KLASIFIKASI DATA TITIK API MENGGUNAKAN ALGORITME SUBTRACTIVE FUZZY C-MEANS (STUDI KASUS : TITIK API PULAU SUMATERA TAHUN 2016, 2017 DAN 2018)

Kebakaran hutan/lahan yang terjadi di Indonesia masih menjadi bencana yang
perlu diperhatikan karena dampak yang diakibatkan menimbulkan banyak
kerugian meliputi aspek ekonomi, ekologi, sosial serta kesehatan. Pulau Sumatera
tercatat sebagai penyumbang kejadian kebakaran yang cukup banyak dan
beberapa provinsi di pulau Sumatera tercatat sebagai penyumbang kabut asap
terbanyak se-Indonesia, bahkan kabun asap tersebut meluassampai ke luar negeri.
Hotspot atau titik api merupakan suatu indikator terjadinya kebakaran hutan atau
lahan dimana suhu permukaan relatif lebih tinggi dari pada suhu disekitarnya.
Namun sampai saat ini, penelitian tentang pola sebaran titik api masih terbatas.
Dengan kemajuan teknologi pemrosesan data dapat berlangsung dengan lebih
baik menggunakan bahasa pemprograman PHP, Tools Google Map API dan
metode pengembangan Waterfall. Pada penelitian ini mengintegrasikan sistem
pengolahan data dengan pendekatan baru pada Subtractive Fuzzy C-Means untuk
mengklasifikasikan data hotspot yang memberikan hasil lebih baik dari algoritme
sebelumnya. Sistem ini berhasil mengelompokkan data titik api dengan 3
tingkatan yaitu titik api melalui pemrosesan input berupa fire radiative power,
confidence, dan brightness temperature, dengan output berupa kelompok hotspot
yaitu titik api perlu diperhatikan, perlu diwaspadai dan segera penanggulangan
dalam kurun waktu 2016, 2017 dan 2018. Penelitian ini menemukan bahwa titik
api paling banyak muncul pada bulan agustus pada kurun waktu tersebut.
sementara kelompok titik api yang paling banyak ditemukan adalah pada
kelompok”segera penanggulangan”. Selain itu, penelitian ini menemukan bahwa
untuk setiap nilai error (0,1-0,001), algoritme ini kerja optimal pada jumlah data
200. Penelitian ini dapat menjadi inisiasi untuk pengolahan data dengan yang
lebih besar yang dapat mengantisipasi munculnya titik api secara spatial.
Disarankan dalam penelitian selanjutnya dapat menggunakan bahasa pemprogram
yang lain seperti R dan Java, dan bisa juga menggunakan aplikasi khusus untuk
melakukan perhitungan dalam jumlah data yang besar seperti Matlab atau R�Studio untuk mendapatkan hasil yang lebih baik.
Kata kunci : Titik api, Sumatera, Subtractive Fuzzy C-Means, Klasifikasi