Prediksi Temporal untuk Kemunculan Titik Panas di Kabupaten Rokan Hilir Riau Menggunakan Long Short Term Memory RNN

Abstract

Kebakaran hutan merupakan salah satu penyebab menurunnya jumlah hutan yang menghasilkan emisi partikel tinggi yang dapat membahayakan kesehatan manusia. Penurunan jumlah hutan di Indonesia mencapai angka ±4.5 juta Ha atau sekitar 1.13 juta Ha per tahun. Berdasarkan hasil pemantauan NOAA pada tahun 2003, Provinsi Riau memiliki 55% titik panas dari seluruh titik panas yang ada di wilayah Sumatera. Salah satu cara untuk mengurangi penurunan jumlah hutan adalah dengan memprediksi kemunculan titik panas. Penelitian ini membangun sebuah model untuk memprediksi kemunculan titik panas di Kabupaten Rokan Hilir Provinsi Riau dengan menggunakan Long short term memory recurrent neural network (LSTM RNN). LSTM RNN 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 LSTM RNN ini baik dalam memprediksi nilai aktual, namun tidak cukup baik pada nilai yang sangat tinggi. Hasil pembelajaran menggunakan LSTM RNN dengan arsitektur berdasarkan plot autokorelasi parsial untuk menentukan node lapisan masukan mendapatkan nilai korelasi sebesar 0.99 dan RMSE sebesar 88.54.