<![CDATA[sering terjadi di perkotaan kebakaran yang terjadi tidak dapat di prediksikan penyebabnya dan kapan terjadinya bencana itu datang, dengan persiapan dan peringatan dini adalah salah satu upaya pengecahan bencana kebakaran. Masalah yang sering dihadapi adalah masyarakat yang kurang informasi terhadap pencegahan kebakaran di daerah tersebut. Meningkatnya di daerah rawan kebakaran tersebut membutuhkan upaya perlindungan kebakaran. Kebakaran di DKI Jakarta membutuhkan perhatian khusus dalam menanggulangi kebakaran. Salah satu upaya pencegahan kebakaran yaitu dengan memberikan langkah-langkah mitigasi terhadap daerah yang terindentifikasi sebagai daerah rawan dan memberikan informasi kepada pemerintah terkait strategi yang akan dilakukan untuk daerah yang rawan kebakaran. Berdasarkan hal tersebut penelitian ini mengaplikasikan dengan metode data mining untuk membandingkan kinerja algoritma Multilayer Perceprton dan Convolutional Neural Network dari berbagai eksperimen untuk menemukan algoritma yang memiliki akurasi tertinggi dengan prediksi yang tepat dalam mengklasifikasikan kebakaran sebagai durasi kebakaran yaitu sebentar, sedang atau lama.Proses klasifikasi di evaluasi dengan menggunakan cross Validation dan Confusion matrix. Dari hasil perbandingan penggunaan kedua algoritma menunjukkan bahwa Multilayer Perceptron dengan akurasi sebesar 99% , Hasil Epoch dengan hasil akurasi terbaik pada epoch 50 yaitu 99.61% dan cross validation menggunakan 10 fold untuk nilai validasi akurasi sebesar 98.12%. Sedangkan algoritma Convolutional Neural Network dengan akurasi sebesar 97% , Hasil Epoch dengan hasil akurasi terbaik pada epoch 50 yaitu 97.5% dan cross validation menggunakan 20 fold untuk nilai validasi akurasi sebesar 86.52%. Dari Hasil dataset tersebut menunjukkan bahwa algoritma Multilayer Perceptron lebih mengungguli dari pada algoritma Convolutional Neural Network. Untuk pengembangan berikutnya, studi ini bisa dilanjutkan menjadi model dalam sebuah aplikasi peringatan dini terhadap bencana kebakaran di DKI Jakarta.]]>
