Algoritma Klasifikasi Multilayer Perceptron Dalam Analisa Data Kebakaran Hutan

Abstract

Kebakaran hutan atau yang sering disebut dengan wildfire merupakan salah satu isu lingkungan yang utama karena berdampak negatif terhadap kelestarian hutan, merugikan lingkungan dan ekonomi, serta merugikan masyarakat. Kebakaran hutan adalah kondisi di mana hutan terbakar, merusak hasil hutan dan menyebabkan kerusakan ekologi dan ekonomi. Tujuan dari peramalan kebakaran hutan adalah untuk mengetahui seberapa sering terjadi kebakaran hutan. Oleh karena itu, proses analisis data dilakukan dengan menggunakan teknik machine learning tradisional melalui metode Random Forest, Decision Tree, Logistic Regression, Naive Bayes dan Multilayer Perceptron. Mengetahui keakuratan dan nilai hasil F1 memungkinkan membandingkan metode ini dengan bahasa pemrograman Python. Hasil pengujian menunjukkan bahwa pendekatan Multilayer Perceptron mengungguli metode Random Forest, Decision Tree, Logistic Regression dan Nave Bayes dengan nilai akurasi masing-masing sebesar 93,35% dan F1 Score 93,69% dengan ukuran hidden layer sebesar 64,64. Dibandingkan dengan pendekatan lain yang dipelajari, nilai metode multilayer perceptron cukup signifikan. Penelitian ini dapat membantu menentukan kemungkinan kebakaran hutan.