Implementasi Fuzzy Time Series untuk Memprediksi Jumlah Kemunculan Titik Api
| Main Author: | Pambudi, Rizki Agung |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/13430/1/Rizki%20Agung%20Pambudi.pdf http://repository.ub.ac.id/13430/ |
Daftar Isi:
- Salah satu bentuk bencana adalah kebakaran. Kebakaran hutan dan lahan sering menyebabkan bencana asap yang dapat mengganggu aktivitas dan kesehatan masyarakat sekitar. Kebakaran hutan dan lahan dapat disebabkan oleh faktor alami atau perbuatan manusia. Kebakaran hutan dan lahan memberikan dampak yang merugikan di bidang biologi, kesehatan, ekonomi, dan iklim. Kebakaran di Indonesia termasuk masalah umum yang perlu diperhatikan karena terjadi setiap tahun. Kebakaran dapat dipantau lewat satelit dengan cara mendeteksi kemunculan titik api pada permukaan Bumi. Tingkat kebakaran yang terus meningkat dari tahun ke tahun ini perlu diwaspadai dan dicegah. Maka dari itu, perlu dilakukan penelitian untuk memprediksi jumlah kemunculan titik api sebagai identifikasi adanya kebakaran. Penelitian ini mengusulkan dan membuat program untuk memprediksi jumlah kemunculan api di Pulau Jawa menggunakan Fuzzy Time Series. Data yang digunakan adalah data titik api di Pulau Jawa dari awal tahun 2012 sampai akhir tahun 2016. Alasan dipilihnya Pulau Jawa adalah titik api di Pulau Jawa lebih mudah diawasi karena banyaknya penduduk dan lebih sedikitnya hutan. Pengujian yang dilakukan pada penelitian ini ada dua, yaitu pengujian interval (serta perbandingan prediksi) dan pengujian variasi data latih. Pengujian dilakukan untuk mengetahui dan mencari akurasi paling baik dari prediksi jumlah kemunculan titik api periode bulanan dan 10 hari. Prediksi jumlah kemunculan titik api bulanan terbaik menghasilkan MAPE = 37,128% dengan parameter banyak data latih = 80%, banyak data uji = 100%, dan banyak interval = 22. Hasil prediksi jumlah kemunculan titik api bulanan termasuk prediksi yang layak karena nilai MAPE berada pada rentang 20%-50%. Prediksi jumlah kemunculan titik api periode 10 hari terbaik menghasilkan MAPE = 64,4429% dengan parameter banyak data latih = 80%, banyak data uji = 100%, dan banyak interval = 6. Prediksi jumlah kemunculan titik api periode 10 termasuk prediksi yang kurang akurat. Maka dari itu, penelitian lebih dapat dilanjutkan untuk memperbaiki tingkat error.