digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Shafira Amaliyah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

COVER Shafira Amaliyah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 1 Shafira Amaliyah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 2 Shafira Amaliyah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 3 Shafira Amaliyah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 4 Shafira Amaliyah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 5 Shafira Amaliyah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

PUSTAKA Shafira Amaliyah
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

Menurut Global Forest Watch, kebakaran hutan menjadi suatu masalah yang semakin kompleks terkait dengan perubahan iklim. Oleh karena itu, diperlukan solusi yang efektif untuk meminimalkan risiko kebakaran hutan dengan melakukan prediksi kebakaran secara dini dan akurat. Deteksi titik api menggunakan wireless sensor dan metode multilaterasi dapat menjadi salah satu alternatif solusi yang murah dan efektif. Pendekatan ini menggabungkan konsep machine learning berdasarkan laju perubahan temperatur terhadap jarak untuk mengestimasi jarak antara sensor dan titik api, serta menggunakan metode multilaterasi untuk menentukan koordinat lokasi titik api. Hasil penelitian menunjukkan bahwa pendekatan machine learning menggunakan algoritma regresi linear dapat memprediksi jarak titik api terhadap sensor dengan baik pada area 120 x 120 cm. Selain itu, metode multilaterasi mampu mengestimasi posisi titik api dengan cukup akurat menggunakan pendekatan least square. Pendekatan ini memberikan akurasi estimasi posisi yang cukup baik dengan jarak offset rata-rata sebesar 2,09 cm menunjukkan potensi pendekatan ini sebagai early warning system untuk kebakaran hutan. Untuk penelitian lebih lanjut, dapat digunakan area penelitian yang lebih luas serta variasi lebih kompleks dengan pendekatan fitting non-linear atau algoritma machine learning lain untuk meningkatkan akurasi deteksi kebakaran hutan.