Klasifikasi Kebakaran Hutan Dan Lahan Menggunakan Algoritma Naïve Bayes Di Kabupaten Pelalawan

Kebakaran hutan dan lahan merupakan salah satu masalah lingkungan dalam hal ekonomis dan ekologis yang merugikan. Jumlah hotspot kebakaran hutan di Provinsi Riau telah meningkat secara dramatis menyebabkan kabut asap yang berbahaya. Penelitian ini bertujuan untuk mengklasifikasi kebakaran hutan dan...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Trya Ayu Pratiwi, Muhammad Irsyad, Rahmad Kurniawan, Surya Agustian, Benny Sukma Negara
Formato:	article
Lenguaje:	ID
Publicado:	Universitas Negeri Medan 2021
Materias:	forest fires land classification naïve bayes pelalawan Electronic computers. Computer science QA75.5-76.95
Acceso en línea:	https://doaj.org/article/cff86445008845699400346fe5a058ae
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:cff86445008845699400346fe5a058ae
record_format	dspace
spelling	oai:doaj.org-article:cff86445008845699400346fe5a058ae2021-11-27T05:26:27ZKlasifikasi Kebakaran Hutan Dan Lahan Menggunakan Algoritma Naïve Bayes Di Kabupaten Pelalawan2502-71312502-714X10.24114/cess.v6i1.22555https://doaj.org/article/cff86445008845699400346fe5a058ae2021-02-01T00:00:00Zhttps://jurnal.unimed.ac.id/2012/index.php/cess/article/view/22555https://doaj.org/toc/2502-7131https://doaj.org/toc/2502-714XKebakaran hutan dan lahan merupakan salah satu masalah lingkungan dalam hal ekonomis dan ekologis yang merugikan. Jumlah hotspot kebakaran hutan di Provinsi Riau telah meningkat secara dramatis menyebabkan kabut asap yang berbahaya. Penelitian ini bertujuan untuk mengklasifikasi kebakaran hutan dan lahan di Kabupaten Pelalawan, Riau. Penelitian ini telah menggunakan 792 data dalam lima tahun (2015-2019). Model klasifikasi kebakaran hutan menggunakan algoritma Naïve Bayes. Atribut yang digunakan untuk klasifikasi terdiri dari suhu, kelembaban, curah hujan, kecepatan angin, dan kelas dari keempat faktor tersebut didapatkan hasil probabilitas tertinggi yaitu suhu dengan nilai 0.978260870 dan nilai akurasi tertinggi adalah dataset tahun 2017 dengan nilai akurasi adalah 81.03% sehingga nilai akurasi tertinggi tersebut dapat diterapkan pada dataset baru yaitu pada tahun 2019 dengan nilai akurasinya adalah 82%. Dengan demikian, dapat disimpulkan bahwa model klasifikasi menggunakan Naïve Bayes memiliki potensi untuk digunakan secara efektif sehingga dapat membantu pihak berwenang dalam mencegah kebakaran hutan dan lahan.Trya Ayu PratiwiMuhammad IrsyadRahmad KurniawanSurya AgustianBenny Sukma NegaraUniversitas Negeri Medanarticleforest fireslandclassificationnaïve bayespelalawanElectronic computers. Computer scienceQA75.5-76.95IDCESS (Journal of Computer Engineering, System and Science), Vol 6, Iss 1, Pp 139-148 (2021)
institution	DOAJ
collection	DOAJ
language	ID
topic	forest fires land classification naïve bayes pelalawan Electronic computers. Computer science QA75.5-76.95
spellingShingle	forest fires land classification naïve bayes pelalawan Electronic computers. Computer science QA75.5-76.95 Trya Ayu Pratiwi Muhammad Irsyad Rahmad Kurniawan Surya Agustian Benny Sukma Negara Klasifikasi Kebakaran Hutan Dan Lahan Menggunakan Algoritma Naïve Bayes Di Kabupaten Pelalawan
description	Kebakaran hutan dan lahan merupakan salah satu masalah lingkungan dalam hal ekonomis dan ekologis yang merugikan. Jumlah hotspot kebakaran hutan di Provinsi Riau telah meningkat secara dramatis menyebabkan kabut asap yang berbahaya. Penelitian ini bertujuan untuk mengklasifikasi kebakaran hutan dan lahan di Kabupaten Pelalawan, Riau. Penelitian ini telah menggunakan 792 data dalam lima tahun (2015-2019). Model klasifikasi kebakaran hutan menggunakan algoritma Naïve Bayes. Atribut yang digunakan untuk klasifikasi terdiri dari suhu, kelembaban, curah hujan, kecepatan angin, dan kelas dari keempat faktor tersebut didapatkan hasil probabilitas tertinggi yaitu suhu dengan nilai 0.978260870 dan nilai akurasi tertinggi adalah dataset tahun 2017 dengan nilai akurasi adalah 81.03% sehingga nilai akurasi tertinggi tersebut dapat diterapkan pada dataset baru yaitu pada tahun 2019 dengan nilai akurasinya adalah 82%. Dengan demikian, dapat disimpulkan bahwa model klasifikasi menggunakan Naïve Bayes memiliki potensi untuk digunakan secara efektif sehingga dapat membantu pihak berwenang dalam mencegah kebakaran hutan dan lahan.
format	article
author	Trya Ayu Pratiwi Muhammad Irsyad Rahmad Kurniawan Surya Agustian Benny Sukma Negara
author_facet	Trya Ayu Pratiwi Muhammad Irsyad Rahmad Kurniawan Surya Agustian Benny Sukma Negara
author_sort	Trya Ayu Pratiwi
title	Klasifikasi Kebakaran Hutan Dan Lahan Menggunakan Algoritma Naïve Bayes Di Kabupaten Pelalawan
title_short	Klasifikasi Kebakaran Hutan Dan Lahan Menggunakan Algoritma Naïve Bayes Di Kabupaten Pelalawan
title_full	Klasifikasi Kebakaran Hutan Dan Lahan Menggunakan Algoritma Naïve Bayes Di Kabupaten Pelalawan
title_fullStr	Klasifikasi Kebakaran Hutan Dan Lahan Menggunakan Algoritma Naïve Bayes Di Kabupaten Pelalawan
title_full_unstemmed	Klasifikasi Kebakaran Hutan Dan Lahan Menggunakan Algoritma Naïve Bayes Di Kabupaten Pelalawan
title_sort	klasifikasi kebakaran hutan dan lahan menggunakan algoritma naïve bayes di kabupaten pelalawan
publisher	Universitas Negeri Medan
publishDate	2021
url	https://doaj.org/article/cff86445008845699400346fe5a058ae
work_keys_str_mv	AT tryaayupratiwi klasifikasikebakaranhutandanlahanmenggunakanalgoritmanaivebayesdikabupatenpelalawan AT muhammadirsyad klasifikasikebakaranhutandanlahanmenggunakanalgoritmanaivebayesdikabupatenpelalawan AT rahmadkurniawan klasifikasikebakaranhutandanlahanmenggunakanalgoritmanaivebayesdikabupatenpelalawan AT suryaagustian klasifikasikebakaranhutandanlahanmenggunakanalgoritmanaivebayesdikabupatenpelalawan AT bennysukmanegara klasifikasikebakaranhutandanlahanmenggunakanalgoritmanaivebayesdikabupatenpelalawan
_version_	1718409193196617728

Klasifikasi Kebakaran Hutan Dan Lahan Menggunakan Algoritma Naïve Bayes Di Kabupaten Pelalawan

Ejemplares similares