Prediksi Temporal untuk Kemunculan Titik Panas di Provinsi Riau menggunakan Elman Recurrent Neural Network

Abstract

Kebakaran hutan adalah salah satu faktor menurunnya jumlah hutan yang dapat berasal dari manusia ataupun keadaan alamnya. Berdasarkan data Kementrian Lingkungan Hidup, luas kebakaran hutan tahun 2014 di Provinsi Riau menduduki peringkat pertama dari keseluruhan provinsi di Indonesia. Dari fakta tersebut, diperlukan sebuah cara untuk mengantisipasi adanya kebakaran hutan terutama pada daerah yang sering terjadi kebakaran hutan, yaitu di Provinsi Riau. Salah satu cara mengantisipasinya adalah dengan memprediksi frekuensi kemunculan titik panas. Salah satu metode untuk melakukan prediksi dengan pola pembelajaran adalah menggunakan Elman recurrent neural network (ERNN). ERNN merupakan salah satu metode peramalan yang dapat digunakan untuk memprediksi kemunculan titik panas dengan mempelajari pola data latih yang berasal dari data yang berbentuk deret waktu. Hasil dari pembelajaran ERNN ini baik dalam memprediksi nilai dengan titik ekstrim data aktual. Hasil pembelajaran menggunakan ERNN dengan arsitektur berdasarkan plot autokorelasi parsial untuk menentukan node lapisan masukan mendapatkan nilai MAPE sebesar 67.54% dan RMSE sebesar 252.98.