Klasterisasi Data Titik Api Menggunakan Metode Self Organizing Map di Wilayah Jawa

Kebakaran hutan adalah suatu peristiwa terbakarnya hutan dan/atau lahan, baik secara alami maupun oleh perbuatan manusia, sehingga mengakibatkan kerusakan lingkungan yang menimbulkan kerugian ekologi, ekonomi, sosial budaya dan politik. Kebakaran hutan di Indonesia bukan menjadi hal yang baru, bahkan kebakaran hutan semakin meningkat setiap tahunnya. Hal ini terjadi karena Indonesia memiliki banyak lahan gambut dan juga dipengaruhi oleh fenomena El Nino Southern Oscillation (ENSO) yang membuat curah hujan di musim kemarau kurang dari setengah dari curah hujan normal. Potensi kebakaran hutan dapat diketahui melalui titik api (hotspot). Titik api merupakan sebuah pixel di daerah yang memiliki suhu permukaan relatif lebih tinggi dibandingkan dengan daerah sekitarnya berdasarkan ambang batas tertentu. Data titik api diperoleh dari situs NASA menggunakan satelit Terra/Aqua MODIS, terdapat 14,070 titik api dalam rentang 2010 hingga 2018. Salah satu cara untuk mendeteksi kebakaran lahan adalah dengan membagi data titik api menjadi beberapa kelompok. Pada penelitian ini untuk mengelompokan titik api digunakan algoritme Self Organizing Map untuk membentuk kelompok tersebut. Untuk mengukur kualitas klaster yang terbentuk digunakan algoritme Silhouette Coefficient (SC). Berdasarkan hasil pengujian didapatkan nilai SC tertinggi yaitu sebesar 0,248945455 dengan nilai jumlah neuron yaitu 3, nilai alpha 0,1, nilai epoch maksimum yaitu 18 dan nilai pengurangan learning rate yaitu 0,1. Jika dilihat dari tren perubahan titik api selama 3 tahun terakhir bersifat fluktuatif. Pada tahun 2016 merupakan nilai SC tertinggi yang dicapai yaitu 0,25323084. Jika dilihat dari jumlah titik api terbanyak yaitu pada tahun 2015. Dari tren tersebut didapatkan hasil bahwa wilayah Jawa bagian timur memiliki potensi yang besar akan kebakaran lahan dilihat dari titik api yang muncul dan nilai confidence