Perpustakaan Digital ITB

Kebakaran lahan gambut merupakan salah satu bencana lingkungan yang berdampak besar terhadap ekosistem, ekonomi, dan kesehatan masyarakat. Untuk mendukung upaya mitigasi, tugas akhir ini bertujuan mengembangkan perangkat lunak prediksi kebakaran lahan gambut yang dapat digunakan oleh petugas lapangan. Terdapat dua pendekatan utama dalam pengembangan sistem: (1) pembuatan R Package menggunakan model deret waktu ARIMA dan indeks Peat Fire Vulnerability Index (PFVI), serta (2) pembuatan aplikasi web berbasis model machine learning. Selain itu, dilakukan perbandingan kinerja antara kedua pendekatan tersebut. Hasil pengujian menunjukkan bahwa baik R Package maupun web app machine learning mampu memprediksi kejadian berisiko kebakaran dengan akurasi tinggi, yang divalidasi oleh keberadaan titik panas di sekitar stasiun BRGM, Sabangau, Kalimantan Tengah, pada periode 10–13 Oktober 2023. R Package unggul dalam akurasi pada deret waktu panjang dan tidak memerlukan data latih, namun memiliki kekurangan dari segi efisiensi waktu. Sebaliknya, web app machine learning menawarkan kemudahan penggunaan dan kecepatan prediksi, namun bergantung pada cakupan data latih yang terbatas secara geografis. Dua sistem ini berpotensi digunakan sebagai alat bantu peringatan dini kebakaran lahan gambut tropis.