Hasil Pencarian  ::  Simpan CSV :: Kembali

"[ABSTRACTLand and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.

---

ABSTRAK Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.;Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.;Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.;Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.;Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.;Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari., Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.]"

"Kebakaran hutan dan lahan adalah kejadian yang mengancam kehidupan dan mata pencaharian, mempengaruhi ekonomi nasional, dan memiliki potensi yang berdampak panjang pada manusia. Saat ini, 62 persen wilayah Kalimantan mengalami kerentanan kebakaran hebat, dengan kira-kira 10 persen dari wilayah tersebut memiliki kerentanan yang sangat tinggi. Untuk mengurangi dampak dari kebakaran hutan dan lahan terhadap kerusakan lingkungan dan manusia, analisis spasial dan temporal perlu dilakukan salah satunya menggunakan metode machine learning. Penelitian ini bertujuan untuk menganalisis pola spatio-temporal titik panas, hubungan antara titik panas dan unsur iklim, dan memproyeksikan potensi titik panas secara spatio-temporal di daerah Kalimantan Timur. Titik panas didapat dari database SiPongi selama periode 2013-2022 diklasifikasikan menggunakan emerging hotspot analysis. Data iklim dari model TerraClimate dengan resolusi 1/240 dinilai pada setiap pola titik panas yang ada dengan menghitung nilai korelasi dan determinasi pada setiap unsur, yaitu curah hujan, suhu maksimum, evapotranspirasi, kecepatan angin, dan kelembaban tanah. Forest-based forecast digunakan untuk melihat potensi titik panas menggunakan berdasar unsur iklim dan geografis lainnya di Kalimantan Timur. Pola sebaran titik panas di Kalimantan Timur secara spasial dari penelitian ini dapat diketahui memiliki pola yang terklasifikasikan atau mengelompok dengan karakteristiknya masing-masing. Hasil penelitian juga menunjukkan bahwa unsur iklim memiliki nilai yang berpengaruh terhadap penentuan lokasi titik panas. Proyeksi titik panas menggunakan machine learning algoritma random forest dalam penelitian ini dapat menunjukkan prakiraan titik panas dengan kesesuaian jumlah daerah potensi titik panas secara spatio-temporal

---

Forest fires are events that threaten lives and livelihoods, affect national economies, and have the potential to have long-lasting impacts on people. Currently, 62 percent of Kalimantan is highly vulnerable to fires, with approximately 10 percent of the area experiencing very high vulnerability. To reduce the impact of forest fires on environmental and human damage, spatial and temporal analysis needs to be carried out, one of which is using machine learning methods. This study aims to analyze the spatio-temporal patterns of hotspots, the relationship between hotspots and climatic elements, and project hotspot potential spatio-temporally in the East Kalimantan region. Hot spots obtained from the Sipongi database for the period 2013-2022 are classified using emerging hotspot analysis. Climate data from the TerraClimate model with 1/240 resolution is assessed for each hotspot pattern by calculating the correlation and determination values for each element, namely rainfall, maximum temperature, evapotranspiration, wind speed, and soil moisture. Forest-based forecasts are used to see potential hotspots based on climate and other geographical elements in East Kalimantan. The spatial distribution pattern of hotspots in East Kalimantan from this study can be seen to have a pattern that is classified or grouped with their respective characteristics. The results also show that the climate element has a value that influences the location of hotspots. Hot spot projections using the machine learning random forest algorithm in this study can show hotspot predictions with the spatio-temporal suitability of the number of potential hot spot areas."

"Hotspot adalah sesuatu yang tidak biasa, anomali, menyimpang, wabah, intensitas tinggi, atau disebut juga daerah kritis. Pendeteksian hotspot sangat berguna sebagai monitoring, etiologi, manajemen, atau peringatan dini. Scan statistics adalah suatu metode untuk mendeteksi area hotspot, sedangkan space time scan statistics adalah metode scan statistics yang memperhatikan informasi area dan waktu secara simultan dalam mendeteksi hotspot. Metode ini mendeteksi hotspot dengan scanning window yang berbentuk silinder, dimana setiap silinder yang terbentuk merupakan calon hotspot yang mungkin terjadi. Pendeteksian hotspot dalam penelitian ini dilakukan dengan mengamati beberapa data set, dimana data set adalah kelompok data pengamatan yang terdiri dari jumlah kasus, ukuran populasi dan koordinat dari masing-masing area yang diamati. Pendeteksian ini didasarkan pada kombinasi dari beberapa data set tersebut. Studi kasus pada penelitian ini adalah kesehatan bayi dan balita di kota Depok. Dari hasil pendeteksian ini diperoleh beberapa kombinasi yang menghasilkan hotspot yang sama, sehingga area dan waktu yang sering muncul pada kombinasi-kombinasi tersebut ditetapkan sebagai hotspot yaitu puskesmas Pasir Putih yang terjadi pada tahun 2011. Artinya area ini paling parah dibandingkan area yang lain mengenai kesehatan bayi dan balitanya. Hasil ini diharapkan dapat menjadi pedoman bagi pemerintah setempat atau stakeholder lainnya dalam mengambil kebijakan terutama dibidang kesehatan.

---

Hotspot means something unusual, anomaly, aberration, outbreak, critical resource area, etc. Hotspot detection is very useful as monitoring, etiology, management, or early warning. Scan statistics is a method for detecting the location of hotspot, while the space-time scan statistics are statistics scan method that takes into account the location and time information simultaneously in detecting hotspot. This method detects hotspot with a cylindrical window, where each cylinder formed a candidate hotspot that may occur. Hotspot detection in this study conducted by observing multiple data sets, where the data set is a group of observational data consist of the number of cases, the size of the population and the coordinates of each location were observed. This detection is based on a combination of some of the data sets. The case study in this research is the health of infants and toddlers in Depok city. From the results of this detection obtained some combinations that produce the same hotspot, so that the location and time that often appear in these combinations are designated as hotspot Pasir Putih health center that occurred in 2011. It means this area is worst among other areas about its the health of infants and toddlers. This result is expected to be a guideline for local governments or other stakeholders in making decisions, especially in the field of health."

"[ABSTRAKKebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.

---

ABSTRACTLand and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.;Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.;Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.;Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.;Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.;Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days., Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.]"

"Kabupaten Kubu Raya merupakan salah satu dari 14 Kabupaten/Kota rawan kebakaran hutan dan lahan di Provinsi Kalimantan Barat dan mengalami kejadian kebakaran setiap tahun. Berdasarkan data Kesatuan Pengelolaan Hutan pada tahun 2018, terdapat sekitar 4406 titik panas yang tersebar di Kabupaten Kubu Raya. Adapun tujuan dari penelitian ini adalah untuk menganalisis wilayah rawan kebakaran hutan dan lahan berdasarkan aspek kondisi fisik wilayah yang meliputi ketebalan gambut, tutupan lahan dan curah hujan serta aspek sosial masyarakat yang meliputi kepadatan penduduk, tingkat pendidikan dan jenis lapangan usaha di Kabupaten Kubu Raya. Analisis spasial yang digunakan dalam penelitian ini menggunakan metode overlay dengan Sistem Informasi Geografis. Hasil analisis yang telah dilakukan menunjukkan bahwa wilayah di Kabupaten Kubu Raya yang terdeteksi sangat rawan sebesar 12,77 % dengan total luas wilayah 1124,31 km², rawan tinggi yaitu sebesar 26,75 % dengan total luas wilayah 2419,68 km², rawan rendah yaitu sebesar 31,48 % dengan total luas wilayah 3421,38 km², sedangkan tingkat rawan sangat rendah yaitu 29,00 % dengan total luas wilayah 2408,07 km². Hasil pengolahan menunjukkan bahwa Wilayah dengan tingkat kerawanan tertinggi yaitu Kecamatan Rasau Jaya dan wilayah dengan tingkat kerawanan terendah yaitu Kecamatan Kubu.Kubu Raya Regency is one of 14 regencies / cities prone to forest and land fires in West Kalimantan Province and experiences fires every year. Based on data from the Forest Management Unit in 2018, there are around 4406 hotspots spread across Kubu Raya Regency. The purpose of this study is to analyze areas prone to forest and land fires based on aspects of the physical condition of the area including peat thickness, land cover and rainfall as well as social aspects of society which include population density, education level and type of business field in Kubu Raya Regency. The spatial analysis used in this study uses the overlay method with Geographic Information Systems. The results of the analysis that have been carried out show that the area in Kubu Raya District that was detected was very vulnerable at 12.77% with a total area of ​​1124.31 km², high vulnerable at 26.75% with a total area of ​​2419.68 km², low at risk that is amounting to 31.48% with a total area of ​​3421.38 km², while the level of vulnerability is very low at 29.00% with a total area of ​​2408.07 km². The analysis shows that the area with the highest level of vulnerability is Rasau Jaya District and the area with the lowest level of vulnerability is Kubu District."

"Demam Berdarah Dengue (DBD) merupakan penyakit yang disebabkan oleh virus dengue, penularannya melalui vektor nyamuk serta ditemukan di daerah tropis dan sub tropis. Transmisi penularan penyakit DBD tergantung pada populasi vektor (Aedes Aegypti dan Ades Albopictus) yang dipengaruhi oleh kondisi iklim dan tutupan/penggunaan lahan. Kondisi iklim di Kota Batam merupakan kondisi ideal untuk perkembangbiakan dan transmisi penyakit DBD. Perubahan tutupan lahan juga diduga menjadi penyebab tingginya insiden DBD di kota Batam. Tujuan penelitian ini adalah menganalisis faktor iklim dan tutupan lahan dengan insiden DBD di Kota Batam. Studi ini merupakan studi ekologi dengan menggunakan data bulanan selama 10 tahun (2005-2014). Hasil uji statistik menunjukkan bahwa suhu berhubungan signifikan (p=0.021) dengan insiden DBD pada lag 0 dengan korelasi lemah dan negatif (r=-0,211). Kelembaban signifikan dengan insiden DBD pada lag 1 dan lag 2 (p=0.003 dan p=0,001) dengan korelasi sedang dan positif (r=0,270 dan r=0,290). Analisis spasial menunjukkan adanya pola hubungan antara suhu, luas lahan terbangun dan luas lahan ber-vegetasi dengan insiden DBD.

---

Dengue Hemorrhagic Fever (DHF) is a disease caused by dengue virus, transmitted through mosquito vectors and is found in tropical and sub-tropical regions. Dengue transmission depends on vector populations (Aedes aegypti and Aedes albopictus) that are influenced by climate conditions and land cover/use types. Climate conditions in Batam is an ideal conditions for breeding and transmission of dengue disease. Changes in land cover is also thought to be the cause of the high incidence of DHF in Batam. The aimed of this study to analyze climate factors and land cover with DHF incidence in Batam. This is an ecological study using monthly data for 10 years (2005-2014). Statistic analysis showed that temperature significantly associated (p=0.021) with the DHF incidence in the time lag 0 with a weak and negative correlation (r=-0.211). Humidity significantly with the DHF incidence in the time lag 1 and time lag 2 (p=0.003 and p=0.001) with moderate and positive correlation (r=0.270 and r=0.290). Spatial analysis showed a pattern of relationships between temperature, habitations land and vegetation land with incidence of dengue."

"Kota Pekanbaru merupakan salah satu kota di Pulau Sumatera yang mengalami pertumbuhan dan perkembangan sangat pesat. Berawal dari kota yang berukuran kecil, Kota Pekanbaru berkembang menjadi kota besar dan bersama-sama dengan tiga kabupaten tetangganya, akan dibentuk menjadi kawasan metropolitan pertama di Riau. Pembentukan “Pekansikawan” pada tahun 2019 dilakukan karena perkembangan dan pertumbuhan Kota Pekanbaru yang sudah mencapai daerah pinggir Kota Pekanbaru. Perkembangan dan pertumbuhan yang pesat ini tentu mempengaruhi bagaimana pusat pelayanan yang terdapat di Kota Pekanbaru. Penelitian ini bertujuan untuk mengetahui bagaimana pusat pelayanan yang terdapat di Kota Pekanbaru pada tahun 2019 serta ingin mengetahui hubungannya dengan empat faktor pembentuk pusat pelayanan berdasarkan kemampuan yang dimiliki oleh Kota Pekanbaru yaitu faktor lokasi strategis, faktor aglomerasi, faktor sumber daya alam, dan faktor investasi pemerintah daerah. Metode analisis yang digunakan pada penelitian ini adalah analisis keruangan dan analisis statistik Chi-Square. Hasil penelitian menunjukkan bahwa pusat pelayanan di Kota Pekanbaru pada tahun 2019 terletak pada kepadatan penduduk sedang dengan jumlah penduduk yang tergolong tinggi, yang meliputi enam kelurahan yaitu Kelurahan Air Dingin, Kelurahan Tangkerang Utara, Kelurahan Tangkerang Tengah, Kelurahan Sidomulyo Timur, Kelurahan Tuah Karya, dan Kelurahan Labuh Baru Timur. Hasil statistik menunjukkan bahwa tidak ada hubungan signifikan yang terjadi antara pusat pelayanan dengan faktor lokasi strategis, faktor aglomerasi, faktor sumber daya alam, dan faktor investasi pemerintah daerah.

---

Kota Pekanbaru is one of the cities of the Sumatera Island, that is experiencing rapid growth and development. Started as a small city, Kota Pekanbaru developed into a large city and together with the three neighboring districts, will become the first metropolitan area in Riau. The formation of "Pekansikawan" in 2019 was carried out due to the development and growth of Kota Pekanbaru, which has reached the outskirts of Kota Pekanbaru. This rapid development and growth has affected the service centers of Kota Pekanbaru. This study aims to find out how service centers of Kota Pekanbaru in 2019 are and want to know their relationships between the four factors forming service centers based on the capabilities possessed by Kota Pekanbaru, strategic location factors, agglomeration factors, natural resource factors, and local government investment factors. The analytical methods used in this research are spatial analysis and Chi square statistical analysis. The results showed that service centers of Kota Pekanbaru in 2019 are located in Kelurahan Air Dingin, Kelurahan Tangkerang Utara, Kelurahan Tangkerang Tengah, Kelurahan Sidomulyo Timur, Kelurahan Tuah Karya, and Kelurahan Labuh Baru Timur that have moderate populations density with high populations. Statistical results showed that there are no significant relationships between service centers with strategic location factors, agglomeration factors, natural resource factors, and local government investment factors."

"Longsor merupakan kejadian yang terjadi akibat kombinasi dari faktor penyebab dan faktor pemicu. Faktor penyebab dapat meliputi topografi, geologi, tanah, dan penggunaan lahan, sedangkan faktor pemicu utama terjadinya longsor adalah hujan. Intensitas curah hujan yang tinggi ditambah dengan karakteristik topografi Pulau Jawa yang sekitar 22 wilayahnya berlereng curam, menyebabkan pulau ini berpotensi terhadap longsor. Penelitian ini mengelompokan kejadian longsor di Pulau Jawa selama tahun 2012-2015 berdasarkan faktor penyebabnya. Analisis menunjukan bahwa terdapat 4 kelompok cluster kejadian longsor berdasarkan faktor penyebabnya. Berdasarkan pengelompokan tersebut diidentifikasi hujan pemicu longsor menggunakan data curah hujan Qmorph. Pendekatan empiris intensitas dan durasi hujan pada setiap kejadian longsor dilakukan untuk menentukan ambang hujan pemicu longsor mengikuti model kurva Intensitas-Durasi Kurva ID yang diperkenalkan Caine pada tahun 1980. Nilai dari ambang hujan ini menunjukan nilai curah hujan minimum yang diperlukan untuk terjadinya longsor. Hasil penelitian menunjukan nilai ambang hujan yang berbeda untuk setiap kelompok kejadian longsor. Kelompok kejadian longsor 1 memiliki ambang intensitas hujan 24,71 mm/jam, kelompok 2 didapatkan 12,32 mm/jam, kelompok 3 didapatkan 8,65 mm/jam, dan kelompok 4 didapatkan ambang intensitas hujan 19,17 mm/jam. Menurut ambang hujan, kelompok kejadian longsor 3 merupakan kelompok yang paling rawan dibandingkan kelompok lainnya. Nilai dari ambang hujan pemicu longsor pada penelitian ini dapat digunakan sebagai acuan pembuatan sistem peringatan dini kejadian longsor.

---

Landslides is an event that occurs due to a combination of causes factor and triggers factor. Causes factor may include the topography, geology, soil, and land use. Meanwhile, the main trigger factor of landslide is the rainfall. The intensity of heavy rainfall coupled with the topographic characteristics of Java that about 22 of its territory steep slopes, causing this island has great potential to landslides.

This research is aiming to grouping the landslide in Java during the years of 2012 2015 based on causes factor. The result show that there were 4 groups clusters landslide based on causes factors. Based on these groupings, it successfully determined the rainfall triggered landslides using Qmorph. Empirical approach of the intensity and duration of rain on any landslide carried out to determine the threshold of rain triggers landslide following the model of intensity duration curve curve ID introduced by Caine in 1980. The value of the rainfall threshold shows the minimum value required for the occurence of landslides.

The results showed that the value of rainfall threshold different for each group of the landslide. The rain threshold value for the first group is 24,71 mm h, the second group is 12,32 mm h, the third group is 8,65 mm h, and the fourth group is 19,17 mm h. According to the equation, the landslide points in the third group is the most vulnerable than other groups. The value of rainfall triggered landslide in this research can be used as a reference for the development of the landslide early warning system."

"Penelitian ini membahas tentang perubahan alur sungai di Muara Sungai Rokan dari tahun 1988 hingga tahun 2012. Perubahan yang dilihat adalah perubahan secara horizontal (dua dimensi). Tujuan penelitan ini yaitu untuk mengetahui dimana saja terjadi perubahan alur sungai di Muara Sungai Rokan dan faktor penyebabnya. Metode yang digunakan yaitu mengoverlay alur sungai tahun 1988 dengan alur sungai tahun 2012 yang didapat dari Citra Landsat tahun 1988 dan 2012 hingga menghasilkan Peta Perubahan Alur Sungai dan mengetahui daerah erosi dan daerah deposisi. Perubahan alur sungai khususnya di muara sungai dipengaruhi oleh faktor dari darat dan faktor dari laut. Variabel yang digunakan dalam penelitian ini yaitu rekayasa alur sungai dan perubahan penggunaan tanah di DAS Rokan yang merupakan faktor dari darat dan Gelombang Bono (Tidal Bore) yang merupakan faktor dari laut. Hasil penelitian ini yaitu, perubahan terjadi di sepanjang alur sungai di daerah penelitian yaitu pada alur sungai tipe meandering, straight, beting dan delta sungai. Gelomban Bono berperan dalam mengikis tebing sungai dan membawa kembali material yang dibawa oleh arus sungai ke arah hulu. Sedangkan perubahan penggunaan tanah di DAS Rokan berperan dalam meningkatkan erosi dan debit air sungai sehingga menyebabkan bertambahnya sedimentasi di muara sungai.

---

This study discusses the channel changes in the estuary of Rokan River from 1988 through 2012. The changes that we discussed are horizontal changes (two dimensional). The research purpose is to find out where channel changes have occurred in the Rokan River channel estuary and determine the factors that cause the changes. The method used is an overlay of the river channel in 1988 with the river channel in 2012 obtained from Landsat imagery 1988 and 2012 to produce River Channel Changes Map and determine erosion and deposition areas. The river channel changes, especially in estuaries are influenced by two factors, factor form the land and the sea.

The variables used are the modified of river channel and landuse changes in Rokan watershed which are factors from the land and Gelombang Bono (Tidal Bore) which is a factor from the sea. The Results of this study are channel changes occur along the river channel in the study area that is on the type meandering and straight river channel, shoals and river delta. Gelombang Bono plays a role in eroding river banks and brings back material carried by the river flow upstream. While landuse changes in Rokan watershed plays a role in improving erosion and river water discharge causing increased sedimentation in estuaries."