugian validasi. Hasil menunjukkan bahwa model CNN-LSTM yang diusulkan mencapai kinerja yang stabil dengan kesalahan validasi rendah (val_loss = 0,024) dan MAE berkisar antara 0,12–0,13. Hasil prediksi spasial menunjukkan bahwa zona kebakaran berisiko tinggi terkonsentrasi di Kabupaten Bangka Selatan dan Bangka, sementara peramalan temporal hingga tahun 2030 menunjukkan tren yang relatif stabil dengan risiko kebakaran yang terus-menerus di area tertentu. Temuan ini menunjukkan bahwa model yang diusulkan efektif dalam menangkap pola kebakaran spasial-temporal yang kompleks dan dapat mendukung sistem peringatan dini berbasis data dan kebijakan mitigasi kebakaran regional. Studi ini berkontribusi pada kemajuan aplikasi pembelajaran mendalam dalam prediksi risiko lingkungan, khususnya dalam mengintegrasikan pemodelan spasial dan temporal untuk pembangunan berkelanjutan. ]]>
Copyrights © 2026
