METODE PENELITIAN. Lokasi dan Waktu Penelitian. Data dan Alat Penelitian

(1)

METODE PENELITIAN

Lokasi dan Waktu Penelitian

Penelitian ini dilakukan pada daerah kajian di Sub DAS Kapuas Tengah di Propinsi Kalimantan Barat. Pengolahan dan analisis data dilakukan di Laboratorium Fisik Remote Sensing dan Sistem Informasi Geografis (GIS) Fakultas Kehutanan Institut Pertanian Bogor. Pengumpulan data dimulai dari September sampai Desember 2 005, yang kemudian dilanjutkan dengan pengolahan data dari bulan Desember 2 005 sampai Maret 2 006.

Data dan Alat Penelitian

Data Penelitian

Data yang diperlukan dalam penelitian ini adalah: (1) Peta digital yang terdiri atas peta tutupan lahan, sungai, jalan, pemukiman, batas DAS, batas Administrasi, sebaran HTI dan HPH, transmigrasi, kebun. Data ini diperoleh dari BAPLAN-Dephut dan Dishut Kalbar; (2) Data koordinat titik panas (hotspot) Kalimantan Barat hasil pantauan satelit NOAA – AVHRR tahun 2 002, data ini diperoleh dari Departemen Kehutanan; (3) Citra Satelit Landsat 7 ETM+, cakupan wilayah Sub DAS Kapuas Tengah, Kalimantan Barat, terdiri atas path: 120 – row: 60, rekaman tanggal 5 Agustus tahun 2 002, dan path: 121 – row: 60, rekaman tanggal 20 Pebruari 2 002; path: 121 – row: 59, rekaman tanggal 18 Mei 2 000, diperoleh dari BAPLAN-Dephut; (4) Data iklim yang meliputi suhu (temperatur), curah hujan bulanan, kelembaban relatif yang diperoleh dari stasiun pengamat cuaca Badan Meteorologi dan Geofisika Kalimantan Barat tahun 2 002; (5) Data-data penunjang lainnya seperti Data-data letak goegrafis dan luas wilayah studi, Data-data penduduk dan sosial masyarakat dari BPS dan Bappeda Kalimantan Barat.

Alat Penelitian

Alat yang digunakan dalam penelitian ini adalah berupa personal computer, printer dan perangkat lunak berupa paket software ArcView GIS versi

(2)

3.2 dan ERDAS versi 8.7. Pengambilan dokumentasi di lapangan, menggunakan kamera digital.

Metode Penelitian

Pelaksanaan penelitian ini terdiri atas dua tahapan pokok, yaitu: persiapan dan analisis data.

Persiapan

Tahap persiapan ini meliputi: pengumpulan data digital, wawancara kepada ahli kebakaran hutan dan lahan, pengolahan citra Landsat 7 ETM+, pengolahan data titik panas (hotspot) dan penentuan peubah yang berpengaruh terhadap kebakaran hutan dan lahan.

Pengumpulan Data Digital. Data digital pada penelitian ini mencakup semua data spasial, baik vektor maupun raster.

Wawancara. Wawancara kepada ahli kebakaran hutan dan lahan diperlukan untuk analisis secara kualitatif (expert judgement).

Pengolahan citra Landsat 7 ETM+. Agar data citra dapat dioverlaykan (digabung/dimosaik) dengan data vektor lainnya, maka perlu dilakukan:

Rektifikasi. Rektifikasi adalah suatu proses melakukan transformasi data dari satu sistem grid menggunakan suatu transformasi geometrik. Transformasi geometrik membantu kita mendapatkan citra dengan sistem koordinat seperti yang kita inginkan. Pada penelitin ini, citra landsat TM dikoreksi menggunakan acuan peta rupa bumi setara skala 1 : 50 000. pada proses ini digunakan transformasi affine dengan RMSE < 0.5 pixel.

Registrasi. Pengolahan data penginderaan jauh, selain rektifikasi juga dibutuhkan penyamaan posisi antara satu citra dengan citra lainnya dengan mengabaikan sistem koordinat dari citra yang bersangkutan. Penyamaan posisi ini kebanyakan dimaksudkan agar posisi piksel yang sama dapat dibandingkan. Dalam hal ini penyamaan posisi citra satu dengan citra lainnya untuk lokasi yang sama sering

(3)

Mosaik. Agar citra areal penelitian menjadi satu kesatuan yang utuh, maka citra yang telah dikoreksi (rectified) digabungkan (disambung). Proses ini sering disebut dengan mozaicking.

Normalised Difference Vegetation Index (NDVI). NDVI digunakan sebagai pendekatan empiris untuk menilai jumlah kegiatan fotosintesa pada vegetasi alam maupun vegetasi yang ditanam. Jenis vegetasi dapat diketahui berdasarkan kehijauannya dan nilai NDVI dapat menunjukkan kerapatan dari suatu vegetasi sehingga jumlah bahan bakar yang tersedia pada suatu lokasi kebakaran dapat diprediksi. Berdasarkan perhitungan dengan menggunakan rumus NDVI maka dihasilkan nilai indeks vegetasi (Tabel 8). Peta NDVI (Gambar 9).

Tabel 8. Kisaran Nilai NDVI berdasarkan Kerapatan Vegetasi

No NDVI Kerapatan Vegetasi

1 -0.500 ∼ -0.272 air

2 -0.272 ∼ -0.043 non vegetasi

3 -0.043 ∼ 0.183 vegetasi kerapatan rendah 4 0.185 ∼ 0.413 vegetasi kerapatan sedang 5 0.413 ∼ 0.641 vegetasi kerapatan tinggi

Normalised Difference Vegetation Moisture Index (NDVMI). Kadar air vegetasi digunakan sebagai pendekatan empiris untuk melihat indeks kelembaban vegetasi. Kadar air vegetasi merupakan faktor yang berhubungan dengan mudah tidaknya suatu vegetasi (bahan bakar) terbakar karena kadar air vegetasi (bahan bakar) merupakan faktor yang mempengaruhi laju pelepasan energi sebagai peluang terjadinya penyalaan. Nilai kadar air atau wetness disajikan pada Tabel 9 dan pola sebarannya disajikan dalam Gambar 10.

Tabel 9. Kisaran Nilai NDVMI berdasarkan Kelas Kadar Air Vegetasi

No NDVMI Kelas Kadar Air Vegetasi

1 -0.398 ∼ -0.195 Sangat Rendah

2 -0.195 ∼ 0.007 Rendah

3 0.007 ∼ 0.209 Sedang

4 0.209 ∼ 0.411 Tinggi

(4)

(5)

(6)

Pengolahan Data Titik Panas (hotspot). Data titik panas diperoleh dari hasil rekaman satelit NOAA AVHRR (JICA) diperoleh dari Departemen Kehutanan dibaca dengan perangkat lunak ArcView. Selanjutnya dilakukan transformasi koordinat, dari koordinat geografis menjadi koordinat UTM dengan datum WGS84 dan zone 49S. Dengan bantuan software Arc View maka peta sebaran hotspot pada tiap komponen fisik wilayah penelitian dapat diketahui, dan selanjutnya dapat dibuat peta kepadatan hotspot. Peta kepadatan hotspot ini selanjutnya akan digunakan sebagai referensi dalam verifikasi model-model spasial yang dikembangkan. Peta sebaran hotspot di sub DAS Kapuas Tengah disajikan dalam Gambar 11.

Penentuan Peubah Pembangun Model Kerawanan Kebakaran

Untuk membuat model kerawanan kebakaran hutan dan lahan perlu ditentukan peubah yang berpengaruh terhadap kebakaran hutan dan lahan di sub DAS Kapuas Tengah baik dari faktor biofisik maupun faktor aktifitas manusia yang berpotensi menimbulkan kebakaran hutan dan lahan pada wilayah penelitian. Penentuan peubah pembangun model ini penting dilakukan untuk pembuatan model kerawanan yang baik. Model yang baik adalah model yang dibangun dengan peubah yang sedikit dan bebas multikolinieritas, mudah diukur dan memiliki nilai akurasi yang tinggi (> 80%). Agar tidak terjadi multikolinieritas maka dilakukan uji kolininieritas. Uji kolinieritas ini berguna untuk mengetahui ada atau tidaknya multikolinieritas (sifat saling mempengaruhi antar peubah atau variabel). Jika salah satu peubah memiliki korelasi yang tinggi dari peubah lainnya, dapat dikatakan terjadi multikolinieritas antar kedua peubah tersebut. Nilai korelasi antar peubah > 0.6 maka dapat dikatakan terjadi multikolinieritas. Adapun cara untuk menghilangkan adanya multikolinieritas antar peubah adalah dengan menghilangkan salah satu peubahnya (Arifin, 2005). Pengujian ini dilakukan terhadap atribut data spasial dengan menggunakan program statistik dalam perangkat lunak Arc View Gis 3.2.

Secara umum, terjadinya kebakaran hutan dan lahan disebabkan oleh faktor alam (biofisik) dan faktor akibat aktifitas manusia (Oemijati,1986).

(7)

(8)

Peubah yang dipilih untuk mewakili faktor aktifitas manusia adalah jarak dari jalan, jarak dari sungai, jarak dari pemukiman dan daerah penggunaan lahan. Sedangkan curah hujan, kelembaban, suhu, penutupan lahan (landcover), NDVI, NVMI (kadar air vegetasi) adalah faktor yang mencerminkan kondisi fisik wilayah.

Analisis Data Spasial

Kajian yang dilakukan dalam analisis data spasial meliputi proses data spasial, overlay, manipulasi, pengkelasan, skoring, pembobotan dan pembuatan model sehingga menghasilkan peta kerawanan kebakaran hutan dan lahan. Overlay dilakukan pada semua data spasial peubah pembangun model (Jaya, 2002).

Pada penelitian ini menggunakan skoring dan pembobotan setiap peubah untuk mengidentifikasi derajat pengaruhnya terhadap kerawanan kebakaran hutan dan lahan, yang dilakukan dengan dua pendekatan yaitu secara kualitatif (metode ranking) dan kuantitatif (metode analisis pemetaan komposit /CMA).

Pemberian Skor dan Bobot Menggunakan Metode Ranking

Skoring. Pemberian skor pada masing-masing sub faktor/peubah yang mempengaruhi kebakaran hutan dan lahan dilakukan untuk mengkuantifikasikan data tekstual kedalam data numerik. Skor dilakukan dengan pertimbangan dari formulasi logis urutan tingkat pengaruh setiap faktor. Semakin tinggi pengaruh suatu peubah terhadap kebakaran hutan dan lahan maka semakin besar skor yang diberikan.

Pembobotan. Pembobotan yang diberikan ditentukan melalui penilaian ahli kebakaran hutan yang ada di Institut Pertanian Bogor pada Fakultas Kehutanan yang diperoleh dari hasil wawancara. Besar-kecilnya bobot setiap faktor kemudian diranking berdasarkan tingkat pengaruhnya terhadap kebakaran hutan dan lahan.

(9)

Pemberian Skor dan Bobot Menggunakan Metode CMA

Penyekoran (skoring). Penyekoran berdasarkan metode CMA diperoleh dengan mengetahui informasi dari luasan setiap sub faktor, jumlah hotspot yang ada (observed) pada setiap sub faktor serta jumlah hotspot yang diharapkan atau yang seharusnya ada (expected). Dalam penelitian ini, hubungan sub-faktor dalam setiap faktor diklasifikasikan berdasarkan persentase terjadinya hotspot dalam setiap sub-faktor. Semua skor diberi skala nilai antara 0 ~ 100. Adapun perhitungan skor relatif untuk setiap subfaktor pada setiap faktor menggunakan persamaan sebagai berikut:

Nilai kerawanan sub-faktor (xi dan zi),

∑

            = i i i i i i e o 100 x e o z dan x ... (4.1)     = 100 F x T e_i ………... (4.2) dimana:

xi adalah skor kelas (sub-faktor) bio-fisik

zi adalah skor nilai kerawanan sub-faktor aktifitas manusia

oi adalah jumlah hotspot yang terdapat pada setiap sub-faktor (observed

hotspot)

ei adalah jumlah hot spot yang diharapkan ada dalam setiap sub-faktor

T adalah jumlah total titik panas (hotspot)

F adalah persentase daerah dalam setiap sub-faktor

Pembobotan. Pembobotan dalam CMA terbagi atas dua yaitu bobot mikro dan bobot makro. Bobot mikro menunjukkan bobot relatif dari suatu faktor atau peubah yang merupakan bagian dari pengaruh biofisik wilayah dan pengaruh faktor akibat aktifitas manusia (sub faktor dari masing-masing faktor). Bobot mikro diperoleh dari hasil perbandingan dari rerata persentase kepadatan hotspot dari setiap peubah dan total rerata persentase kepadatan hotspot suatu faktor. Adapun bobot makro adalah bobot yang menunjukkan tingkat pengaruh faktor

(10)

kebakaran hutan dan lahan. Proses pembobotan tingkat makro diperoleh dari rata-rata rasio jumlah titik panas (hotspot) hasil observasi dengan jumlah titik panas (hotspot) yang diharapkan ada (expected).

Nilai bobot mikro faktor bio-fisik dan aktifitas manusia dihitung berdasarkan persamaan berikut:

i

∑

= M M w i i ………... (4.3)

∑

= i i i N N y ………... (4.4) dimana:

wi adalah bobot setiap faktor bio-fisik

yi adalah bobot setiap faktor aktifitas manusia

Mi adalah rerata persentase kepadatan hotspot per luasan untuk setiap faktor bio-fisik;

∑

M adalah total rerata persentase kepadatan hotspot per luasan untuk 1

semua faktor bio-fisik;

Ni adalah persentase hotspot per luasan untuk setiap faktor aktifitas

manusia;

∑

N adalah total persentase titik panas (hotspot) per luasan untuk semua i

faktor aktifitas manusia.

Penentuan nilai bobot makro dihitung berdasarkan persamaan sebagai berikut:                   +             = Eh Oh En On Eh Oh M                   +             = Eh Oh En On En On L ………... (4.5) dimana :

M adalah bobot makro aspek pengaruh manusia; L adalah bobot makro aspek lingkungan fisik;

Oh adalah titik panas aktual (observed hotspot) yang diamati pada aspek pengaruh manusia;

Eh adalah titik panas yang diharapkan (expected hotspot) pada aspek lingkungan;

(11)

En adalah titik panas yang diharapkan (expected hotspot) pada aspek lingkungan.

Pemodelan Tingkat dan Zona Kerawanan Kebakaran Hutan dan Lahan Pembuatan model yang dapat menentukan tingkat dan zona kerawanan kebakaran hutan dan lahan dilakukan dengan dua pendekatan yaitu secara kualitatif (expert judgement) dengan metode ranking dan pendekatan kuantitatif (empiris) dengan metode analisis pemetaan komposit (Composite Mapping Analysis/CMA).

Pembuatan Persamaan Model dengan Metode Ranking . Berdasarkan pengkelasan, penyekoran dan pembobotan maka dibuatlah suatu formula matematik yang melibatkan semua krieria indikator atau peubah. Formula matematik untuk metode rangking tersebut adalah sebagai berikut:

V =

∑

w₁x₁ ... (4.6) dimana :

V adalah nilai kerawanan kebakaran w1 adalah Bobot masing-masing peubah

x1 adalah Skor masing-masing peubah

Pembuatan Persamaan Model dengan Metode Analisis Pemetaan Komposit (CMA). Model dibangun berdasarkan nilai skor, nilai bobot mikro dan nilai bobot makro dari faktor peubah biofisik dan aktifitas manusia yang digabungkan sehingga membentuk suatu persamaan yang digunakan untuk menentukan tingkat kerawanan kebakaran hutan dan lahan. Persamaannya adalah sebagai berikut:

(

∑

+

∑

)

= E w_i x_i H y_iz_i

V ………... (4.7)

dimana: E + H = 1

V adalah nilai kerawanan gabungan; E adalah bobot makro faktor bio-fisik;

(12)

yi adalah bobot mikro setiap faktor aktifitas manusia

xi adalah nilai skor kerawanan sub-faktor bio-fisik;

zi adalah nilai skor kerawanan sub-faktor aktifitas manusia.

Berdasarkan hasil perhitungan dari persamaan-persamaan yang digunakan untuk menentukan kelas kerawanan kebakaran hutan dan lahan maka nilai kerawanan yang telah diperolah dibagi atas 3 tingkat resiko yaitu tidak rawan, rawan dan sangat rawan. Setiap kelas memiliki rentang nilai sesuai dengan kondisi perubahan alam (natural break).

Verifikasi model (Uji Akurasi)

Verifikasi model bertujuan untuk mengetahui seberapa tepat model yang dibuat dalam menduga tingkat dan zona kebakaran hutan dan lahan terhadap kondisi sebenarnya. Verifikasi dilakukan dengan cara membuat area verifikasi dengan luasan tertentu, referensi untuk verifikasi adalah kepadatan hotspot bulan Agustus 2002. Pengujian dilakukan dengan cara menampalkan poligon kepadatan hotspot (area contoh) dengan peta model kerawanan. Pengambilan contoh dilakukan secara acak namun mewakili setiap kelas kerawanan.

Peta sebaran titik hotspot terlebih dahulu dijadikan dalam bentuk poligon kepadatan hotspot dengan menggunakan ArcView GIS ver 3.2 menu analysis dan pilih calculate density untuk menunjukkan jumlah hotspot pada radius 15 km dengan ukuran grid cell output 0.05 km. Hal ini menunjukkan bahwa jumlah hotspot akan dihitung dalam radius 15 km yang kemudian dibagi dengan luas radiusnya.

Pemilihan tipe kepadatan adalah kernel agar tampilan output tampak lebih halus. Area verifikasi dipilih secara acak dan tersebar menurut tingkat kerawanan berdasarkan kepadatan hotspot, kemudian ditampalkan dengan peta model kerawanan kebakaran. Akurasi model dihitung berdasarkan koinsidensi antara tingkat kerawanan kebakaran menurut kepadatan hotspot dengan tingkat kerawanan menurut model dengan menggunakan matrik kesalahan (confusion matrix). Matriks ini untuk menilai akurasi peta yang dihasilkan. Konfusi matrik terdiri dari n x n tabel kelas peta dimana kolom melambangkan peta model

(13)

sedangkan baris melambangkan peta referensi (kepadatan hotspot). Matrik ini digunakan untuk menghitung akurasi umum dengan persamaan sebagai berikut:

            =

∑

=1 ₁₀₀_% N x OA r i ii ………... (4.8) dimana:

OA adalah nilai validasi keseluruhan;

Xii adalah Coincided Value atau luasan kelas kerawanan yang sama antara

model dan kepadatan titik panas N adalah total area validasi

Akurasi umum biasanya memberikan hasil penilaian yang tinggi (over estimate) karena hanya mempertimbangkan piksel-piksel diagonal saja, oleh karena itu perlu dihitung dengan akurasi Kappa yang mempertimbangkan seluruh elemen dalam matrik. Persamaan yang dipakai adalah sebagai berikut:

(

)

(

)

∑

= + + = = + + × − × − = _r i i i r i r i i i ii x x N x x x N 1 2 1 1 κ ... (4.9) dimana:

κ _{adalah akurasi kappa;}

r adalah jumlah baris dalam error matrix;

ii x adalah jumlah pengamatan dalam baris i dan column i (pada diagonal utama);

+ i x adalah jumlah baris i; i x+ adalah jumlah kolom i;

N adalah Total jumlah pengamatan

Uji Signifikansi

Pengujian ini dimaksudkan untuk memilih model terbaik dari beberapa model yang memiliki nilai akurasi tinggi. Uji z ini dapat menjelaskan apakah suatu model berbeda nyata terhadap model lainnya. Persamaan yang digunakan untuk uji z adalah sebagai berikut:

(14)

96 , 1 2 2 > + − = j i j i K K z σ σ ………. (4.10)       − − − + − − − + − − = ₂ 2 2 2 4 2 1 3 2 3 2 1 1 2 2 2 2 ) 1 ( ) 4 ( ) 1 ( ) 1 ( ) 2 )( 1 ( 2 ) 1 ( ) 1 ( / 1 φ φ φ φ φ φ φ φ φ φ φ φ σ N dan: