Peristiwa Kebakaran Hutan dan Lahan (Karhutla) merupakan fenomena yang dapat dipicu secara alami maupun buatan. Peristiwa Kebakaran Hutan dan Lahan ditandai dengan adanya penjalaran titik api secara bebas dengan bahan bakar berupa hutan dan lahan yang dilaluinya. Sepanjang bulan Januari sampai September 2019 telah terjadi Karhutla seluas 857,756 hektar di seluruh Indonesia. Kebakaran ini membakar 630,451 hektar lahan mineral dan 227,304 hektar lahan gambut. Angka ini meningkat 160% dibandingkan luasan bulan Agustus lalu, yakni mengalami peningkatan sekitar 328,724 hektar. Indonesia sendiri menjadi negara kedua yang memiliki lahan gambut terbesar dengan luas 22.452.222 hektar sehingga potensi terjadinya bencana kebakaran cukup besar. Beberapa wilayah yang terdampak oleh Kebakaran lahan gambut dalam kurun waktu tahun 2019 ini antara lain Provinsi Kalimantan Selatan mencapai luas 191,769 hektar, Kalimantan Tengah seluas 183,836 hektar, dan Sumatera Selatan seluas 136,875 hektar. Kondisi ini menunjukkan bahwa kebakaran lahan gambut di Indonesia merupakan kasus yang penting untuk diatasi.
Kebakaran yang terjadi pada lahan gambut memiliki karakteristik yang berbeda dengan kebakaran hutan biasanya. Proses terjadinya kebakaran pada umumnya diawali dengan adanya aktivitas penyulutan api di atas permukaan tanah dan bergerak ke segala arah sedangkan pada lahan gambut, kebakaran terjadi di bawah permukaan tanah yang diakibatkan oleh kondisi kadar air yang cenderung berkurang. Hal ini menyebabkan gambut menjadi kering dan mengalami peningkatan suhu sebesar 200oC sehingga kondisi ini berpotensi menjadi pemicu kebakaran. Kebakaran gambut yang terjadi di dalam tanah mengakibatkan kegiatan pengendalian menjadi sulit diamati secara manual. Salah satu upaya dalam mitigasi bencana Karhutla adalah dengan melakukan prediksi titik kebakaran. Kajian untuk membuat pemodelan resiko kebakaran hutan sudah banyak dilakukan. Dari hasil penelitian yang telah dilakukan secara daring dengan metode studi pustaka yang kemudian disusun menjadi luaran Narrative Review oleh salah satu tim PKM-PE Universitas Gadjah Mada yang akan melaju dalam ajang PIMNAS 33 akhir November mendatang. Tim ini beranggotakan 3 mahasiwa Teknik Geodesi Fakultas Teknik yaitu Annisa Rizky Kusuma (2018), Fauzan Maulana Shodiq (2018), dan Muhammad Faris Hazim (2018) dengan Dosen Pendamping Dany Puguh Laksono, ST.,M.Eng memberikan solusi Alternatif lain yang dapat digunakan, yakni teknologi Machine Learning. Keunggulan dari teknologi Machine learning ini adalah mampu mempelajari pola dan melakukan prediksi dari sampel data yang diberikan. Salah satu metode Machine Learning yang mampu memanfaatkan variabel yang tidak berkaitan satu sama lain dengan tingkat kesalahan yang rendah, yaitu metode Random Forest.
Penerapan dari Metode Random Forest untuk studi potensi kebakaran lahan gambut ini dilakukan dengan cara mendefinisikan terlebih dahulu sampel data dari faktor penyebab kebakaran dengan teknologi penginderaan jauh berupa indeks citra Satelit Sentinel-2 yang kemudian diproses menggunakan algoritma Random Forest melalui konstruksi sekumpulan pohon pengambilan keputusan dalam jumlah besar dan tidak mengembalikan hasil yang sama. Hasil dari proses pemilihan yang berlangsung pada tiap decision tree akan menghasilkan prediksi. Kemudian, dengan hasil pemilihan paling banyak dari prediksi tersebutlah yang akan digunakan sebagai hasil prediksi akhir. Algoritma Random Forest memiliki akurasi lebih baik dari metode Machine Learning lainnya, karena tingkat akurasinya bisa mencapai 96,25%. Dari hasil penelitian ini diharapkan mampu memberikan gambaran potensi titik api pada kebakaran lahan gambut. Kedepannya pemodelan algoritma ini dapat dikembangkan dan digunakan untuk langkah antisipasi dan mitigasi bencana kebakaran lahan gambut berupa penentuan lokasi pengungsian terdekat, jalur tercepat pemadaman titik api, dan pemantauan khusus dari kelembaban lahan gambut.