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

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