DETEKSI POTENSI KEBAKARAN BERDASARKAN KLASIFIKASI DATA TITIK PANAS (HOT SPOT) DENGAN METODE SUPPORT VECTOR MACHINE (SVM) (Studi Kasus : Pulau Papua)

Febrianti, Rika and Arie, Vatresia and Aan, Erlanshari (2019) DETEKSI POTENSI KEBAKARAN BERDASARKAN KLASIFIKASI DATA TITIK PANAS (HOT SPOT) DENGAN METODE SUPPORT VECTOR MACHINE (SVM) (Studi Kasus : Pulau Papua). Undergraduated thesis, Fakultas Teknik.

[img] Archive (Thesis)
SKRIPSI_Rika Febrianti_G1A015014.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (3MB)

Abstract

Kebakaran hutan/lahan merupakan salah satu bencana yang mengakibatkan masalah pada lingkungan dan ekonomi. Pulau Papua termasuk wilayah yang sering mengalami kebakaran hutan/lahan dan tercatat memiliki luas kebakaran dari tahun 2013 hingga 2018 mencapai 2.092.44 (Ha). Salah satu indikator terjadinya kebakaran hutan/lahan dapat diketahui dengan kemunculan hotspot. Sebagai upaya penanggulangan kebakaran hutan/lahan, penelitian ini memanfaatkan data hotspot yaitu, latitude, longitude, brightness temperature, fire radiative power dan confidence untuk mengetahui wilayah yang memiliki hotspot dan mengklasifikasikan data hotspot kedalam tiga potensi kebakaran yaitu rendah, normal dan tinggi. Penelitian ini mengimplementasikan metode Support Vector Machine (SVM) untuk klasifikasi data hotspot. Hasil dari penelitian ini menunjukkan metode SVM dapat digunakan dalam proses klasifikasi data hotspot di Pulau Papua selama tiga tahun yaitu tahun 2016, 2017 dan 2018 dengan hasil potensi kebakaran. Pada kelas rendah terdapat 655 data hotspot termasuk dalam kategori potensi kebakaran rendah. Pada kelas normal terdapat 6.354 hotspot dengan potensi sedang. Sementara itu pada kelas tinggi terdapat 2.022 hotspot yang berpotensi kebakaran tinggi. Lebih jauh penelitian ini menghasilkan nilai kebenaran senilai 100% untuk teknik pengujian Kernel Polinomial pada Confusion Matrix. Penelitian ini dapat menjadi acuan untuk penelitian lebih lanjut dalam berbagai bidang keilmuan, termasuk analisa dampak dan pengambilan keputusan. Penelitian ini juga dapat diintegrasikan untuk keseluruhan data hotspot seluruh Indonesia. Kata kunci : Klasifikasi, Support Vector Machine, Polynomial Kernel,titik panas.

Item Type: Thesis (Undergraduated)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: 022 Lili Haryanti
Date Deposited: 04 Dec 2020 03:05
Last Modified: 04 Dec 2020 03:05
URI: http://repository.unib.ac.id/id/eprint/21962

Actions (login required)

View Item View Item