Titik panas pada lahan gambut di Provinsi Riau sebanyak 18 292 dimana dari total tersebut terdapat 18 246 titik panas yang terdapat di daerah lahan gambut. Jenis lahan gambut di Provinsi Riau dikategorikan berdasarkan tingkat kematangannya menjadi Fibrists, Hemists, Saprists, Saprists/Hemists, Hemists/ Saprists, Fibrists/Saprists. Gambar 13 memperlihatkan sebaran titik panas lahan gambut pada Provinsi Riau berdasarkan tipe gambut, sedangkan pada Gambar 14 diperlihatkan sebaran titik panas berdasarkan ketebalan dari lahan gambut di Provinsi Riau.
Gambar 13 Jumlah titik panas pada tahun 2014 berdasarkan tipe gambut di Provinsi Riau
Tipe gambut “Hemists/Saprists (60/40), sangat dalam” berarti kandungan
Hemists pada lahan gambut tersebut sebanyak 60% sedangkan sisanya adalah
Saprists sebanyak 40%. Sangat dalam adalah ketebalan gambut pada area tersebut, yaitu ketebalan > 400 cm. Berdasarkan Gambar 13 sebaran titik panas terbanyak pada tipe gambut Hemists/Saprists sebanyak 6 552 titik panas.
37 3320 2890 3614 2 403 24 796 6552 404 16 42 146 0 1000 2000 3000 4000 5000 6000 7000 Ju ml a h T it ik P a n a s T a h u n 2 0 1 4 Tipe Gambut
21
Gambar 14 Jumlah titik panas tahun 2014 berdasarkan ketebalan lahan gambut Berdasarkan Gambar 14 sebaran titik panas terbanyak terdapat pada gambut dengan ketebalan sangat dalam/ sangat tebal dengan ketebalan > 400 cm. Terdapat 13 jenis tutupan lahan gambut di Provinsi Riau. Jumlah titik panas berdasarkan jenis penutupan lahan tersebut terlihat pada Gambar 15.
Gambar 15 Jumlah titik panas tahun 2014 berdasarkan tutupan lahan gambut Berdasarkan Gambar 15 jumlah titik panas terbesar terdapat pada jenis tutupan lahan hutan rawa sebanyak 12 825 titik panas.
11 578 5081 4338 8238 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 Sangat Dangkal/Sangat Tipis : < 50 cm (D0) Dangkal / Tipis : 50-100 cm (D1) Sedang : 100-200 cm (D2) Dalam / Tebal : 200-400 cm (D3) Sangat Dalam/Sangat Tebal : > 400 cm (D4) Ju m la h T it ik P a n a s T a h u n 2 0 1 4
Tipe Ketebalan Gambut
2396 12825 73 1556 23 378 173 122 1 232 433 29 5 0 2000 4000 6000 8000 10000 12000 14000 Ju m la h T it ik p a n a s
22
Pembentukan Cluster Data Titik Panas menggunakan Algoritme DBSCAN
Pada penelitian ini nilai Eps serta Minpts yang digunakan harus ditentukan terlebih dahulu untuk mendapatkan nilai cluster terbaik. Nilai cluster dan titik
noise yang relatif kecil diperoleh pada Eps = 0.1 dan Minpts 6 (Usman 2014). Tabel 5 menunjukkan hasil cluster dari algoritme DBSCAN.
Tabel 5 Hasil cluster yng menggunakan algoritme DBSCAN
Cluster Jumlah titik panas Cluster Jumlah titik panas
Cluster Jumlah titik panas
1 67 23 21 45 7 2 856 24 3214 46 54 3 1133 25 59 47 57 4 499 26 237 48 247 5 584 27 292 49 74 6 1144 28 422 50 28 7 342 29 466 51 57 8 488 30 79 52 17 9 71 31 53 53 17 10 974 32 849 54 10 11 2319 33 197 55 25 12 115 34 249 56 24 13 142 35 97 57 10 14 203 36 160 58 6 15 26 37 133 59 19 16 156 38 168 60 6 17 115 39 10 61 12 18 253 40 87 62 7 19 48 41 149 63 151 20 439 42 8 64 206 21 29 43 161 65 39 22 89 44 16
Berdasakan Tabel 5, areal yang memiliki kepadatan titik panas terbanyak terdapat pada cluster 24. Gambar 16 menunjukkan wilayah/kabupaten yang terdapat pada area cluster 24.
23
Gambar 16 Titik panas pada Wilayah/Kabupaten dalam cluster 24
Berdasarkan Gambar 16, persebaran titik panas dari cluster 24 hampir tersebar merata pada tiga kota di Provinsi Riau. Persebaran titik panas tersebut tersebar pada Kota Bengkalis sebanyak 1 082 titik panas (33.7 %), sebanyak 1 052 titik panas (32.7 %) tersebar pada Kepulauan Meranti, dan sebanyak 1 080 titik panas (33.6 %) tersebar di Kota Siak.
Pembentukan Cluster Data Titik Panas Dengan Algoritme CPO-WCC
Pada penelitian ini dilakukan pembentukan cluster titik panas menggunakan algoritme CPO-WCC menggunakan perangkat lunak QGIS Wien. Perhitungan ini menghasilkan cluster dalam 5 iterasi. Dengan nilai ukuran panjang dan lebar sel yang berbeda pada setiap iterasinya. Dimana pada iterasi pertama ukuran panjang dan lebar sebesar 0.5 degree, pada iterasi kedua sebesar 0.25 degree, pada iterasi ketiga sebesar 0.125 degree, pada iterasi keempat sebesar 0.0625 degree, dan pada iterasi kelima sebesar 0.03125 degree. Iterasi dalam algoritme CPO-WCC akan terus mengalami pengulangan, apabila daerah yang memiliki kerapatan yang padat serta area tersebut dilalui oleh kendala fisik jalan saja ,sungai saja, ataupun dilalui oleh jalan dan sungai. Hasil akhir dari algoritme CPO-WCC terlihat pada Gambar 17.
24
Iterasi 1 iterasi 2 iterasi 3
Iterasi 4 iterasi 5
a) Hasil iterasi algoritme CPO-WCC
b) Hasil clustering menggunakan algoritme CPO-WCC
Berdasarkan Gambar 17(a) terlihat hasil iterasi algoritme CPO-WCC, pada Gambar 17(b) terlihat bahwa hasil akhir dari algoritme CPO-WCC menghasilkan
cluster sebanyak 3 cluster. Dengan jumlah titik panas terpadat terdapat pada
cluster 3 selanjutnya diikuti oleh cluster 1 dan cluster 2.
7,849 397 10,046 0 2000 4000 6000 8000 10000 12000 1 2 3 Cluster
25
c) Sebaran titik panas, jalan, sungai hasil algoritme CPO-WCC Gambar 17 Hasil algoritme CPO-WCC
Berdasarkan Gambar 17(c) terlihat persebaran dari titik panas tersebar pada wilayah Bengkalis, Indragiri Hilir, Indragiri Hulu, Kampar, Kota Dumai, Kota Pekanbaru, Pelalawan, Rokan Hilir, Rokan Hulu, dan Siak. Jumlah minimal titik panas sehingga grid dapat dipecah pada iterasi pertama adalah sebesar 255 titik panas atau lebih. Dan jumlah titik panas pada iterasi berikutnya adalah sebesar, 219, 146, 44, dan 5 titik panas. Grid tersebut dapat dipecah jika jumlah titik panas pada grid padat dilalui oleh sungai, jalan, ataupun dilalui oleh jalan dan sungai.
Evaluasi Hasil Cluster
Berdasarkan Gambar 17 (b), dapat disimpulkan bahwa cluster terpadat dari algoritme CPO-WCC terdapat pada cluster 3. Pada Tabel 6 terlihat luas area dari seluruh cluster pada algoritme CPO-WCC terhadap luas area Provinsi Riau.
26
Tabel 6 Kerapatan data titik panas pada setiap cluster Cluster Jumlah titik
Panas Area Titik Panas / km2 km2 Persentase 1 7 849 81 919.36 86% 0.096 2 397 3 098.15 3% 0.128 3 10 046 10 202.10 11% 0.985
Berdasarkan Tabel 6 daerah dengan kepadatan tertinggi terdapat pada
cluster 3 dimana setiap 1 km2 terdapat 0.985 titik panas. Berdasarkan luasan areanya luas area terbesar terdapat pada cluster 1 dengan luas area sebesar 81919.36 km2. Perbedaan area tersebut terjadi disebabkan berbedanya luas cluster
seperti terlihat pada Gambar 17(c). Perbedaan ukuran tersebut terjadi dikarenakan untuk setiap daerah yang memiliki kerapatan titik panas yang besar serta daerah tersebut dilewati oleh jalan saja ataupun oleh sungai saja maupun dilewati oleh keduanya maka daerah tersebut akan akan dipotong menjadi sel yang lebih kecil seperti terlihat pada Gambar 17(c).
Berdasarkan Tabel 5, dapat disimpulkan bahwa cluster terpadat dari hasil clustering algoritme DBSCAN terdapat pada cluster 24 dengan jumlah cluster
sebanyak 3 214. Selanjutnya cluster dari 24 dari algoritme DBSCAN serta cluster
3 dari algoritme CPO-WCC akan dilakukan perbandingan.
Analisis Hasil Cluster Berdasarkan Karakteristik Lahan Gambut
Persebaran titik panas dari cluster 3 dan cluster 24 terhadap karakteristik jenis lahan gambut dari lahan gambut ditunjukkan Gambar 18 dan Gambar 19.
27
Gambar 19 Sebaran titik panas berdasarkan jenis lahan gambut pada cluster 24 Berdasarkan Gambar 18, sebaran titik panas persebaran titik panas dari
cluster 3 terbanyak terdapat di lahan gambut dengan tipe Hemists/Saprists (60/40) dengan kedalaman sangat dalam dengan jumlah titik panas sebanyak 4 257 titik panas. Dari 4 257 titik panas terbanyak tersebut sebanyak 1 690 titik panas tersebar di kecamatan Bukit Batu, sebanyak 847 titik panas di kecamatan sungai sembilan, sedangkan 1 720 titik panas sisanya tersebar pada 13 kecamatan lainnya. Sedangkan berdasarkan Gambar 19, sebaran titik panas dari cluster 24, dari total 3 214 titik panas yang ada, hanya terdapat sebanyak 3207 titik panas yang tersebar di area lahan gambut. Sebanyak 1 189 titik panas dari cluster 24 terdapat didaerah lahan gambut Saprists/Hemists (60/40) dengan kedalaman dalam, tersebar di kecamatan Merbau 273 titik panas, Putri Puyu 228 titik panas serta sisanya tersebar di 9 kecamatan lainnya.
Gambar 20 Sebaran titik panas berdasarkan ketebalan lahan gambut di areal
28
Gambar 21 Sebaran titik panas berdasarkan ketebalan lahan gambut di areal
cluster 24
Gambar 20 menunjukkan tingkat persebaran titik panas tidak merata tersebat di seluruh areal lahan gambut. Areal dengan tingkat kedalaman sangat dalam/sangat tebal (D4) (> 400 cm) memiliki tingkat titik panas tertinggi dengan jumlah titik panas mencapai 4 736 titik panas. Dari total 4 736 titik panas tersebut sebanyak 1 673 titik panas tersebar di kecamatan Bukit Batu, di kecamatan Sungai Sembilan sebanyak 754 titik panas, sedangkan 2 309 titik panas sisanya tersebar di 25 kecamatan lainnya. Gambar 21 menunjukkan tingkat persebaran titik panas tidak merata tersebar di seluruh areal lahan gambut. Areal dengan kedalaman Areal dengan tingkat kedalaman sangat dalam/sangat tebal (D4) (> 400 cm) memiliki tingkat titik panas tertinggi dengan jumlah titik panas mencapai 1 201 titik panas. Dari 1201 titik panas tersebut, sebanyak 404 titik panas tersebar di kecamatan Siak Kecil, sebanyak 317 tersebar di kecamatan Sungai Apit, dan sisanya tersebar di 6 kecamatan lainnya.
29 Gambar 22 menunjukkan tingkat persebaran titik panas tidak merata tersebat di seluruh areal tutupan lahan gambut. Sebaran titik panas dari cluster 3 di dominasi penutupan lahan hutan rawa dengan jumlah titik panas mencapai 7 634 titik panas. Dari total 7 634 titik panas tersebut sebesar 1 487 titik panas tersebar di kecamatan Bukit Batu dan sebanyak 959 tersebar di kecamatan Rupat. Sedangkan sisanya tersebar di 36 kecamatan lainnya.
Gambar 23 Sebaran titik panas berdasarkan tutupan gambut di areal cluster 24 Gambar 23 menunjukkan tingkat persebaran titik panas cluster 24 pada area tutupan lahan gambut dimana dari total titik panas 3 214 titik panas hanya terdapat 3 207 titik panas yang tersebar pada area tutupan lahan gambut. Dari 3 207 titik panas tersebut sebanyak 1671 titik panas yang tersebar di area tutupan lahan gambut berjenis hutan rawa. Dari 1671 titik panas tersebut sebayak 669 tersebar di kecamatan Sungai Apit, sisanya tersebar di 13 kecamatan lainnya. Berdasarkan jenis, ketebalan, dan tutupan lahan gambut kecamatan Bukit Batu adalah kecamatan yang memiliki titik panas terbesar diantara kecamatan lainnya pada areal cluster 3. Hasil yang berbeda terjadi pada daerah cluster 24 dimana kecamatan dengan jumlah titik panas terbesar pada jenis lahan gambut terdapat pada kecamatan Merbau, kecamatan dengan jumlah titik panas terbesar berdasarkan ketebalan lahan gambut terdapat pada kecamatan Siak Kecil, dan kecamatan dengan jumlah titik panas terbesar berdasarkan tutupan gambut terdapat pada kecamatan Sungai Apit.
Analisis Hasil Cluster Berdasarkan Data Cuaca
Persebaran titik panas dari cluster 3 dan cluster 24 yang berdasarkan bulan dalam pada tahun 2014 terlihat pada Tabel 7. Serta data cuaca pada tahun 2014 terlihat pada Tabel 8.
30
Tabel 7 Jumlah titik panas cluster 3 dan cluster 24 tahun 2014
Cluster 3 Cluster 24
Bulan Jumlah titik panas Bulan Jumlah titik panas
Januari 139 Januari 86 Februari 3 530 Februari 1 457 Maret 4 741 Maret 1 435 April 63 April 42 Mei 47 Mei 29 Juni 609 Juni 42 Juli 670 Juli 47 Agustus 119 Agustus 20 September 66 September 23 Oktober 41 Oktober 18 November 15 November 6 Desember 6 Desember 9 Total 10 046 Total 3 214
Tabel 8 Data cuaca dari stasiun cuaca simpang tiga pekanbaru tahun 2014
Bulan Suhu Min. (C) Suhu Maks. (C) Suhu Kelembaban (%) Rata –Rata dalam 1 bulan
Januari 22.98 30.29 25.82 80.26 Februari 23.51 32.49 27.35 73.96 Maret 23.27 32.68 27.15 76.77 April 23.66 27.78 27.57 78.30 Mei 23.90 33.26 27.70 79.65 Juni 24.05 34.02 28.30 75.07 Juli 23.38 33.21 27.80 74.26 Agustus 23.17 32.55 26.92 78.71 September 23.33 32.39 27.12 78.27 Oktober 23.50 33.16 27.31 79.74 November 23.56 32.42 26.94 81.50 Desember 23.25 31.91 26.54 83.00
Berdasarkan Tabel 7 jumlah titik panas terbesar terjadi pada bulan Maret pada cluster 3 dimana suhu rata-rata minimum pada bulan Maret berdasarkan Tabel 8 sebesar 23.27 0 C, serta suhu maksimal sebesar 32.680 C. Dari 4 741 titik panas pada cluster 3 di bulan Maret, sebanyak 725 titik panas terdapat pada kecamatan Bukit Batu, sedangkan sisanya tersebar pada 41 kecamatan lainnya. Pada cluster 24 jumlah titik panas terbesar terjadi pada bulan Februari sebanyak 1457 titik panas dengan suhu rata-rata minimum pada bulan Februari sebesar
23.510 C, suhu maksimal sebesar 32.490C. Dari 1 457 titik panas pada cluster 24 di bulan Februari, sebanyak 180 titik panas terdapat pada kecamatan Sungai Apit, sedangkan sisanya tersebar pada 15 kecamatan lainnya.
31
Analisis Hasil Cluster Berdasarkan Data Sosial Ekonomi
Persebaran titik panas dari cluster 3 dan cluster 24 yang berdasarkan kabupaten kota dalam pada tahun 2014 terlihat pada Tabel 9. Serta data sosial ekonomi terlihat pada Tabel 10.
Tabel 9 Jumlah titik panas cluster 3 dan cluster 24 tahun 2014 berdasarkan kabupaten
Cluster 24 Cluster 3
Provinsi Kabupaten Jumlah titik panas
Provinsi Kabupaten Jumlah titik panas
Riau Kep. Meranti 1 052 Riau Indragiri Hulu 100
Riau Siak 1 080 Riau Kep. Meranti 1 185
Riau Bengkalis 1 082 Riau Rokan Hilir 1 046
Riau Dumai 1 752
Riau Indragiri Hilir 626
Riau Siak 1 240
Bengkalis 3 545
Pelalawan 552
Total 3 214 Total 1 0046
Tabel 10 Data sosial ekonomi kabupaten Bengkalis
Kecamatan Sumber Pendapatan
Mandau perdagangan besar/ eceran, pertambangan dan penggalian, pertanian Pinggir pertambangan dan penggalian, pertanian
Bukit batu industri pengolahan, pertanian Bantan Pertanian
Rupat Pertanian Rupat utara Pertanian Siak kecil Pertanian
Bengkalis jasa, perdagangan besar/eceran, pertanian
Berdasarkan Tabel 9 daerah kabupaten kota dengan jumlah titik panas terpadat dari kedua cluster terletak pada kabupaten yang sama, yaitu kabupaten Bengkalis. Berdasarkan Tabel 9, persebaran titik panas dari daerah cluster 3 pada kabupaten bengkalis tersebar pada kecamatan bukit batu sebanyak 1 753 (49 %) titik panas sedangkan sisanya tersebar pada 7 kecamatan lainnya. Berdasarkan Tabel 9 dan 10 sumber pendapatan penduduk terbanyak dari cluster 3 terdapat pada kecamatan Bukit Batu. Sumber pendapatan penduduk pada kecamatan tersebut adalah pada sektor pertanian dan pada industri pengolahan. Sedangkan berdasarkan Tabel 9, persebaran titik panas dari cluster 24 pada kabupaten Bengkalis tersebar sebanyak 498 (46 %) titik panas pada kecamatan Siak Kecil, sedangkan sisanya sebanyak 584 titik panas tersebar pada 5 kecamatan lainnya. Berdasarkan Tabel 10, sumber pendapatan penduduk pada kecamatan Siak Kecil di daerah cluster 24 adalah pada sektor pertanian.
32