PREDIKSI LUAS AREA KEBAKARAN HUTAN BERDASARKAN DATA METEOROLOGI DENGAN MENGGUNAKAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS).
PREDIKSI LUAS AREA KEBAKARAN HUTAN
BERDASARKAN DATA METEOROLOGI DENGAN
MENGGUNAKAN PENDEKATAN MULTIVARIATE
ADAPTIVE REGRESSION SPLINES (MARS)
SKRIPSI SARJANA MATEMATIKA
OLEH :
WINALIA AGWIL
BP. 0810433046
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ANDALAS
PADANG
2012
DAFTAR ISI
KATA PENGANTAR
i
ABSTRAK
iii
DAFTAR ISI
iv
BAB I PENDAHULUAN
1
1.1 Latar Belakang ............................................................................. 1
1.2 Rumusan Masalah ........................................................................ 4
1.3 Batasan Masalah ........................................................................... 4
1.4 Tujuan Penelitian .......................................................................... 4
1.5 Sistematika Penulisan ................................................................... 5
BAB II
LANDASAN TEORI
6
2.1 Analisis Regresi .......................................................................... 6
2.2 Regresi Nonparametrik................................................................. 7
2.3 Regresi Spline............................................................................... 8
2.4 Basis Function (B) ......................................................................... 9
2.5 Recursive Partitioning (RP) .......................................................... 11
2.6 Modifikasi Friedman
(Multivariate Adaptive Regression Spline) .................................. 13
2.7 Algoritma MARS .......................................................................... 14
2.8 Uji Signifikansi Fungsi Basis Model MARS ............................... 17
BAB III METODOLOGI PENELITIAN
19
3.1 Data ............................................................................................. 19
3.2 Metoda ......................................................................................... 23
BAB IV ANALISIS DAN PEMBAHASAN
26
4.1 Model Luas Area Kebakaran Hutan
Menggunakan MARS …………………………………………... 26
4.2 Uji Signifikansi Basis Fungsi Model MARS…………………… 28 4.3
Interpretasi Model MARS ...........................……………………..30
BAB V KESIMPULAN
36
DAFTAR PUSTAKA
38
LAMPIRAN
40
ABSTRAK
Luas area kebakaran hutan dapat diduga berdasarkan data meteorologi. Data
meteorologi tersebut antara lain adalah koordinat sumbu x spasial suatu lokasi dalam peta,
koordinat sumbu y spasial suatu lokasi dalam peta, bulan, hari, indeks FFMC, indeks DMC,
indeks DC, indeks ISI, temperatur, kelembaban relatif, kecepatan angin dan curah hujan.
Pendugaan terhadap luas area kebakaran hutan dapat diduga dengan menggunakan
pendekatan Multivariate Adaptive Regression Spline (MARS). Data yang digunakan adalah
data meteorologi wilayah Portugal. Hasil pendugaan luas area kebakaran hutan dengan
menggunakan MARS menghasilkan beberapa variabel yang berpengaruh secara signifikan
antara lain : FFMC, hari, temperatur, DMC, kelembaban relatif, bulan, koordinat sumbu y
spasial suatu lokasi dalam peta, DC, dan koordinat sumbu x spasial suatu lokasi dalam peta
dengan tingkat kepentingan berturut-turut 100%, 90.9%, 73.5%, 34.5%, 25,1%,23.1%,
19.6%, 17.9% dan 5.7%.
Kata Kunci : Kebakaran Hutan, Data Meteorologi, Multivariate Adaptive Regression Spline
(MARS).
BAB I
PENDAHULUAN
1.1
Latar Belakang
Hutan merupakan salah satu sumber daya alam yang memiliki peran penting dan
bermanfaat bagi manusia. Fungsi hutan ada dua yaitu fungsi langsung yang dapat dinilai
dengan uang (tangible) dan fungsi tidak langsung yang tidak dapat dinilai dengan uang
(intangible) berupa fungsi hutan sebagai pembentuk iklim mikro dan makro, pencegah bencana
dan penyedia keanekaragaman hayati.
Kebakaran hutan berbeda dengan kebakaran lahan. Kebakaran hutan adalah kebakaran
yang terjadi di dalam kawasan hutan, sedangkan kebakaran lahan adalah kebakaran yang
terjadi di luar kawasan hutan. Kebakaran hutan dan lahan biasanya terjadi baik disengaja
maupun tanpa sengaja. Terjadinya kebakaran hutan dan lahan seringkali diakibatkan oleh
faktor kesengajaan manusia oleh beberapa kegiatan seperti kegiatan ladang, PIR (Perkebunan
Inti Rakyat), HTI (Hutan Tanaman Industri), penyiapan lahan untuk ternak sapi, dan
sebagainya. Sekitar 90% kejadian kebakaran hutan disebabkan karena kurangnya pengawasan
dalam melakukan kegiatan-kegiatan tersebut.
Kebakaran hutan juga bisa disebabkan oleh faktor ketidaksengajaan yang disebabkan
oleh faktor alami ataupun karena kelalaian manusia. Faktor-faktor alami penyebab kebakaran
hutan dan lahan meliputi bahan bakar, cuaca, waktu dan topografi. Faktor kebakaran hutan
yang disebabkan oleh faktor bahan bakar tergantung pada ukuran, susunan, volume, jenis dan
kandungan kadar air bahan bakar tersebut. Kelima hal tersebut memiliki pengaruh yang saling
berinteraksi, sehingga menyebabkan kebakaran hutan dan lahan [13].
Melihat tingginya angka kejadian kebakaran hutan pada saat ini, banyak peneliti
kebakaran hutan mencari cara untuk menanggulanginya. Salah satu dari cara yang sedang
diterapkan adalah Fire Danger Rating System (FDRS) yaitu suatu sistem yang dikembangkan
di Kanada untuk menentukan peringkat bahaya kebakaran regional. Subsistem dari Fire
Danger Rating System adalah FWI (Fire Weather Index) atau indeks cuaca kebakaran yang
berguna untuk melihat pengaruh cuaca terhadap kelembaban bahan bakar dan perilaku
kebakaran, selain itu juga untuk melihat intensitas laju kebakaran dan ketersediaan bahan
bakar. Sistem FWI terdiri dari 3 kode kelembaban antara lain sebagai berikut :
a.
Fine Fuel Moisture Code (FFMC)
b.
Duff Moisture Code (DMC)
c.
Drought Code (DC)
Selain memiliki tiga kode, sistem FWI juga memiliki tiga indeks prilaku kebakaran
hutan yaitu sebagai berikut :
a. Initial Spread Index (ISI)
b. Buildup Index (BUI)
c. Fire Weather Index (FWI)
Kode-kode FWI biasanya dihitung dari titik-titik pengamatan (umumnya stasiun cuaca)
dengan masukan parameter suhu udara, kelembaban udara, kecepatan angin, dan curah hujan.
Disamping itu, juga harus diperhatikan kondisi topografi, tipe bahan bakar, dan permukaan
yang dapat mempengaruhi nilai FWI.
Berdasarkan indeks-indeks dan kode-kode pada sistem FWI beserta data meteorologi
lainnya seperti kelembaban relatif, curah hujan, temperatur dan kecepatan angin, dapat
diprediksikan/diperkirakan kemungkinan luasnya area kebakaran hutan di satu lokasi tertentu.
Prediksi luas area kebakaran hutan di suatu lokasi tertentu sangatlah penting, agar dapat
dilakukan antisipasi terhadap luasnya kebakaran hutan tersebut. Salah satu pendekatan yang
dapat dilakukan untuk memodelkan luas area kebakaran hutan adalah pendekatan
nonparametrik, pendekatan nonparametrik ini akan menghasilkan model yang fleksibel [8].
Salah satu pendekatan nonparametrik yang dapat digunakan adalah MARS
(Multivariate Adaptive Regression Splines). MARS (Multivariate Adaptive Regression
Splines) merupakan pendekatan regresi nonparametrik yang dikembangkan oleh Jerome H.
Friedman pada tahun 1990. Data respon pada MARS dapat berupa data kontinu dan data biner.
Selain itu, MARS menghasilkan pemodelan regresi yang fleksibel untuk data dengan variabel
prediktor
≤�≤
dan ukuran contoh 5 ≤ � ≤
. Bentuk model MARS merupakan
perluasan hasil kali fungsi basis spline, dimana jumlah fungsi basis beserta parameter
parameternya (derajat hasil kali, lokasi knot) ditentukan oleh data dengan menggunakan
algoritma recursive partitioning yang dimodifikasi [9].
Karena MARS dapat menghasilkan pemodelan yang fleksibel dengan data yang
memiliki banyak variabel prediktor, penulis tertarik menggunakan MARS untuk melihat
seberapa besar pengaruh indeks/kode FWI dan juga data meteorologi lainnya terhadap luas
area kebakaran hutan.
1.2
Rumusan Masalah
Rumusan masalah yang akan dibahas dalam penelitian ini adalah :
1. Faktor–faktor apa saja yang mempengaruhi luas area kebakaran hutan berdasarkan data
meteorologi dengan menggunakan MARS (Multivariate Adaptive Regression Splines)?
2. Bagaimana model luas area kebakaran hutan berdasarkan data meteorologi menggunakan
metode MARS (Multivariate Adaptive Regression Splines)?
1.3
Batasan Masalah
Pada penelitian ini diberikan batasan bahwa data yang digunakan adalah data sekunder
luas area kebakaran hutan berdasarkan data meteorologi di wilayah Portugal pada tahun 2007
dengan 12 variabel prediktor antara lain : koordinat sumbu x spasial suatu lokasi dalam peta,
koordinat sumbu y spasial suatu lokasi dalam peta, bulan, hari, indeks FFMC, indeks DMC,
indeks DC, indeks ISI, temperatur, kelembaban relatif, kecepatan angin dan curah hujan.
1.4
Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah :
1. Untuk mengetahui faktor–faktor yang mempengaruhi luas area kebakaran hutan
berdasarkan data meteorologi dengan menggunakan MARS.
2. Menduga model luas area kebakaran hutan berdasarkan data meteorologi dengan
menggunakan model MARS.
1.5
Sistematika Penulisan
Pada Bab I diuraikan tentang latar belakang masalah, perumusan masalah, pembatasan
masalah, tujuan dan sistematika penulisan skripsi ini. Konsep dasar mengenai Multivariate
Adaptive Regression Spline (MARS) serta beberapa teori pendukung untuk menyelesaikan
permasalahan skripsi ini yang disajikan dalam Bab II sebagai landasan teori. Pada Bab III
berisikan tentang data dan langkah-langkah penelitian yang merupakan langkah atau proses
untuk memperoleh hasil. Analisis dan pembahasan akan dipaparkan dalam Bab IV yang
merupakan hasil dari langkah-langkah pada Bab III. Penulisan skripsi ini diakhiri dengan
kesimpulan yang dipaparkan dalam Bab V.
BERDASARKAN DATA METEOROLOGI DENGAN
MENGGUNAKAN PENDEKATAN MULTIVARIATE
ADAPTIVE REGRESSION SPLINES (MARS)
SKRIPSI SARJANA MATEMATIKA
OLEH :
WINALIA AGWIL
BP. 0810433046
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ANDALAS
PADANG
2012
DAFTAR ISI
KATA PENGANTAR
i
ABSTRAK
iii
DAFTAR ISI
iv
BAB I PENDAHULUAN
1
1.1 Latar Belakang ............................................................................. 1
1.2 Rumusan Masalah ........................................................................ 4
1.3 Batasan Masalah ........................................................................... 4
1.4 Tujuan Penelitian .......................................................................... 4
1.5 Sistematika Penulisan ................................................................... 5
BAB II
LANDASAN TEORI
6
2.1 Analisis Regresi .......................................................................... 6
2.2 Regresi Nonparametrik................................................................. 7
2.3 Regresi Spline............................................................................... 8
2.4 Basis Function (B) ......................................................................... 9
2.5 Recursive Partitioning (RP) .......................................................... 11
2.6 Modifikasi Friedman
(Multivariate Adaptive Regression Spline) .................................. 13
2.7 Algoritma MARS .......................................................................... 14
2.8 Uji Signifikansi Fungsi Basis Model MARS ............................... 17
BAB III METODOLOGI PENELITIAN
19
3.1 Data ............................................................................................. 19
3.2 Metoda ......................................................................................... 23
BAB IV ANALISIS DAN PEMBAHASAN
26
4.1 Model Luas Area Kebakaran Hutan
Menggunakan MARS …………………………………………... 26
4.2 Uji Signifikansi Basis Fungsi Model MARS…………………… 28 4.3
Interpretasi Model MARS ...........................……………………..30
BAB V KESIMPULAN
36
DAFTAR PUSTAKA
38
LAMPIRAN
40
ABSTRAK
Luas area kebakaran hutan dapat diduga berdasarkan data meteorologi. Data
meteorologi tersebut antara lain adalah koordinat sumbu x spasial suatu lokasi dalam peta,
koordinat sumbu y spasial suatu lokasi dalam peta, bulan, hari, indeks FFMC, indeks DMC,
indeks DC, indeks ISI, temperatur, kelembaban relatif, kecepatan angin dan curah hujan.
Pendugaan terhadap luas area kebakaran hutan dapat diduga dengan menggunakan
pendekatan Multivariate Adaptive Regression Spline (MARS). Data yang digunakan adalah
data meteorologi wilayah Portugal. Hasil pendugaan luas area kebakaran hutan dengan
menggunakan MARS menghasilkan beberapa variabel yang berpengaruh secara signifikan
antara lain : FFMC, hari, temperatur, DMC, kelembaban relatif, bulan, koordinat sumbu y
spasial suatu lokasi dalam peta, DC, dan koordinat sumbu x spasial suatu lokasi dalam peta
dengan tingkat kepentingan berturut-turut 100%, 90.9%, 73.5%, 34.5%, 25,1%,23.1%,
19.6%, 17.9% dan 5.7%.
Kata Kunci : Kebakaran Hutan, Data Meteorologi, Multivariate Adaptive Regression Spline
(MARS).
BAB I
PENDAHULUAN
1.1
Latar Belakang
Hutan merupakan salah satu sumber daya alam yang memiliki peran penting dan
bermanfaat bagi manusia. Fungsi hutan ada dua yaitu fungsi langsung yang dapat dinilai
dengan uang (tangible) dan fungsi tidak langsung yang tidak dapat dinilai dengan uang
(intangible) berupa fungsi hutan sebagai pembentuk iklim mikro dan makro, pencegah bencana
dan penyedia keanekaragaman hayati.
Kebakaran hutan berbeda dengan kebakaran lahan. Kebakaran hutan adalah kebakaran
yang terjadi di dalam kawasan hutan, sedangkan kebakaran lahan adalah kebakaran yang
terjadi di luar kawasan hutan. Kebakaran hutan dan lahan biasanya terjadi baik disengaja
maupun tanpa sengaja. Terjadinya kebakaran hutan dan lahan seringkali diakibatkan oleh
faktor kesengajaan manusia oleh beberapa kegiatan seperti kegiatan ladang, PIR (Perkebunan
Inti Rakyat), HTI (Hutan Tanaman Industri), penyiapan lahan untuk ternak sapi, dan
sebagainya. Sekitar 90% kejadian kebakaran hutan disebabkan karena kurangnya pengawasan
dalam melakukan kegiatan-kegiatan tersebut.
Kebakaran hutan juga bisa disebabkan oleh faktor ketidaksengajaan yang disebabkan
oleh faktor alami ataupun karena kelalaian manusia. Faktor-faktor alami penyebab kebakaran
hutan dan lahan meliputi bahan bakar, cuaca, waktu dan topografi. Faktor kebakaran hutan
yang disebabkan oleh faktor bahan bakar tergantung pada ukuran, susunan, volume, jenis dan
kandungan kadar air bahan bakar tersebut. Kelima hal tersebut memiliki pengaruh yang saling
berinteraksi, sehingga menyebabkan kebakaran hutan dan lahan [13].
Melihat tingginya angka kejadian kebakaran hutan pada saat ini, banyak peneliti
kebakaran hutan mencari cara untuk menanggulanginya. Salah satu dari cara yang sedang
diterapkan adalah Fire Danger Rating System (FDRS) yaitu suatu sistem yang dikembangkan
di Kanada untuk menentukan peringkat bahaya kebakaran regional. Subsistem dari Fire
Danger Rating System adalah FWI (Fire Weather Index) atau indeks cuaca kebakaran yang
berguna untuk melihat pengaruh cuaca terhadap kelembaban bahan bakar dan perilaku
kebakaran, selain itu juga untuk melihat intensitas laju kebakaran dan ketersediaan bahan
bakar. Sistem FWI terdiri dari 3 kode kelembaban antara lain sebagai berikut :
a.
Fine Fuel Moisture Code (FFMC)
b.
Duff Moisture Code (DMC)
c.
Drought Code (DC)
Selain memiliki tiga kode, sistem FWI juga memiliki tiga indeks prilaku kebakaran
hutan yaitu sebagai berikut :
a. Initial Spread Index (ISI)
b. Buildup Index (BUI)
c. Fire Weather Index (FWI)
Kode-kode FWI biasanya dihitung dari titik-titik pengamatan (umumnya stasiun cuaca)
dengan masukan parameter suhu udara, kelembaban udara, kecepatan angin, dan curah hujan.
Disamping itu, juga harus diperhatikan kondisi topografi, tipe bahan bakar, dan permukaan
yang dapat mempengaruhi nilai FWI.
Berdasarkan indeks-indeks dan kode-kode pada sistem FWI beserta data meteorologi
lainnya seperti kelembaban relatif, curah hujan, temperatur dan kecepatan angin, dapat
diprediksikan/diperkirakan kemungkinan luasnya area kebakaran hutan di satu lokasi tertentu.
Prediksi luas area kebakaran hutan di suatu lokasi tertentu sangatlah penting, agar dapat
dilakukan antisipasi terhadap luasnya kebakaran hutan tersebut. Salah satu pendekatan yang
dapat dilakukan untuk memodelkan luas area kebakaran hutan adalah pendekatan
nonparametrik, pendekatan nonparametrik ini akan menghasilkan model yang fleksibel [8].
Salah satu pendekatan nonparametrik yang dapat digunakan adalah MARS
(Multivariate Adaptive Regression Splines). MARS (Multivariate Adaptive Regression
Splines) merupakan pendekatan regresi nonparametrik yang dikembangkan oleh Jerome H.
Friedman pada tahun 1990. Data respon pada MARS dapat berupa data kontinu dan data biner.
Selain itu, MARS menghasilkan pemodelan regresi yang fleksibel untuk data dengan variabel
prediktor
≤�≤
dan ukuran contoh 5 ≤ � ≤
. Bentuk model MARS merupakan
perluasan hasil kali fungsi basis spline, dimana jumlah fungsi basis beserta parameter
parameternya (derajat hasil kali, lokasi knot) ditentukan oleh data dengan menggunakan
algoritma recursive partitioning yang dimodifikasi [9].
Karena MARS dapat menghasilkan pemodelan yang fleksibel dengan data yang
memiliki banyak variabel prediktor, penulis tertarik menggunakan MARS untuk melihat
seberapa besar pengaruh indeks/kode FWI dan juga data meteorologi lainnya terhadap luas
area kebakaran hutan.
1.2
Rumusan Masalah
Rumusan masalah yang akan dibahas dalam penelitian ini adalah :
1. Faktor–faktor apa saja yang mempengaruhi luas area kebakaran hutan berdasarkan data
meteorologi dengan menggunakan MARS (Multivariate Adaptive Regression Splines)?
2. Bagaimana model luas area kebakaran hutan berdasarkan data meteorologi menggunakan
metode MARS (Multivariate Adaptive Regression Splines)?
1.3
Batasan Masalah
Pada penelitian ini diberikan batasan bahwa data yang digunakan adalah data sekunder
luas area kebakaran hutan berdasarkan data meteorologi di wilayah Portugal pada tahun 2007
dengan 12 variabel prediktor antara lain : koordinat sumbu x spasial suatu lokasi dalam peta,
koordinat sumbu y spasial suatu lokasi dalam peta, bulan, hari, indeks FFMC, indeks DMC,
indeks DC, indeks ISI, temperatur, kelembaban relatif, kecepatan angin dan curah hujan.
1.4
Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah :
1. Untuk mengetahui faktor–faktor yang mempengaruhi luas area kebakaran hutan
berdasarkan data meteorologi dengan menggunakan MARS.
2. Menduga model luas area kebakaran hutan berdasarkan data meteorologi dengan
menggunakan model MARS.
1.5
Sistematika Penulisan
Pada Bab I diuraikan tentang latar belakang masalah, perumusan masalah, pembatasan
masalah, tujuan dan sistematika penulisan skripsi ini. Konsep dasar mengenai Multivariate
Adaptive Regression Spline (MARS) serta beberapa teori pendukung untuk menyelesaikan
permasalahan skripsi ini yang disajikan dalam Bab II sebagai landasan teori. Pada Bab III
berisikan tentang data dan langkah-langkah penelitian yang merupakan langkah atau proses
untuk memperoleh hasil. Analisis dan pembahasan akan dipaparkan dalam Bab IV yang
merupakan hasil dari langkah-langkah pada Bab III. Penulisan skripsi ini diakhiri dengan
kesimpulan yang dipaparkan dalam Bab V.