Analisis Performa Model CNN dalam Klasifikasi Kebakaran dan non Kebakaran Hutan

Kebakaran hutan merupakan peristiwa terbakarnya suatu lahan yang disebabkan oleh faktor alam dan manusia, yang berdampak pada kerusakan lingkungan, hilangnya keanekaragaman hayati, dan menimbulkan dampak negatif bagi kesehatan. Penggunaan teknologi pendeteksi dan pemantau adalah salah satu upaya untuk mengurangi dampak kebakaran hutan yang semakin meluas. Seiring dengan kemajuan teknologi, Convolutional Neural Networks (CNN) adalah salah satu metode yang dapat digunakan untuk mengklasifikasikan kebakaran hutan yang dinilai canggih serta populer. Penelitian ini bertujuan untuk melakukan analisis dan perbandingan kinerja tiga model CNN dalam klasifikasi kebakaran hutan dan non-kebakaran hutan. Model CNN yang digunakan adalah VGG16, Inception-V3, dan ResNet50. Data yang digunakan sebanyak  952 citra yang terdiri dari 592 citra kebakaran dan 360 citra non kebakaran. Data tersebut terbagi menjadi tiga bagian yaitu data training sebesar 653 citra, data validation sebesar 149, dan data testing sebesar 150. Hasil untuk evaluasi model Inception-V3 memiliki performa yang paling terbaik secara keseluruhan, dengan mencapai accuracy 98% dan precision 99% pada data testing. VGG16 menunjukkan menunjukan performa yang baik dan konsisten, sedangkan ResNet50 menunjukkan performa yang buruk. Hal ini menunjukkan bahwa model Inception-V3 lebih unggul di bandingkan dengan model VGG16 dan ResNet50 dalam klasifikasi kebakaran dan non kebakaran hutan