FOREST FIRE PREDICTION IN INDONESIA - WRAP Entrepreneurship (Capstone)

ADLAN AFIF NUGROHO

Informasi Umum

Kode

23.04.5784

Klasifikasi

004.071 - Computer Science Education/Pendidikan Ilmu Komputer, Pendidikan Teknik Informatika

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Teknik Komputer

Informasi Lainnya

Abstraksi

Indonesia disebut paru - paru dunia kedua setelah Brazil karena memiliki hutan yang sangat luas. Indonesia berperang penting sebagai pemasok oksigen terbesar dengan hutannya terutama Pulau Kalimantan. Terlepas dari banyaknya hutan di Indonesia tidak bisa dipungkiri potensi kebakaran hutan di Indonesia cukup tinggi. Beberapa tahun terakhir maraknya terjadi kebakaran hutan di Indonesia yang bahkan sampai membawa dampak negatif terhadap lingkungan bahkan manusia itu sendiri. Kebakaran hutan disebabkan oleh 2 faktor, perbuatan manusia dan alam. Menurut penelitian sebelumnya dikatakan bahwa kebakaran yang disebabkan oleh alam hanya sebesar 1% sedangkan oleh tangan manusia sendiri sebesar 99%. Oleh sebab itu diperlukan sistem yang dapat mengantisipasi potensi terjadi kebakaran hutan.

Kebakaran hutan yang disebabkan manusia tidak bisa prediksi secara akurat tetapi dapat diantisipasi dengan mengetahui dari alam. Dengan mengetahui suhu, kelembaban, kecepatan angin, dan curah hujan dapat mempengaruhi potensi si jago merah muncul. Tidak hanya prediksi dengan data yang sudah ada tetapi juga dapat melakukan forecasting sehingga dapat memprakirakan seberapa besar potensi terjadinya kebakaran hutan dengan menggunakan Machine Learning. Machine Learning dapat mengolah data, melatih data, sehingga dapat membuat data baru yang nantinya akan dijadikan sebagai prakiraan data dikemudian hari. Algoritma yang digunakan pada Machine Learning ini, digunakan Exponential Smoothing. Data yang digunakan pada Machine Learning diperoleh dari data BMKG.

Pada penelitian ini dapat dibuktikan bahwa penggunaan algoritma exponential smoothing pada machine learning sangat efektif untuk melakukan prediksi maupun forecast. Model Exponential Smoothing memberikan hasil yang cukup baik, R2 yang dihasilkan diatas 0,50. Ini menunjukan bahwa model yang digunakan sudah sangat baik. Model ini akan diimplementasikan ke dalam website sehingga dapat mudah diakses oleh semua orang.