Penerapan Algoritma Extreme Learning Machine dalam Proses Prediksi Kebakaran Hutan dan Lahan di Indonesia
Abstract
Algortima Extreme Learning Machine (ELM) digunakan untuk memprediksi kebakaran hutan dan lahan di indonesia berdasarkan data historis cuaca seperti temperature, rainfall, humidity, dan windspeed. Algoritma ini memanfaatkan jaringan syaraf lapisan tunggal pada hidden layer dengan waktu pelatihan yang cepat. Proses prediksi dilakukan melalui tahapan pengumpulan data, pembersihan data, normalisasi, dan penanganan outlier. Hasil prediksi dan forecast menujukan preforma yang bervariasi untuk setiap parameter cuaca dengan evaluasi menggunakan metrik mean absolute error (MAE), mean squared error (MSE), mean absolute percentage error (MAPE), dan R-Squared. ELM terbukti efektif dalam beberapa parameter seperti rainfall namun memiliki kelemahan pada parameter windspeed
Kata kunci : Extreme Learning Machine, forecast, Kebakaran hutan, prediksi cuaca, machine learning
References
E. Heriyanto dan D. E. Nuryanto, "Prediksi Sebaran Asap Kebakaran Hutan/Lahan Menggunakan WRF/CHEM,= Jurnal Meteorologi dan Geofisika, vol. 15, no. 1, hlm. 51–58, 2014, doi: 10.31172/jmg.v15i1.172.
W. Deng, Q. Zheng, dan L. Chen, "Regularized Extreme Learning Machine,= dalam 2009 IEEE Symposium on Computational Intelligence and Data Mining, Mar 2009, hlm. 389–395. doi: 10.1109/CIDM.2009.4938676.
I. Firmansyah dan B. H. Hayadi, "Komparasi Fungsi Aktivasi Relu Dan Tanh Pada Multilayer Perceptron,= JIKO (Jurnal Informatika dan Komputer), vol. 6, no. 2, hlm. 200–206, Sep 2022, doi: 10.26798/jiko.v6i2.600.
K. Dewi, P. P. Adikara, dan S. Adinugroho, "Prediksi Indeks Harga Konsumen (IHK) Kelompok Perumahan, Air, Listrik, Gas Dan Bahan Bakar Menggunakan Metode Support Vector Regression,= 2018. [Daring]. Tersedia pada: http://j-ptiik.ub.ac.id
A. A. Suryanto, "PENERAPAN METODE MEAN ABSOLUTE ERROR (MEA) DALAM ALGORITMA REGRESI LINEAR UNTUK PREDIKSI PRODUKSI PADI,= SAINTEKBU, vol. 11, no. 1, hlm. 78–83, Feb 2019, doi: 10.32764/saintekbu.v11i1.298.
