ABSTRAK

Kebakaran hutan merupakan masalah lingkungan yang umum dan memiliki banyak dampak negatif. Selain menyebabkan kerusakan lingkungan, dampak dari kebakaran hutan adalah biaya tinggi dalam menangani kebakaran hutan. Perkiraan area yang terbakar penting untuk memperkirakan seberapa kuat radiasi api dan area yang terbakar ke daerah sekitarnya, sehingga sumber daya dalam menangani kebakaran hutan dapat dialokasikan secara tepat. Selain itu, perkiraan kebakaran hutan dapat memberikan informasi awal untuk menghindari kerusakan yang lebih besar. K-Nearest Neighbour (K-NN) merupakan metode sederhana namun efektif untuk teks kategorisasi tetapi memiliki beberapa kelemahan yaitu kompleksitas pada sample yang komputasi kesamaan besar. Perhitungan algoritma K-Nearest Neighbour (K-NN) secara manual carannya yaitu dengan mencari jarak terdekat antara data yang akan dievaluasi dengan K tetangga (neigbour) terdekatnnya dalam data. Algoritma Particle Swarm Optimization (PSO) digunakan sebagai seleksi fitur untuk review opini publik tentang kebakaran hutan dengan metode K-Nearest Neighbor (K-NN) dan menentukan fitur terbaik pada bobot atribut yang sesuai dan optimal sehingga hasil prediksi lebih akurat. Hasil dari pengolahan terhadap dataset dengan menggunakan algoritma tersebut, menunjukkan bahwa nilai Root Square Mean Error (RMSE) terbaik yaitu 0,048.