x =
∑
; e = Dimana :
x = skor kelas sub faktor
o = jumlah hotspot yang ada pada tiap kelas observed hotspot
e = jumlah hotspot yang diharapkan pada tiap kelas expected hotspot
T = jumlah seluruh hotspot
F = persentase luas pada tiap kelas
Untuk melakukan perhitungan jumlah hotspot yang ada pada masing- masing kelas, digunakan ekstensi Arc GIS 9.3 Hawths Tools yang dapat di unduh
secara gratis dari internet. Ekstensi ini dapat menghitung jumlah hotspot di dalam poligon kelas variabel.
4.3.4.3
Penghitungan Nilai Skor Skala Rescalling Score
Rescalling score digunakan untuk menstandarkan nilai skor pada masing- masing variabel pada rentang niai tertentu. Salah satu cara menstandarkan skor
skala adalah formula Jaya et al. 2007, dimana masing-masing kelas diberi skor pada rentang 10 sampai dengan 100 menggunakan persamaan berikut :
ScoreR = {
∗ScoreR
+
− ScoreR
-
} + ScoreR
-
Keterangan : Score R = nilai skor hasil Rescalling
Score E
-1
= nilai skor dugaan estimated score input Score E
-
= nilai minimal skor dugaan Score E
+
= nilai maksimal skor dugaan Score R
+
= nilai skor tertinggi hasil Rescalling Score R
-
= nilai skor terendah hasil Rescalling
Variabel dalam analisis ini memiliki jumlah kelas yang sedikit umumnya 3-4 kelas dan menghasilkan skor dugaan yang nilainya sama dengan skor
aktualnya, sehingga nilai skor dugaan dalam formula ini dimodifikasi dengan skor aktual masing-masing kelas. Peta tematik variabel yang telah diberi atribut skor
dan data posisi hotspot selanjutnya dikonversi menjadi data raster dengan ukuran area piksel sama yaitu 1 km x 1 km. Penyamaan ukuran area piksel ini untuk
memungkinkan proses overlay. Jumlah piksel wilayah studi mencapai 3 869 piksel 1 piksel berukuran 1 km x 1 km selanjutnya diuji untuk mendapatkan
model regresi dengan nilai koefisien determinasi terbaik. Analisis hubungan antara skor setiap peubah terhadap kepadatan hotspot dilakukan melalui
pendekatan analisis regresi dengan estimasi kurva. Penilaian signifikansi dan koefisien determinasi R Square dilakukan oleh software SPSS 16 dengan
variabel bebas masing-masing peubah dan variabel terikat kepadatan hotspot pada radius 1 km.
4.3.4.4 Pembuatan Model Komposit
Pemilihan variabel penyusun model dilakukan melalui pembuatan model komposit dengan cara mengkompositkan skor variabel-variabel penyusun faktor
dengan mempertimbangkan nilai koefisien determinasi masing-masing variabel terhadap kepadatan hotspot. Variabel penyusun model akan dipilih apabila telah
mencapai nilai koefisien determinasi tertinggi dengan signifikansi 0.05.
Pembuatan model regresi linier berganda dilakukan dengan terlebih dahulu menghitung bobot makro dan bobot mikro. Regresi ini memerlukan asumsi
sebaran data normal, kecuali dalam prosesnya didahului oleh analisis faktor. Santoso 2012 mengatakan bahwa penggunaan analisis faktor pada kasus
multivariat tidak terlalu mementingkan asumsi kenormalan.
Analisis faktor dilakukan untuk mengelompokkan variabel-variabel menjadi beberapa faktor yang saling bebas. Dalam proses ini akan terbentuk skor
faktor yang menggantikan skor-skor variabel penyusunnya. Pendekatan ini akan digunakan untuk menduga bobot makro faktor pada model regresi linier berganda.
Untuk persiapan analisis faktor tersebut maka data-data yang masih berbentuk spasial diekstrak untuk menghasilkan data atribut. Data atribut berupa
skor hasil Rescalling pada masing-masing variabel di run menggunakan SPSS untuk membentuk faktor-faktor baru dengan mengacu batas nilai eigen values 1.
Penentuan bobot masing-masing variabel dilakukan setelah meregresikan skor faktor terhadap variabel tak bebas kepadatan hotspot menggunakan regresi
linier berganda. Data atribut kepadatan hotspot diekstrak dari data raster Kernel Density dengan radius 1 km. Bobot faktor diturunkan dari proporsi koefisien
masing-masing faktor. Hasil penjumlahan masing-masing bobot akan bernilai 1.
Setelah dilakukan perhitungan bobot, maka dilakukan pembuatan model spasial kebakaran hutan dan lahan yang menggambarkan hubungan matematis
antara masing-masing faktor dan variabel-variabel penyusunnya untuk menduga tingkat kerawanan kebakaran di wilayah studi melalui nilai skor komposit.
Formula dalam penyusunan regresi linier berganda sebagai berikut :
Y = ∑ F 4∑b
6
X
6
8 dimana : ∑
F = 1; ∑b
6
= 1 Keterangan :
Y = Skor komposit kerawanan kebakaran hutan dan lahan
F = Bobot makro skor faktor ke-i
b
6
= Bobot mikro skor variabel ke-j pada faktor ke-i X
6
= Variabel ke-j pada faktor ke-i
4.3.4.5 Visualisasi Formula Matematika Menjadi Model Spasial
Model yang diperoleh dari tahap-tahap sebelumnya divisualisasikan dalam bentuk peta dengan menggunakan Tool Raster Calculator pada Arc GIS 9.3.
berdasarkan peta visualisasi ini maka dilakukan analisis terhadap area rawan kebakaran.
