IMPLEMENTASI SISTEM KLASIFIKASI KEBAKARAN BERBASIS WEB MENGGUNAKAN ALGORITMA DECISION TREE C4.5 PADA DATA SENSOR IOT

Kebakaran di lingkungan laboratorium memiliki risiko tinggi karena dapat menyebabkan kerugian material maupun gangguan operasional. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem klasifikasi kebakaran berbasis web menggunakan algoritma Decision Tree C4.5 dalam mengklasifikasikan kondisi lingkungan ke dalam kategori AMAN, WASPADA, dan BAHAYA. Data yang digunakan dalam penelitian ini terdiri atas data Rate of Rise (RoR) dari sensor suhu, data Moving Average (MA) dari sensor asap, dan data mentah dari sensor api inframerah, yang digunakan sebagai masukan pada sistem klasifikasi berbasis web. Evaluasi model dilakukan menggunakan metode K-Fold Cross Validation dengan nilai k = 10 dan confusion matrix. Hasil evaluasi menunjukkan bahwa model menghasilkan nilai accuracy sebesar 97,543%, precision sebesar 97,620%, recall sebesar 97,543%, dan F1-Score sebesar 97,544%. Selain itu, atribut api_mentah menjadi variabel paling dominan dengan nilai Gain Ratio sebesar 0,519351 dan feature importance sebesar 48,40%, sehingga terpilih sebagai root node pada pohon keputusan. Pengujian sistem menunjukkan penggunaan sumber daya yang stabil, waktu respons yang cepat, serta kualitas komunikasi data yang memenuhi parameter Quality of Service (QoS). Dengan demikian, sistem yang dikembangkan mampu mengklasifikasikan kondisi kebakaran secara efektif dan mendukung proses monitoring berbasis web secara real-time.