Klasifikasi Kemunculan Titik Panas Pada Lahan Gambut Di Sumatera Dan Kalimantan Menggunakan Algoritme Naive Bayes

Abstract

Dampak kebakaran hutan di lahan gambut lebih berbahaya dibandingkan pada lahan kering, karena selain terbakarnya vegetasi di permukaan, lapisan serasah dan meterial gambut ikut terbakar sehingga menghasilkan karbon (CO2) ke atmosfer. Hal ini akan berdampak buruk pada kesehatan manusia, peningkatan gas emisi rumah kaca, dan kegiatan perekonomian masyarakat. Salah satu indikator terjadinya kebakaran hutan adalah titik panas. Penelitian ini menggunakan salah satu teknik data mining yaitu klasifikasi untuk memodelkan kemunculan titik panas pada lahan gambut di Sumatera dan Kalimantan. Permodelan klasifikasi ini dilakukan pada dataset titik panas periode 2001 sampai 2015 dan data lahan gambut menggunakan algoritme Naive Bayes. Karakteristik lahan gambut yang akan dianalisis terdiri dari lahan gambut, kedalaman gambut, dan tutupan lahan. Akurasi tertinggi dari model klasifikasi kemunculan titik panas pada lahan gambut pada dataset tahun 2006 untuk Kalimantan dan dataset tahun 2014 untuk Sumatera adalah sebesar 100%. Model klasifikasi dapat digunakan untuk memprediksi kemunculan titik panas di masa yang akan datang sehingga dapat membantu dalam mencegah kebakaran hutan dan lahan.