cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
irfan habibie
Contact Email
irfanhabibie@uika-bogor.ac.id
Phone
-
Journal Mail Official
gibtha@uika-bogor.ac.id
Editorial Address
-
Location
Kota bogor,
Jawa barat
INDONESIA
Krea-TIF: Jurnal Teknik Informatika
Published by Universitas Ibn Khaldun Bogor
ISSN : 23382910     EISSN : 26855836     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Library & Information Science
Jurnal Krea-TIF adalah jurnal ilmiah dalam teknologi informasi yang berisi literatur ilmiah mengenai penelitian murni dan terapan dalam teknologi informasi dan tinjauan publik mengenai pengembangan teori, metode dan ilmu terapan yang terkait dengan subjek.
Arjuna Subject : -
Articles 1 Documents
 1 
Search results for , issue "Vol 12 No 2 (2024): Krea-TIF 2024" : 1 Documents clear
Perbandingan Algoritma SVM dan Naïve Bayes untuk Klasifikasi Kebakaran Hutan dan Lahan Viona, Tiara Aurilia; Utami, Putri Yuli; Fakhruzi, Izhan; Anugrah, Rifqi
Krea-TIF: Jurnal Teknik Informatika Vol 12 No 2 (2024): Krea-TIF 2024
Publisher : Fakultas Teknik dan Sains, Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kabupaten Ketapang merupakan satu diantara kabupaten di Provinsi Kalimantan Barat yang sering terjadi bencana kebakaran hutan dan lahan (karhutla). Tujuan dilakukannya penelitian ini untuk memprediksi terjadinya bencana karhutla di Kabupaten Ketapang agar penanganan karhutla dapat lebih optimal. Berdasarkan data dari Badan Penanggulangan Bencana Daerah (BPBD) Provinsi Kalimantan Barat total kejadian bencana karhutla di Kabupaten Ketapang mulai dari tahun 2015 sampai tahun 2022 sudah terjadi sebanyak 235 kali. Tujuan penelitian ini untuk memprediksi terjadinya kebakaran hutan dan lahan serta melakukan klasifikasi daerah yang masuk kategori rawan dan sangat rawan di Ketapang. Pada penelitian ini klasifikasi dilakukan dengan membandingkan metode SVM dan Naïve Bayes untuk mendapatkan akurasi yang optimal. Dataset yang digunakan adalah data hotspot dan data iklim Kabupaten Ketapang tahun 2021 – 2022 yang berjumlah 4.697 data. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai akurasi 99,67%, sedangkan SVM memiliki akurasi 98,24%, mengindikasikan bahwa Naïve Bayes lebih unggul dalam klasifikasi daerah rawan karhutla. Penelitian ini dapat diperluas dengan mempertimbangkan faktor tambahan seperti vegetasi, topografi, dan pengaruh aktivitas manusia untuk meningkatkan keakuratan prediksi serta pengembangan sistem peringatan dini berbasis kecerdasan buatan.

Page 1 of 1 | Total Record : 1

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 13 No 1 (2025): Krea-TIF 2025 Vol 12 No 2 (2024): Krea-TIF 2024 Vol 12 No 1 (2024): Krea-TIF 2024 Vol 11 No 2 (2023) Vol 11 No 1 (2023) Vol 10 No 2 (2022) Vol 10 No 1 (2022) Vol 9 No 2 (2021) Vol 9 No 1 (2021) Vol 8 No 2 (2020) Vol 8 No 1 (2020) Vol 7 No 2 (2019) Vol 7 No 1 (2019) Vol 6 No 2 (2018) Vol 6 No 1 (2018) Vol 5 No 2 (2017) Vol 5 No 1 (2017) Vol 4 No 2 (2016) Vol 4 No 1 (2016) Vol 3 No 2 (2015) Vol 3 No 1 (2015) Vol 2 No 2 (2014) More Issue