Prediksi Kebakaran Hutan Berdasarkan Titik Panas dan Iklim Menggunakan Algoritma Random Forest

Penulis

  • Aditya Firmansyah Program Studi Sistem Informasi Universitas Mercu Buana
  • Muhammad Farhan Syahidin Program Studi Sistem Informasi Universitas Mercu Buana
  • Yaya Sudarya Triana Program Studi Sistem Informasi Universitas Mercu Buana

DOI:

https://doi.org/10.25077/TEKNOSI.v10i2.2024.145-155

Kata Kunci:

Kebakaran hutan, Prediksi, Klasifikasi, Random Forest, Web Scraping

Abstrak

Kebakaran hutan dan lahan semakin sering terjadi, menyebabkan dampak lingkungan yang menyebar ke luar wilayah kebakaran. Permasalahan yang terjadi salah satunya karena musim kemarau yang panjang di wilayah Kabupaten Ogan Komering Ilir Provinsi Sumatra Selatan yang menjadi faktor utama dalam meningkatnya risiko kebakaran, sebanyak 1.111 titik kebakaran tercatat pada tahun 2023. Permasalahan lainnya juga pada titik panas yang salah mendeteksi kebakaran yang seharusnya tidak kebakaran dan kasus tidak kebakaran yang seharusnya kebakaran, hal tersebut menyebabkan kerugian lingkungan maupun kerugian dana. Oleh karena itu, dibutuhkan model klasifikasi untuk memprediksi kasus kebakaran. Penelitian ini menggunakan gabungan data titik panas dan data iklim sebanyak 4343 data menggunakan metode Random Forest. Proses yang dilakukan yaitu studi literatur dan tahapan prediksi yang terdiri dari web scraping, data pre-processing, splitting data, pemodelan, dan evaluasi. Hasil penelitian berupa laporan klasifikasi, confusion matrix, dan feature importance. Hasil pengujian menunjukkan tingkat akurasi model yang baik sebesar 85.8% yang menunjukkan model menghitung seberapa tepat kinerja yang dilakukan model. Dengan penerapan model menggunakan metode Random Forest, model prediksi ini mengidentifikasi kasus kebakaran sangat baik sehingga informasi ini dapat digunakan untuk keputusan manajemen penanggulangan kebakaran dengan tepat dan meminimalisir terjadinya kerugian.

Referensi

[1] S. Dian, H. Permana, G. Saputra, B. Arifitama, W. Caesarendra, and R. Rahim, “Classification of bird sounds as an early warning method of forest fires using Convolutional Neural Network ( CNN ) algorithm,†J. King Saud Univ. - Comput. Inf. Sci., vol. 34, no. 7, pp. 4345–4357, 2022, doi: 10.1016/j.jksuci.2021.04.013. [2] A. Fitriansyah, “Sistem Informasi Pusat Data Dampak Kebakaran Hutan dan Lahan Berbasis Mobile Web di Provinsi Riau,†TEKNOSI, vol. 03, no. 01, pp. 35–42, 2017. [3] Fitriyani, “Implementasi Forward Selection dan Bagging untuk Prediksi Kebakaran Hutan Menggunakan Algoritma Naïve Bayes,†J. Nas. Teknol. dan Sist. Inf., vol. 01, pp. 1–8, 2022, doi: 10.25077/TEKNOSI.v8i1.2021.1-8. [4] E. Abdul, S. Listia, A. Syukur, and M. Othman, “Forest fire spreading and carbon concentration identification in tropical region Indonesia,†Alexandria Eng. J., vol. 61, no. 2, pp. 1551–1561, 2022, doi: 10.1016/j.aej.2021.06.064. [5] Paloma Ruiz-Benito, Giorgio Vacchiano, Emily R. Lines, Christopher P.O. Reyer, Sophia Ratcliffe, Xavier Morin, Florian Hartig, Annikki Mäkelä, Rasoul Yousefpour, Jimena E. Chaves, Alicia Palacios-Orueta, Marta Benito-Garzón, Cesar Morales-Molino, J. Julio Camarero, Alistair S. Jump, Jens Kattge, Aleksi Lehtonen, Andreas Ibrom, Harry J.F. Owen, Miguel A. Zavala, “Available and missing data to model impact of climate change on European forests,†Ecol. Modell., vol. 416, no. October 2019, p. 108870, 2020, doi: 10.1016/j.ecolmodel.2019.108870. [6] T. A. Pratiwi, M. Irsyad, and R. Kurniawan, “Klasifikasi Kebakaran Hutan dan Lahan Menggunakan Algoritma Naïve Bayes (Studi Kasus: Provinsi Riau),†J. Sist. dan Teknol. Inf., vol. 9, no. 2, p. 101, 2021, doi: 10.26418/justin.v9i2.42823. [7] R. O. Mardiyanto, F. Fitriani, R. J. Purnomo, K. Kusrini, and D. Maulina, “Pemetaan Lokasi Kebakaran Hutan Dan Lahan Di Ntb Dengan Menggunakan Algoritma Naive Bayes,†Tek. Teknol. Inf. dan Multimed., vol. 2, no. 2, pp. 69–75, 2021, doi: 10.46764/teknimedia.v2i2.44. [8] Liqing Si, Lifu Shu, Mingyu Wang, Fengjun Zhao, Feng Chen, Weike Li, Wei Li, “Study on forest fire danger prediction in plateau mountainous forest area,†Nat. Hazards Res., vol. 2, no. 1, pp. 25–32, 2022, doi: 10.1016/j.nhres.2022.01.002. [9] Srikanta Sannigrahi, Francesco Pilla, Bidroha Basu, Arunima Sarkar Basu, Konika Sarkar, Suman Chakraborti, Pawan Kumar Joshi, Qi Zhang, Ying Wang, Sandeep Bhatt, Anand Bhatt, Shouvik Jha, Saskia Keesstra, P.S. Roy, “Examining the effects of forest fire on terrestrial carbon emission and ecosystem production in India using remote sensing approaches,†Sci. Total Environ., vol. 725, no. March, p. 138331, 2020, doi: 10.1016/j.scitotenv.2020.138331. [10] S. M. Rezfiko Agdialta, Dodo Gunawan, Amsari Mudzakir Setiawan, “Pemantauan Tingkat Bahaya Kebakaran Hutan Dan Lahan Dengan Indeks Kekeringan Keetch-Byram Drought Index Selama Periode El-Niňo Di Provinsi Sumatera Selatan,†J. Penelit. Kehutan. Sumatrana, vol. 2, no. 1, pp. 1–13, 2020. [11] Nurdin, M. Hutomi, M. Qamal, and Bustami, “Sistem Pengecekan Toko Online Asli atau Dropship pada Shopee,†J. Rekayasa Sist. dan Teknol. Inf., vol. 1, no. 10, pp. 1117–1123, 2021. [12] S. P. Salim Satriajati, Satria Bagus Panuntun, “Implementasi Web Scraping Dalam Pengumpulan Berita Kriminal Pada Masa Pandemi COVID-19 ( Implementation of Web Scraping in Criminal News Collection during Covid-19 Pandemic ),†pp. 300–308, 2020. [13] S. Kumari, D. Kumar, and M. Mittal, “An ensemble approach for classification and prediction of diabetes mellitus using soft voting classifier,†Int. J. Cogn. Comput. Eng., vol. 2, no. January, pp. 40–46, 2021, doi: 10.1016/j.ijcce.2021.01.001. [14] F. Alghifari and D. Juardi, “Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes,†J. Ilm. Inform., 2021. [15] R. F. P. D. Ikhsan Romli, “Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Klasifikasi Penyakit ISPA,†Indones. J. Bus. Intell., vol. 4, no. 1, pp. 10–15, 2021, doi: 10.21927/ijubi.v4i1.1727. [16] J. Melvin and A. Soraya, “Analisis Perbandingan Algoritma XGBoost dan Algoritma Random Forest Ensemble Learning pada Klasifikasi Keputusan Kredit,†J. Ris. Rumpun Mat. dan Ilmu Pengetah. Alam, vol. 2, no. 2, 2023, doi: 10.55606/jurrimipa.v2i2.1336. [17] Minh Nguyen, Tong He, Lijun An, Daniel C. Alexander, Jiashi Feng, B.T. Thomas Yeo, “Predicting Alzheimer ’ s disease progression using deep recurrent neural,†Neuroimage, vol. 222, no. August, p. 117203, 2020, doi: 10.1016/j.neuroimage.2020.117203. [18] A. T. Tunkiel, D. Sui, and T. Wiktorski, “Impact of data pre-processing techniques on recurrent neural network performance in context of real-time drilling logs in an automated prediction framework,†J. Pet. Sci. Eng., vol. 208, no. PE, p. 109760, 2022, doi: 10.1016/j.petrol.2021.109760.[19] S. W. Yohana Tri Widayati, Yani Prihati, “Analisis dan Komparasi Algoritma Naive Bayes dan C4.5 Untuk Klasifikasi Loyalitas Pelanggan MNC Play Kota Semarang,†TRANSFORMTIKA, vol. 18, no. 2, pp. 161–172, 2021. [20] R. Oktafiani, A. Hermawan, and D. Avianto, “Pengaruh Komposisi Split Data Terhadap Performa Klasifikasi Penyakit Kanker Payudara Menggunakan Algoritma Machine Learning,†J. Sains dan Inform., vol. 9, no. April, pp. 19–28, 2023, doi: 10.34128/jsi.v9i1.622. [21] M. D. Anasanti, K. Hilyati, and A. Novtariany, “Exploring feature selection techniques on Classification Algorithms for Predicting Type 2 Diabetes at Early Stage,†J. Rekayasa Sist. dan Teknol. Inf., vol. 5, no. 158, pp. 832–839, 2022. [22] B. N. Azmi, A. Hermawan, and D. Avianto, “Analisis Pengaruh Komposisi Data Training dan Data Testing pada Penggunaan PCA dan Algoritma Decision Tree untuk Klasifikasi Penderita Penyakit Liver,†J. Teknol. Inf. dan Multimed., vol. 4, no. 4, pp. 281–290, 2023, doi: 10.35746/jtim.v4i4.298 [23] Jussi Pirneskoskia, Joonas Tamminenb, Antti Kallonenb, Jouni Nurmia, Markku Kuismaa, Klaus T. Olkkolad, Sanna Hoppu, “Random forest machine learning method outperforms predicting one-day mortality : A retrospective study,†Resusc. Plus, vol. 4, no. May, p. 100046, 2020, doi: 10.1016/j.resplu.2020.100046. [24] Cafer Mert Ye ¸s ilkanat Science, “Spatio-temporal estimation of the daily cases of COVID-19 in worldwide using random forest machine learning algorithm,†Chaos , Solitons Fractals, vol. 140, 2020, doi: 10.1016/j.chaos.2020.110210. [25] R. Supriyadi, W. Gata, N. Maulidah, and A. Fauzi, “Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merah,†J. Ilm. Ekon. dan Bisnis, vol. 13, no. 2, pp. 67–75, 2020. [26] A. M. Tamrizal and A. Yaqin, “Perbandingan Algoritma Naïve Bayes , K-Nearest Neighbors dan Random Forest untuk Klasifikasi Sentimen Terhadap BPJS Kesehatan pada Media Twitter,†J. Telekomun. dan Komput., vol. 12, no. 1, pp. 1–10, 2022, doi: 10.22441/incomtech.v12i1.13642. [27] R. B. Kurniabudi, Deris Stiawan, Darmawijoyo, Mohd Yazid Bin Idris, Sarjon Defit, Yaya Sudarya Triana, “Improvement of Attack Detection Performance on the Internet of Things Network with PSO-Search and Random Forest,†J. Comput. Sci., 2022, doi: 10.1016/j.jocs.2022.101833. [28] M. D. P. Gde Agung Brahmana Suryanegara, Adiwijaya, “Peningkatan Hasil Klasifikasi pada Algoritma Random Forest untuk Deteksi Pasien Penderita Diabetes Menggunakan Metode Normalisasi,†J. Rekayasa Sist. dan Teknol. Inf., vol. 1, no. 10, pp. 114–122, 2021. [29] W. Aezwani, W. Abu, N. Laila, N. B. Josdi, M. B. Man, and Y. Sudarya, “An Evaluation of Artificial Neural Networks and Random Forests for Heart Disease Prediction,†J. Hunan Univerity (Natural Sci., vol. 49, 2022, doi: 10.55463/issn.1674-2974.49.2.4. [30] R. Matsuo, T. Yamazaki, M. Suzuki, H. Toyama, and K. Araki, “A random forest algorithm-based approach to capture latent decision variables and their cutoff values,†J. Biomed. Inform., vol. 110, no. August, p. 103548, 2020, doi: 10.1016/j.jbi.2020.103548. [31] W. H. Yoga Religia, Agung Nugroho, “Analisis Perbandingan Algoritma Optimasi pada Random Forest untuk Klasifikasi Data Bank Marketing,†J. Rekayasa Sist. dan Teknol. Inf., vol. 1, no. 10, pp. 187–192, 2021. [32] S. Sreejith, H. K. Nehemiah, and A. Kannan, “A clinical decision support system for polycystic ovarian syndrome using red deer algorithm and random forest classifier,†Healthc. Anal., vol. 2, no. August, p. 100102, 2022, doi: 10.1016/j.health.2022.100102. [33] Z. Susanti, P. Sirait, and E. S. Panjaitan, “Peningkatan Kinerja Random Forest Melalui Seleksi Fitur Secara Pca Untuk Mendeteksi Penyakit Diabetes Tahap Awal,†vol. 4, no. 3, pp. 51–56, 2023. [34] S. Oon Wira Yuda, Darmawan Tuti, Lim Sheih Yee, “Penerapan Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Random,†Sains dan Teknol. Inf., 2022, doi: 10.33372/stn.v8i2.885. [35] M. Akhas Rahmadeyan, “Seleksi Fitur pada Supervised Learning : Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19,†J. Nas. Teknol. dan Sist. Inf., vol. 01, pp. 21–32, 2023, doi: TEKNOSI.v9i1.2023.21-32. [36] S. Amaliah and M. Nusrang, “Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi Di Kedai Kopi Konijiwa Bantaeng,†J. Stat. Its Appl. Teach. Res., vol. 4, no. 2, pp. 121–127, 2022, doi: 10.35580/variansiunm31. [37] R. R. Salam, M. F. Jamil, and Y. Ibrahim, “Analisis Sentimen Terhadap Bantuan Langsung Tunai ( BLT ) Bahan Bakar Minyak ( BBM ) Menggunakan Support Vector Machine,†Indones. J. Mach. Learn. Comput. Sci. J., vol. 3, no. April, pp. 27–35, 2023, [Online]. Available: https://journal.irpi.or.id/index.php/malcom/article/view/590 [38] C. Wahyu Surya Gemilang, Purwantoro, “Analisis Sentimen Pengguna Instagram Pada Calon Presiden 2024 Menggunakan Algoritma Support Vector Machine,†J. Mhs. Tek. Inform., vol. 7, no. 4, pp. 2849–2855, 2024. [39] C. Aldrich and L. Auret, “Fault detection and diagnosis with random forest feature extraction and variable importance methods,†IFAC Proc. Vol., vol. 43, no. 9, pp. 79–86, 2014, doi: 10.3182/20100802-3-ZA-2014.00020. [40] Y. Zhao, W. Zhu, P. Wei, P. Fang, X. Zhang, and N. Yan, “Classification of Zambian grasslands using random forest feature importance selection during the optimal phenological period,†Ecol. Indic., vol. 135, p. 108529, 2022, doi: 10.1016/j.ecolind.2021.108529. [41] H. Alsagri and M. Ykhlef, “Quantifying Feature Importance for Detecting Depression using Random Forest,†Int. J. Adv. Comput. Sci. Appl., vol. 11, no. 5, 2020.

Unduhan

Diterbitkan

2024-09-13

Cara Mengutip

Firmansyah, A., Syahidin, M. F., & Triana, Y. S. (2024). Prediksi Kebakaran Hutan Berdasarkan Titik Panas dan Iklim Menggunakan Algoritma Random Forest. Jurnal Nasional Teknologi Dan Sistem Informasi, 10(2), 145–155. https://doi.org/10.25077/TEKNOSI.v10i2.2024.145-155

Terbitan

Vol 10 No 2 (2024): Agustus 2024

Bagian

Articles

Lisensi

Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.

 

Kami menyatakan bahwa:

  1. Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
  2. Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
  3. Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.

    Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.

    Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.

 

Hak / Syarat dan Ketentuan yang dipertahankan :

  1. Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
  2. Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya  ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta  dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
  3. Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.