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.
4.3.4.6 Pembuatan Kelas Kerawanan Kebakaran
Kelas kerawanan kebakaran dibagi menjadi 3 kelas memanfaatkan nilai Mean dan Standar Deviasi SD, yaitu kelas kerawanan rendah, sedang dan tinggi.
Kriteria pembagian kelas ini akan menghasilkan interval skor komposit yang sempit dan luasan area yang kecil pada kelas kerawanan tinggi serta sedang
sebagai salah satu pertimbangan penentuan area prioritas DALKARHUT. Luas area prioritas yang diharapkan berkisar 20-30 dari luas seluruh kawasan.
Kriteria nilai skor komposit masing-masing kelas seperti pada Tabel 14.
Tabel 14 Interval skor komposit kelas kerawanan kebakaran
No. Kelas Kerawanan Kebakaran
Nilai Interval Skor Komposit ISK 1.
Rendah ISK Mean + SD
2. Sedang
ISK antara Mean + SD dan Mean + 2SD 3.
Tinggi ISK 2SD
Keterangan : ISK = Interval Skor Komposit; SD = Standar Deviasi
4.3.4.7 Validasi Model
Untuk melakukan validasi model, diperlukan data hotspot validasi yang telah dipisahkan dari hotspot pembangun model. Hotspot validasi dihasilkan dari
proses pengacakan hotspot bulan November 2007-Oktober 2012 ditambah hotspot bulan Januari-Oktober 2007 dan November-Desember 2012. Validasi model
dilakukan dengan meng-overlay-kan hotspot validasi terhadap peta kerawanan kebakaran dari model. Dengan mempertimbangkan luas area dan kriteria batas
kelas kerawanan kebakaran, validitas yang diharapkan pada model adalah adanya minimal 50 hotspot validasi berada pada kelas kerawanan kebakaran tinggi dan
sedang, dimana kepadatan hotspot validasi kelas kerawanan kebakaran tinggi sedang rendah.
Perhitungan akurasi juga dilakukan dengan cara membandingkan skor komposit yang dihasilkan oleh hotspot pembangun model terhadap skor komposit
yang dihasilkan oleh hotspot untuk validasi setiap piksel area jumlah 3 872 piksel. Tujuan perhitungan ini adalah untuk menguji apakah model yang
dihasilkan masih relevan atau memberikan hasil yang sama apabila diaplikasikan untuk hotspot validasi. Kriteria model yang baik mempunyai simpangan agregat
berkisar -1 sampai dengan 1, simpangan rata-rata kurang dari 10 , Root Mean Square Error RMSE kecil, bias rendah dan signifikan. Formula yang digunakan
untuk perhitungan parameter-parameter akurasi mengacu pada Spurr 1952 dalam Puspaningsih 2011, sebagai berikut :
Dimana : Y
= Skor komposit yang dihasilkan oleh model Y
+
= Skor komposit yang dihasilkan oleh validasi SA
= Simpangan Agregat SR
= Simpangan Rata-rata RMSE = Root Mean Square Error
e = bias
4.3.5 Analisis Kerawanan Kebakaran Menurut Tata Ruang Zonasi
Analisis resiko ekologis kebakaran hutan dan lahan kawasan TNRAW
didekati dengan melakukan overlay tumpang susun peta potensi kejadian kebakaran dengan peta Rencana Tata Ruang Zonasi. Kawasan yang rentan secara
ekologis dan memiliki fungsi lindung yang tinggi di dalam kawasan taman nasional secara berturut-turut adalah zona inti diikuti zona rimba dan zona
lainnya.
4.3.6 Penyusunan Arahan Strategi Mitigasi Kebakaran
Upaya mengoptimalkan mitigasi dilakukan dengan cara menyusun arahan
strategi pengendalian kebakaran hutan dan lahan. Metoda yang digunakan adalah teknik SWOT. Analisis ini dilakukan dengan tahapan-tahapan sebagai berikut :
4.3.6.1 Tahap Pengumpulan Data
Pada tahap ini dilakukan identifikasi terhadap sumber daya yang berpengaruh terhadap pengendalian kebakaran hutan dan lahan di kawasan
TNRAW. Data yang terkumpul selanjutnya diklasifikasikan ke dalam faktor internal dan eksternal. Sumber daya internal terbagi menjadi 2 yaitu : kekuatan
Strength dan kelemahan Weakness, sedangkan sumber daya eksternal terbagi menjadi peluang Opportunity dan ancaman Threat.
Langkah selanjutnya adalah penyusunan matrik Faktor Strategi Internal IFAS dan Faktor Strategi Eksternal EFAS. Masing-masing komponen faktor
diberi bobot mulai dari 0 tidak penting sampai 1 sangat penting. Pengisian nilai sementara oleh informan ahli menggunakan interval dengan kriteria sebagai
berikut : tidak penting = 0; agak penting = 1; sedang = 2; penting = 3; sangat penting = 4. Nilai penting komponen semakin tinggi maka nilainya juga semakin
tinggi pula. Nilai sementara tersebut selanjutnya dikonversi menjadi angka bobot pada selang 0 sampai 1 berdasarkan proporsi komponen masing-masing terhadap
Jumlah nilai faktor strategi.
Kolom rating diisi sesuai dengan pengaruh komponen faktor tersebut terhadap kondisi organisasi. Selang nilai rating adalah 1 sampai 5. Faktor Strategi
Internal IFAS berupa kekuatan dan kelemahan menggunakan interval dengan kriteria sebagai berikut : kelemahan utama = 1; kelemahan kecil = 2; biasa
ajastandar = 3; kekuatan = 4; kekuatan utama = 5. Faktor Strategi Eksternal EFAS berupa peluang dan ancaman, menggunakan interval dengan kriteria
Kategori