Prediksi Jumlah Kejadian Titik Panas (Hotspot) menggunakan Model Seasonal Autoregressive Integrated Moving Average (SARIMA) di Kabupaten Bengkalis, Provinsi Riau
Abstract
Peranan lahan gambut salah satunya adalah menjadi tempat penyimpanan
karbon dan pencegah banjir karena daya tampung dan kemampuannya yang tinggi
dalam menyerap air pada musim hujan. Jika lahan mengalami kebakaran, maka
karbon yang tersimpan akan dilepaskan ke atmosfer yang dapat mempengaruhi
iklim global. Untuk itu dibutuhkan suatu cara untuk memprediksi kemungkinan
kebakaran lahan yang akan terjadi. Metode yang digunakan dalam penelitian ini
adalah metode Seasonal Autoregressive Integrated Moving Average (SARIMA).
SARIMA merupakan modifikasi dari metode ARIMA yang dapat melakukan
prediksi pada data deret waktu dengan memperhitungkan faktor musiman.
SARIMA dipilih sebagai model yang digunakan dalam penelitian ini karena
ARIMA tidak cocok digunakan pada data deret waktu yang memiliki pola
musiman. SARIMA dapat dijelaskan dengan notasi SARIMA(p,d,q)(P,D,Q)S,
dimana p adalah ordo autoregressive (AR) non-musiman, d adalah banyaknya
proses differencing pada bagian non-musiman, q adalah ordo moving average (MA)
non-musiman, P adalah ordo AR musiman, D adalah banyaknya proses
differencing pada bagian musiman, Q adalah ordo MA musiman dan S adalah ordo
musiman. Kabupaten Bengkalis dipilih sebagai wilayah kajian karena merupakan
salah satu kabupaten yang memiliki sebaran lahan gambut terluas di Provinsi Riau
yang mencapai 69,68% dari luas total dataran kabupaten. Penelitian ini dilakukan
menggunakan data titik panas (hotspot) periode 2001 sampai 2021 di wilayah
Kabupaten Bengkalis, Provinsi Riau. Hasil penelitian menunjukkan bahwa model
prediksi terbaik yaitu model SARIMA(1,0,0)(1,1,1)12. Model
SARIMA(1,0,0)(1,1,1)12 dipilih karena memenuhi syarat pendugaan parameter,
memenuhi asumsi galat white noise dan berdistribusi normal. Model memiliki nilai
AIC (Akaike Information Criterion) terkecil dibanding model tentatif lainnya, serta
nilai NRMSE (Normalized Root Mean Square Error) sebesar 24%. Nilai AIC
digunakan untuk memilih model SARIMA terbaik dengan melihat model SARIMA
yang menghasilkan nilai AIC terkecil. Hasil ini membuat model SARIMA dapat
dikatakan cukup (sufficient) dalam memprediksi kejadian titik panas (hotspot) di
Kabupaten Bengkalis, Provinsi Riau.