Kebakaran lahan gambut berpengamh terhadap berbagi aspek mulai dan i dampak lingkungan, mahluk hidup dan aspek sosial ekonomi. Pengendalian kebakaran hutan dan lahan gambut masih belum optimal sehingga diperlukan data dan informasi yang alcurat untuk mengetahui titik panas guna mencegah dampak yang besar akibat kebakaran hutan dan lahan. Titik panas merupakan salah satu indikator kebakaran lahan gambut. Persebaran pola pengelompokan titik panas berdasarkan data spasial dan temporal dapat digunakan untuk memberikan informasi sebagai upaya pendeteksian peringatan dini terjadinya kebakaran hutan dan lahan gambut. Silohan (sistem informasi lokasi kebakaran hutan dan lahan) mempakan sistem informasi geografis pendeteksian clustering titik panas kebakaran hutan dan lahan. Clustering dilakukan dengan metode machine learning kulldorlfs scan statistics (kss) untuk mengetahui trend kemunculan pengelompokan t i t i k panas berdasarkan pola penyebaran titik panas dalam dimensi waktu (temporal), dimensi mang (spasial), keakuratan informasi sebaran titik panas dapat menjadi acuan dan ketepatan dalam pengendalian kebakaran hutan dan lahan serta menjadi landasan pengambilan keputusan dalam penanganan kebakaran hutan sehingga menjaga keanekaragaman hayati dan kelestarian sumber daya alam. Silohan dirancang dalam upaya memudahkan penyebarluasan informasi sebaran titik panas dan waktu terjadinya kebakaran menggunakan machine learning. Machine learning adalah salah satu disiplin ilmu dalam bidang ilmu komputer yang mempelajari bagaimana membuat komputer/mesin memiliki kecerdasan. Machine learning mempakan kecerdasan buatan yang mempelajari bagaimana cara membuat data, menghasilkan prediksi di masa yang akan datang. Silohan menyajikan informasi clustering titik panas kebakaran, prediksi titik panas kebakaran hutan dan lahan di wilayah kabupaten kubu raya.

sreenshot: