Konstruksi Artificial Neural Network untuk Pemodelan Jumlah Hotspot Berdasarkan Indikator Iklim

Abstract

Hotspot merupakan salah satu indikator terjadinya kebakaran hutan yang dipengaruhi oleh indikator iklim lokal dan global di suatu wilayah. Beberapa penelitian sebelumnya menunjukkan keterkaitan antara iklim dengan hotspot sehingga dimungkinkan untuk melakukan pemodelan jumlah hotspot berdasarkan indikator iklim. Penelitian ini mengonstruksi Artificial Neural Network (ANN) untuk memodelkan jumlah hotspot di Kalimantan. Proses konstruksi dilakukan dengan menguji kombinasi hyperparameter model ANN dan menganalisis performanya. Melalui model dengan performa terbaik, tiap indikator iklim diukur tingkat pengaruhnya terhadap jumlah hotspot menggunakan metode permutation feature importance. Hasilnya, model ANN terbaik diperoleh dengan kombinasi satu hidden layer, lima node pada hidden layer, serta dilatih dengan metode pelatihan Nadam, laju pembelajaran 0,01, dan loss function mean absolute error. Indikator iklim hari tanpa hujan yang diturunkan dari curah hujan memberikan efek paling berpengaruh terhadap jumlah hotspot karena indikator tersebut merupakan fitur paling penting bagi model terbaik.