Penelitian ini merupakan pengembangan sistem pendeteksi kebakaran berbasis IoT dengan media komunikasi BOT menggunakan Telegram. Pengembangan yang dilakukan peneliti dengan menambahkan kecerdasan buatan dapat mengklasifikasi dataset sensor. Parameter klasifikasi kebakaran yang digunakan adalah kondisi aman dan tidak aman. Pusat kontrol berupa NodeMCU ESP32 serta sensor MQ-7, LM35, dan KY-026 sebagai pendeteksi kebakaran dan pengumpulan data. Data yang telah didapat diklasifikasikan menggunakan modul sckit-learn yang terdiri dari 2 tahap yaitu data di training dan data di prediksi (testing). Metode klasifikasi yang digunakan yaitu Algoritma Support Vector Machine (SVM). Dengan memanfaatkan metode SVM sebagai salah satu teknologi Machine Learning, masalah klasifikasi potensi kebakaran lebih mudah untuk dilakukan. Hasil analisa klasifikasi berupa analisis akurasi dan performansi parameter. Hasil analisis perandingan rasio menggunakan sckit-learn didapatkan Accuracy performansi terbaik sebesar 100% pada rasio 90%:10% dan dari hasil performasi didapatkan 100% Recall pada rasio 90%:10%. Persentasi tertinggi Precision 100% pada rasio 90%:10%. Sementara persentasi F1-Score terbesar didapatkan 100% pada rasio 90%:10% diketahui bahwa nilai precision dan recall di titik tersebut sudah mencukupi target yang diharapkan.
Kata kunci : IoT, Pendetekesi Kebakaran, Klasifikasi, SVM, Machine Learning