Klasifikasi Kebakaran Hutan Dan Lahan Menggunakan Algoritma Naïve Bayes Di Kabupaten Pelalawan

Trya Ayu Pratiwi, Muhammad Irsyad, Rahmad Kurniawan, Surya Agustian, Benny Sukma Negara

Abstract


Kebakaran hutan dan lahan merupakan salah satu masalah lingkungan dalam hal ekonomis dan ekologis yang merugikan. Jumlah hotspot kebakaran hutan di Provinsi Riau telah meningkat secara dramatis menyebabkan kabut asap yang berbahaya. Penelitian ini bertujuan untuk mengklasifikasi kebakaran hutan dan lahan di Kabupaten Pelalawan, Riau. Penelitian ini telah menggunakan 792 data dalam lima tahun (2015-2019). Model klasifikasi kebakaran hutan menggunakan algoritma Naïve Bayes. Atribut yang digunakan untuk klasifikasi terdiri dari suhu, kelembaban, curah hujan, kecepatan angin, dan kelas dari keempat faktor tersebut didapatkan hasil probabilitas tertinggi yaitu suhu dengan nilai 0.978260870 dan nilai akurasi tertinggi adalah dataset tahun 2017 dengan nilai akurasi adalah 81.03% sehingga nilai akurasi tertinggi tersebut dapat diterapkan pada dataset baru yaitu pada tahun 2019 dengan nilai akurasinya adalah 82%. Dengan demikian, dapat disimpulkan bahwa model klasifikasi menggunakan Naïve Bayes memiliki potensi untuk digunakan secara efektif sehingga dapat membantu pihak berwenang dalam mencegah kebakaran hutan dan lahan.

Keywords


Forest fires; Land; Classification; Naïve Bayes; Pelalawan

Full Text:

PDF

References


Andi Nugroho, A., Iwan, I., Iroh Nur Azizah, K., & Hakim Raswa, F. (2019). Peatland Forest Fire Prevention Using Wireless Sensor Network Based on Naïve Bayes Classifier. KnE Social Sciences, 2019, 20–34. https://doi.org/10.18502/kss.v3i23.5134

Asfihan, A. (2019). Decision Tree Adalah : Jenis, Manfaat, Kelebihan dan Kekurangannya.

BNPB. (2019). Rekapitulasi Luas Kebakaran Hutan dan Lahan (Ha) Per Provinsi Di Indonesia Tahun 2011-2018. SiPongi - Karhutla Monitoring Sistem, (1), 26–27. https://doi.org/10.1103/PhysRevB.65.020504

Bustami. (2014). PENERAPAN ALGORITMA NAIVE BAYES. 8(1).

Cahya. (2018). Implementasi Data Mining Algoritma k-Nearest Neighbors (k-NN) menggunakan PHP dan MySQL untuk memprediksi kelulusan mahasiswa tepat waktu.

Dewi, S. (2016). Komparasi 5 Metode Algoritma Klasifikasi Data Mining Pada Prediksi Keberhasilan Pemasaran Produk Layanan Perbankan. None, 13(1), 60–66.

Itsnaini, N., Sasmito, B., Sukmono, A., & Prasasti, I. (2017). Analisis Hubungan Curah Hujan Dan Parameter Sistem Peringkat Bahaya Kebakaran (Spbk) Dengan Kejadian Kebakaran Hutan Dan Lahan Untuk Menentukan Nilai Ambang Batas Kebakaran. Jurnal Geodesi Undip, 6(2), 62–70.

KLHK. (2019). Kementerian Lingkungan Hidup dan Kehutanan.

Kompas.com. (2019). 4 Upaya Pemerintah Padamkan Kebakaran Hutan. Retrieved from https://www.kompas.com/tren/read/2019/09/17/213000265/4-upaya-pemerintah-padamkan-kebakaran-hutan?page=all#page3. website:

https://www.kompas.com/tren/read/2019/09/17/213000265/4-upaya-pemerintah-padamkan-kebakaran-hutan?page=all#page3.

LAPAN. (2019). Lembaga Penerbangan dan Antariksa Nasional. 2016. Informasi Titik Panas (Hotspot) Kebakaran Hutan/Lahan. Retrieved from https://modis-catalog.lapan.go.id/monitoring/

Laroussi, H. M. M. A. (2015). Implementasi algoritma naïve bayes sebagai proses seleksi penerima beasiswa libyan embassy berbasis web.

Maulida, L. (2018). Kunjungan Wisatawan Ke Objek Wisata Unggulan Di Prov . Dki Jakarta Dengan K-Means. JISKa, 2(3), 167–174.

Menhut. (2016). Peraturan Menteri Kehutanan Republik Indonesia Nomor P.32 Tahun 2016 tentang Pengendalian Kebakaran Hutan. Jakarta (ID): Menteri Kehutanan Republik Indonesia.

Misfaul, M., Dana, M., Kurniawan, W., & Fitriyah, H. (2018). Rancang Bangun Sistem Deteksi Titik Kebakaran Dengan Metode Naive Bayes Menggunakan Sensor Suhu dan Sensor Api Berbasis Arduino. 2(9), 3384–3390.

Mulyana, E. (2019). Bencana Kabut Asap Akibat Kebakaran Hutan Dan Lahan Serta Pengaruhnya Terhadap Kualitas Udara Di Provinsi Riau Februari – Maret 2014. Jurnal Sains Dan Teknologi Indonesia, 16(3), 1–7. https://doi.org/10.29122/jsti.v16i3.3417

Negara, B. S., & Kurniawan, R. (2019). Riau Forest Fire Prediction using Supervised Machine Learning. (September 2019).

Novriansyah, D. (2015). Konsep Data Mining VS Sistem Pendukung Keputusan. Yogyakarta: Deepublish.

Nugroho, P. (2017). Klasifikasi tingkat kerawanan kebakaran hutan dan lahan menggunakan algoritme naïve bayes di pulang pisau, kalimantan tengah.

Oktaviana, W. (2017). “Optimasi basis pengetahuan menggunakan algoritma FP-Growth untuk membangun struktur Bayesian Network Penyakit mata. 1–5.

Pattekari, S.A.; Parveen, A. (2012). Prediction system for heart disease using Naïve Bayes. International Journal of Advanced Computer and Mathematical Sciences, 3(3), 290–294.

Pei J, Kamber M, H. J. (2012). Data Mining: Concepts and Techniques 3rd ed. Massachusetts (US): Morgan Kaufmann Publisher.

Peraturan Menteri Kehutanan Nomor: P. 12/Menhut-Ii/2009 tentang Pengendalian Kebakaran Hutan. (2009). https://doi.org/10.18860/ling.v5i1.609

Pramesti, D. F., Furqon, M. T., & Dewi, C. (2017). Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan / Lahan Berdasarkan Persebaran Titik Panas ( Hotspot ). 1(9), 723–732.

Putrada, A. M., Abdurohman, M., & Putrada, A. G. (2018). Increasing Smoke Classifier Accuracy using Naïve Bayes Method on Internet of Things. Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control, 4(1), 19–26. https://doi.org/10.22219/kinetik.v4i1.704

Reza Noviansyah, M., Rismawan, T., Marisa Midyanti, D., Sistem Komputer, J., & MIPA Universitas Tanjungpura Jl Hadari Nawawi, F. H. (2018). Penerapan Data Mining Menggunakan Metode K-Nearest Neighbor Untuk Klasifikasi Indeks Cuaca Kebakaran Berdasarkan Data Aws (Automatic Weather Station) (Studi Kasus: Kabupaten Kubu Raya). Jurnal Coding, Sistem Komputer Untan, 6(2), 48–56. Retrieved from http://jurnal.untan.ac.id/index.php/jcskommipa/article/view/26672

Rizka, Y. A. (2016). Klasifikasi kemunculan titik panas pada lahan gambut di sumatera dan kalimantan menggunakan algoritme naive bayes.

Roswintiarti, D. O. (2016). Informasi Titik Panas (Hotspot) Kebakaran Hutan/Lahan. 1.

Saleh, A. (2015). Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. 2(3), 207–217.

Setiawan, A. (2018). Kebijakan Penanganan Kebakaran Hutan dan Lahan di Indonesia. Political Ecology, VI(May), 1–13.

Suntoro, J. (2019). Data Mining: Algoritma dan Implementasi dengan Pemograman PHP. Jakarta: PT ELEX MEDIA KOMPUTINDO.

Widiastuti, D., Informasi, J. S., & Gunadarma, U. (2012). ANALISA PERBANDINGAN ALGORITMA SVM , NAIVE BAYES , DAN DECISION TREE DALAM MENGKLASIFIKASIKAN SERANGAN ( ATTACKS ). 1–8.

Witten, Ian H. Frank, E. H. (2011). Data Mining Practical Machine Learning Tools and Techniques. In Encyclopedia of Ecology, Five-Volume Set (third). https://doi.org/10.1016/B978-008045405-4.00153-1

Wu, X., Kumar, V., … Dan, J. H. (2008). Top 10 algorithms in data mining. https://doi.org/10.1007/s10115-007-0114-2




DOI: https://doi.org/10.24114/cess.v6i1.22555

Article Metrics

Abstract view : 2579 times
PDF - 2270 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License