Model Prediksi Deret Waktu Titik Panas dengan Memperhatikan Faktor Iklim dan ENSO Menggunakan Metode LSTM-RNN

Abstract

Provinsi Sumatera Selatan merupakan salah satu provinsi dengan tingkat kebakaran hutan dan lahan yang cukup parah. Hal ini berdasarkan data Kementerian Lingkungan Hidup dan Kehutanan (KLHK) yang menyatakan bahwa luas kebakaran hutan tahun 2017 sebesar 3.625 Ha, 2018 sebesar 16.226 Ha. 2019 sebesar 336.789 Ha. Kemudian provinsi ini pernah tercatat sebagai provinsi dengan persentase karhutla tertinggi se Indonesia karena dari tahun 2015 sampai 2019 luas lahan yang terbakar telah mencapai 29,55%. Hal ini merupakan salah satu permasalahan serius karena karhutla memiliki banyak dampak negatif. Karhutla dapat terjadi karena kemunculan titik panas secara terus menerus pada suatu wilayah Penyebab utama kemunculan titik panas adalah kesengajaan manusia membakar hutan dan lahan. Faktor iklim khususnya curah hujan mempengaruhi titik panas karena kemunculan titik panas cenderung terjadi pada musim kemarau. Faktor ENSO seperti SST Nina 3,4 dan SOI secara tidak langsung titik panas karena ENSO menyebabkan terjadinya El-Nino dan La-Nina. Saat terjadi El-Nino maka intensitas curah hujan menjadi lebih sedikit dari kondisi normal dan membuat musim kemarau menjadi lebih panjang. Kemunculan titik panas di Provinsi Sumatera Selatan lebih dipengaruhi oleh curah hujan dibandingkan dengan SST Nino 3.4 dan SOI. Hasil uji korelasi terhadap data penelitian menunjukan bahwa korelasi antara curah hujan dan titik panas sebesar -0,3766. Hasil ini memiliki makna curah hujan dengan titik panas berbanding terbalik, artinya jika curah hujan semakin rendah maka jumlah titik panas semakin meningkat. Selanjutnya curah hujan mempengaruhi titik panas di Provinsi Sumatera Selatan sebesar 37,66%. Hasil uji korelasi antara SST Nino 3.4 dengan titik panas sebesar 0,2994 dan SOI dengan titik panas sebesar -0,2732. Hasil ini memiliki makna SST Nino 3.4 berbanding lurus dengan titik panas sedangkan SOI berbanding terbalik dengan titik panas. Jika SST Nino 3.4 mempengaruhi titik panas sebesar 29% sementara SOI mempengaruhi titik panas sebesar 27%. Penelitian ini bertujuan untuk membuat model prediksi titik panas di Provinsi Sumatera Selatan dengan memperhatikan faktor curah hujan dan ENSO menggunakan metode LSTM- RNN. Pembuatan model prediksi titik panas dilakukan sebanyak tiga kali percobaan. Pertama model prediksi hanya memperhatikan kemunculan titik panas, kedua model prediksi dengan memperhatikan faktor curah hujan dan ketiga model prediksi yang memperhatikan ENSO. Hasil percobaan pertama dijadikan sebagai dasar acuan performa model prediksi. Kemudian penelitian ini akan membandingkan percobaan pertama dengan kedua dan membandingkan percobaan pertama dengan ketiga. Hal ini sengaja dilakukan untuk mengetahui apakah curah hujan lebih mempengaruhi titik panas di Provinsi Sumatera Selatan atau SST Nino dan SOI lebih mempengaruhi titik panas di Provinsi Sumatera Selatan. ...