Status sistem · Seluruh Indonesia

Indonesia berstatus memuat… hari ini — risiko karhutla dihitung dari fusi data titik panas satelit dan curah hujan.

TANGGAL ANALISIS—
GRID DIPANTAU—
N
95° BT141° BT
—%
Risiko rata-rata nasional
memuat…
Memuat data wilayah…
—
Total titik panas nasional (periode data)
—
Grid status SIAGA 1 nasional hari ini
—
Rata² curah hujan 7 hari (mm)
—
Skor AUC-ROC model
Peta interaktif · Nasional

Peta Prediksi Risiko Kebakaran

Grid spasial 0.1° (~11km) di seluruh Indonesia. Klik titik untuk detail probabilitas risiko & curah hujan.

Waspada (0.25–0.5)
SIAGA 2 (0.5–0.75)
SIAGA 1 (≥0.75)
SedikitLebat
Curah hujan harian per grid (mm)
Titik deteksi FIRMS (14 hari terakhir)
Ukuran titik = intensitas radiasi api (FRP)
Tanggal analisis: —

Simulasi ke depan

Proyeksi Tren Risiko 7 Hari

Simulasi risiko rata-rata dan jumlah grid SIAGA 1 nasional, diproyeksikan dari tanggal analisis dasar.

Proyeksi Risiko & Grid SIAGA 1
Rata² probabilitas risiko nasional
Jumlah grid berstatus SIAGA 1
Area Paling Rawan Nasional
Dikelompokkan per klaster wilayah (~55km) — berdasarkan skor risiko tanggal analisis
Geser tabel untuk lihat kolom lainnya →
KoordinatWilayahSel SerupaHujan 7h (rata²)RisikoStatus
memuat data…
Cakupan seluruh Indonesia

Analitik Nasional

Ringkasan pola titik panas FIRMS di seluruh wilayah pantauan Indonesia.

Tren Harian Jumlah Titik Panas
Sebaran per Wilayah
Tingkat Kepercayaan Deteksi (FIRMS)
Siang vs Malam
Sumber Satelit
Eksplorasi data

Curah Hujan vs Kejadian Karhutla

Perbandingan rentang curah hujan pada kondisi terbakar dan tidak terbakar (nasional), serta seberapa kuat hujan berhubungan dengan kejadian kebakaran.

Rentang Curah Hujan 7 Hari (mm)

Bagian pudar di bawah adalah rentang bawah (di bawah Q1), bagian pekat adalah rentang tipikal (Q1–Q3), garis putih adalah median. Rentang "Terbakar" dan "Tidak Terbakar" saling tumpang tindih — artinya curah hujan saja tidak cukup untuk memastikan suatu wilayah akan terbakar atau tidak.

Korelasi Fitur Hujan dengan Kejadian Kebakaran

Korelasi di sini kecil karena mengukur hubungan linear satu-per-satu, sedangkan model XGBoost menangkap kombinasi banyak fitur sekaligus (misal: hujan rendah + lokasi + musim) — makanya fitur ini tetap jadi salah satu yang paling penting di model meski korelasinya lemah.

Machine learning

Kinerja Model XGBoost

Evaluasi klasifikasi biner (terbakar / tidak terbakar) pada data uji nasional (test set), 20% dari total data.

Confusion Matrix
Kurva ROC
Ringkasan Klasifikasi
Tingkat Kepentingan Fitur (Feature Importance)
Data 14 hari terakhir · Nasional

Kondisi Terkini & Wilayah Terkering

Titik panas dari feed near-real-time FIRMS di seluruh Indonesia, di luar rentang data historis pelatihan model.

Titik Panas Terbaru
14 hari terakhir, seluruh Indonesia, diurutkan intensitas (FRP)
Geser tabel untuk lihat kolom lainnya →
TanggalKoordinatWilayahFRPKepercayaanWaktu
memuat data…
15 Grid Terkering Nasional
Rata-rata hujan harian, 14 hari terakhir · terendah
Geser tabel untuk lihat kolom lainnya →
KoordinatHujan 14h (mm/hari)Wilayah
memuat data…