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

Abstract

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.

Keywords

• kebakaran hutan
• prediksi
• klasifikasi
• random forest
• web scraping