Forest and land fires are a serious and recurring problem in Indonesia. The high intensity of forest fires is caused by the distribution of hotspots in fire-prone areas. One of the efforts to prevent and minimize the risk of forest fires is to identify the types of hotspots using a classification approach. One of the most popular classification algorithms is k Nearest Neighbor (k-NN). The algorithm uses a distance calculation approach in classifying objects. The purpose of this study is to classify the types of hotspots scattered in Indonesia using the k-NN algorithm and to analyze the effect of the distance calculation method on the k-NN algorithm. The types of distance measurement methods analyzed include Euclidean, Canberra, Chebyshev, and Manhattan. The dataset used is the distribution of hotspots in Indonesia obtained from Global Forest Watch (GFW). The study designed a dataset with two conditions, through the pre-processing stage and not. In general, the model accuracy of the k-NN combination with various distance measurement methods is above 90%. The pre-processing stage can increase the model's performance 1-8 times. The combination of k-NN with Manhattan is the best choice to identify the types of hotspots with an accuracy of 92.6%.

Population growth and the Maluku Province economy which is concentrated in Ambon City make the need for land resources to increase, while the existence of land that is relatively constant will result in a decrease in the carrying capacity of the environment and result in environmental degradation and damage. This study aims to determine spatially changes in land cover in Ambon City in 2015 and 2023 . SPOT 6 imagery data for 2015 and 2023 were used in this study to analyze land cover changes that have occurred. The process of georeferencing, digitizing on screen and land cover classification is carried out by Arc GIS software to produce a land cover map. The results showed that the cover of built-up land and open land continues to increase in area every year in line with population growth and the high demand for land in Ambon City.

Kecamatan Sirimau merupakan salah satu kecamatan di Kota Ambon yang sering terjadi banjir. Salah satu upaya awal untuk mitigasi bencana banjir yaitu dengan memetakan daerah rawan banjir di Kecamatan Sirimau. Penelitian ini bertujuan untuk memodelkan daerah rawan banjir Di Kecamatan Sirimau menggunakan metode Multi-Criteria Analysis (MCA). Variabel-variabel penyebab banjir yang digunakan yaitu kemiringan lereng, ketinggian, penggunaan lahan, buffer sungai, jenis tanah dan curah hujan yang kemudian dilakukan overlay menggunakan metode Multi-Criteria Analysis (MCA). Bahaya banjir di Kecamatan Sirimau dibagi menjadi tiga kelas yaitu kelas tinggi yang memiliki luas 540,09 ha atau 14,59%, kelas sedang seluas 1.607,14 ha atau 43,41% dan kelas rendah seluas 1.555,34 ha atau sebesar 42,01%. Daerah permukiman yang terdampak banjir di Kecamatan Seirmau berada pada kelas sedang seluas 660,16 ha (58,20 %) dan kelas tinggi yaitu seluas 474,21 ha atau sebesar 41,80 %.  Desa yang memiliki presentasi luasan bahaya banjir terbesar pada setiap kelas bahaya banjir yaitu Desa Batu Merah. Hasil penelitian ini diharapkan dapat membantu pemerintah dan masyarakat setempat untuk metigasi bencana banjir kedepannya.

Berdasarkan data historis kejadian longsor, Kecamatan Damer merupakan daerah yang rawan longsor di Kabupaten Maluku Barat Daya. Salah satu langkah awal dalam mitigasi bencana longsor di Kecamatan Damer adalah dengan memetakan daerah-daerah yang berpotensi longsor. Tujuan dari penelitian ini adalah untuk mengetahui sebaran spasial daerah rawan longsor di Kecamatan Damer, Kabupaten Maluku Barat Daya. Penelitian ini menggunakan metode SMORPH untuk mengidentifikasi dan mengklasifikasikan daerah yang berpotensi longsor berdasarkan matriks antara bentuk lereng dan sudut kemiringan lereng. Kajian ini menghasilkan 4 tingkatan daerah yang berpotensi longsor, yaitu potensi sangat rendah, rendah, sedang, dan tinggi. Desa dengan potensi longsor tinggi adalah Desa Wulur dan desa dengan potensi longsor sangat rendah adalah Desa Ilih. Hasil penelitian ini juga menggambarkan bahwa semakin tinggi lereng yang disertai dengan terbentuknya lereng cembung atau cekung maka potensi terjadinya longsor semakin tinggi. Hasil penelitian diharapkan dapat membantu pemerintah Kabupaten Maluku Barat Daya khususnya pemerintah Kecamatan Damer dalam upaya penataan ruang berbasis mitigasi bencana