<![CDATA[Kebakaran hutan adalah salah satu bencana alam yang sering terjadi dan membawa dampak buruk bagilingkungan dan masyarakat sekitar. Pemahaman faktor-faktorpenyebab serta prediksi kejadian kebakaran hutan dapatmembantu dalam pencegahan dan penanganan dini. Penelitianini mengembangkan model prediksi parameter penyebabkebakaran hutan menggunakan algoritma ExponentialSmoothing. Data time series yang diambil dari BMKG (BadanMeteorologi dan Geofisika) diolah untuk mendapatkan modelyang akurat. Diharapkan dengan adanya model ini, pihakberwenang dapat lebih proaktif dalam mengatasi dan mencegahkebakaran hutan di masa mendatangPenelitian ini bertujuan mengembangkan model prediksipenyebab kebakaran hutan berdasarkan parameter sepertisuhu, kelembaban, kecepatan angin, dan curah hujan.Memahami parameter ini penting bagi pihak berwenang untukintervensi dini, mengingat dampak kebakaran terhadaplingkungan dan masyarakat. Melalui Exponential Smoothing,studi ini menawarkan solusi teknis untuk prediksi danpencegahan kebakaran.Model pembelajaran mesin, dengan nilai R2 di atas 0,50 danMAE serta RMSE di bawah 0,2, menunjukkan keefektifannyadalam skenario ini. Model akan diterapkan di sebuah situs webuntuk memastikan keterjangkauan bagi semua orang,berfungsi sebagai alat bermanfaat untuk memprediksi danmengurangi risiko kebakaran hutan di Indonesia. Kata kunci— Kebakaran hutan, Exponential Smoothing, BMKG (Badan Meteorologi dan Geofisika), Model Pembelajaran Mesin]]>
