Journal of Software Engineering, Information and Communication Technology
Vol 1, No 1: December 2020

Implementasi Metode XGBoost dan Feature Important untuk Klasifikasi pada Kebakaran Hutan dan Lahan

Ichwanul Muslim Karo Karo (Universitas Telkom)



Article Info

Publish Date
08 Mar 2022

Abstract

Kebakaran hutan dan lahan di Indonesia telah menjadi masalah krisis lingkungan tahunan. Sebaran kebakaran hutan terbesar terjadi dipulau Sumatera. Salah satu upaya tindakan dalam pencegahan dan meminimalisasikan resiko kebakaran hutan adalah dengan mengklasifikasikan jenis titik panas di lahan, sehingga di dapat skala prioritas dalam pemadaman titik api. Penelitian ini bertujuan mengklasifikasikan type titik panas dengan metode XGBoost dan feature importance yang terdapat di pulau Sumatera. Data titik panas diperoleh dari Globalforestwatch.com. Proses mengurangi variabel dari data yang diperoleh menghasil dampak yang sangat signifikan pada model klasifikasi. Terapat enam dan atau tujuh variabel yang sangat berpengaruh dalam menentukan titik panas, variabel tersebut jugalah yang menghasilkan model klasfikasi terbaik. XGBoost dan feature importance menghasilkan akurasi sebesar 89.52%. Sensitivity (SE), Specificity (SP), dan Matthews Correlation Coefficient (MCC).secara berturut turut 91.32 %, 93.16 % dan 92.75 %. Metode ini juga lebih baik dibandingkan dengan hasil penelitian sebelumnya.

Copyrights © 2020






Journal Info

Abbrev

SEICT

Publisher

Subject

Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Description

The Journal of Software Engineering, Information and Communication Technology promotes research in the broad field of science and technology (including such disciplines as Agriculture, Environmental Science, etc.) with particular respect to Indonesia, but not limited to authorship or topical ...