Klasterisasi Data Titik Api Menggunakan Metode Self Organizing Map di Wilayah Jawa
Kata Kunci:
kebakaran lahan, titik api, klaster, SOM, SCAbstrak
Peristiwa kebakaran hutan dapat terjadi secara alami ataupun buatan yang berdampak pada kerusakan lingkungan dan kerugian dari segala aspek. Kebakaran hutan di Indonesia semakin meningkat setiap tahunnya. Hal ini terjadi karena Indonesia memiliki banyak lahan gambut dan curah hujan di musim kemarau kurang dari setengah dari curah hujan normal atau dikenal sebagai fenomena El Nino Southern Oscillation (ENSO). Indikasi awal terjadinya kebakaran hutan dapat dilihat melalui titik api (hotspot). Pada tahun 2010 hingga 2018 ditemukan 14,070 titik api pada wilayah Jawa. Salah satu cara untuk mendeteksi kebakaran lahan adalah dengan membagi data titik api menjadi beberapa kelompok menggunakan metode Self Organizing Map (SOM). Untuk mengukur kualitas klaster yang terbentuk maka digunakan algoritme Silhouette Coefficient (SC). Berdasarkan hasil pengujian didapatkan nilai SC tertinggi yaitu sebesar 0,248945455 dengan nilai jumlah neuron yaitu 3, nilai alpha yaitu 0,1, nilai epoch maksimum yaitu 18 dan nilai pengurangan learning rate yaitu 0,1. Pada tahun 2017 nilai SC yang dihasilkan yaitu 0,23416068940874324. Hasilnya adalah wilayah Jawa bagian timur memiliki peluang yang besar akan kebakaran lahan jika dilihat dari titik api yang muncul dan nilai confidence.