Article Per Year (5 Year)
p-Index From 2020 - 2025
1.756
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) Media Statistika TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnas Nasional Teknologi dan Sistem Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Ilmiah FIFO Jurnal Ilmu Komputer Dan Informatika Jurnal Pengabdian Masyarakat Nasional Journal Collabits
Yaya Sudarya Triana
Universitas Mercu Buana
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnas Nasional Teknologi dan Sistem Informasi

 1 
Prediksi Kebakaran Hutan Berdasarkan Titik Panas dan Iklim Menggunakan Algoritma Random Forest Firmansyah, Aditya; Syahidin, Muhammad Farhan; Triana, Yaya Sudarya
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10, No 2 (2024): Agustus 2024
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i2.2024.145-155

Abstract

Kebakaran hutan dan lahan semakin sering terjadi, menyebabkan dampak lingkungan yang menyebar ke luar wilayah kebakaran. Permasalahan yang terjadi salah satunya karena musim kemarau yang panjang di wilayah Kabupaten Ogan Komering Ilir Provinsi Sumatra Selatan yang menjadi faktor utama dalam meningkatnya risiko kebakaran, sebanyak 1.111 titik kebakaran tercatat pada tahun 2023. Permasalahan lainnya juga pada titik panas yang salah mendeteksi kebakaran yang seharusnya tidak kebakaran dan kasus tidak kebakaran yang seharusnya kebakaran, hal tersebut menyebabkan kerugian lingkungan maupun kerugian dana. Oleh karena itu, dibutuhkan model klasifikasi untuk memprediksi kasus kebakaran. Penelitian ini menggunakan gabungan data titik panas dan data iklim sebanyak 4343 data menggunakan metode Random Forest. Proses yang dilakukan yaitu studi literatur dan tahapan prediksi yang terdiri dari web scraping, data pre-processing, splitting data, pemodelan, dan evaluasi. Hasil penelitian berupa laporan klasifikasi, confusion matrix, dan feature importance. Hasil pengujian menunjukkan tingkat akurasi model yang baik sebesar 85.8% yang menunjukkan model menghitung seberapa tepat kinerja yang dilakukan model. Dengan penerapan model menggunakan metode Random Forest, model prediksi ini mengidentifikasi kasus kebakaran sangat baik sehingga informasi ini dapat digunakan untuk keputusan manajemen penanggulangan kebakaran dengan tepat dan meminimalisir terjadinya kerugian.
Prediksi Kebakaran Hutan Berdasarkan Titik Panas dan Iklim Menggunakan Algoritma Random Forest Firmansyah, Aditya; Syahidin, Muhammad Farhan; Triana, Yaya Sudarya
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 2 (2024): Agustus 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i2.2024.145-155

Abstract

Kebakaran hutan dan lahan semakin sering terjadi, menyebabkan dampak lingkungan yang menyebar ke luar wilayah kebakaran. Permasalahan yang terjadi salah satunya karena musim kemarau yang panjang di wilayah Kabupaten Ogan Komering Ilir Provinsi Sumatra Selatan yang menjadi faktor utama dalam meningkatnya risiko kebakaran, sebanyak 1.111 titik kebakaran tercatat pada tahun 2023. Permasalahan lainnya juga pada titik panas yang salah mendeteksi kebakaran yang seharusnya tidak kebakaran dan kasus tidak kebakaran yang seharusnya kebakaran, hal tersebut menyebabkan kerugian lingkungan maupun kerugian dana. Oleh karena itu, dibutuhkan model klasifikasi untuk memprediksi kasus kebakaran. Penelitian ini menggunakan gabungan data titik panas dan data iklim sebanyak 4343 data menggunakan metode Random Forest. Proses yang dilakukan yaitu studi literatur dan tahapan prediksi yang terdiri dari web scraping, data pre-processing, splitting data, pemodelan, dan evaluasi. Hasil penelitian berupa laporan klasifikasi, confusion matrix, dan feature importance. Hasil pengujian menunjukkan tingkat akurasi model yang baik sebesar 85.8% yang menunjukkan model menghitung seberapa tepat kinerja yang dilakukan model. Dengan penerapan model menggunakan metode Random Forest, model prediksi ini mengidentifikasi kasus kebakaran sangat baik sehingga informasi ini dapat digunakan untuk keputusan manajemen penanggulangan kebakaran dengan tepat dan meminimalisir terjadinya kerugian.
Co-Authors Adji Pratomo Anggito Susilo Anindyka Elras Saputri Anjar Rochana Budi Susatyo Deris Stiawan Dwi Prasetyo Firmansyah, Aditya Fitri Anggri Maharani Fitri Herawati Fryda Farizha Adrianti Helvywidya Utari Hendri Gunawan Huda, Darul Fitahul Jumaryadi, Yuwan Kaburuan, Emil Robert Krisna Pangestu L. Muhamad Safiih Lilla Chairunnisa Mohd Azam Osman Muhammad Fermi Pasha Osman, Mohd Azam Palinggi, Owen Baan Permana, Muhamad Bagas Priyono, Kus Andi Rahmad, Khozaeni Bin Rahmat Budiarto Rahmat Budiarto Raziv Herman Diputra Retnowardhani, Astari Siti Maesaroh Sumantri, Bagas Syahidin, Muhammad Farhan