Perencanaan Ruang Berwawasan Mitigasi Bencana Kebakaran Hutan dan Lahan: Studi Kasus di Provinsi Kalimantan Tengah
View/ Open
Date
2019Author
Ernawati, Diah
Mulyanto, Budi
Munibah, Khursatul
Metadata
Show full item recordAbstract
Bencana kebakaran hutan dan lahan (KARHUTLA) menjadi permasalahan
serius dalam keberlangsungan kehidupan. Bagaimana mitigasi bencana
KARHUTLA untuk menuju zero fire? Berbagai upaya mitigasi telah dilakukan
namum belum dapat menemukan solusi yang efektif untuk penanggulangan
bencana KARHUTLA. Mitigasi yang dilakukan selama ini belum terintegrasi
dengan perencanaan ruang. Penelitian ini melakukan studi kasus di wilayah
Provinsi Kalimantan Tengah dengan pertimbangan bencana tersebut terjadi di
setiap tahunnya.
Penelitian ini bertujuan untuk membangun tipologi karakteristik wilayah,
model spasial kerawanan KARHUTLA, dan rumusan kebijakan perencanaan
ruang berwawasan mitigasi bencana KARHUTLA. Penelitian menggunakan
metode kuantitatif melalui penggunaan analisis klaster, regresi logistik dan
tumpang susun dengan rencana tata ruang periode tahun 2015 ˗ 2035. Data yang
digunakan dalam penelitian ini adalah data sosial, ekonomi dan biofisik dari
kisaran tahun 2007 ˗ 2018 serta informasi tambahan sepertihalnya rencana tata
ruang wilayah.
Hasil penelitian menunjukkan bahwa Provinsi Kalimantan Tengah
memiliki karakteristik umum wilayah yang terbagi menjadi dua tipologi. Tipologi
1 adalah wilayah yang memiliki intensitas kebakaran yang tinggi, sedangkan
tipologi 2 adalah wilayah yang memiliki intensitas kebakaran rendah. Adapun dari
hasil analisis diperoleh 5 (lima) peubah yang terpilih sebagai dasar pemisahan klas
tipologi yaitu jumlah penduduk, PDRB perkapita, laju pertambahan luas lahan
pertanian, laju deforestasi, dan panjang jalan. Pembangunan model tipologi
berdasarkan laju penambahan luas lahan pertanian menjadi peubah terbaik,
memiliki akurasi sebesar 86% terhadap kejadian KARHUTLA.
Pembangunan model spasial KARHUTLA menggunakan peubah antara
lain jumlah penduduk (x1), kepadatan penduduk (x2), jumlah petani (x3), jumlah
buruh (x4), PDRB perkapita (x5), laju PDRB perkapita (x6), jarak dari
permukiman (x7), jarak dari jalan (x8), jarak dari sungai (x9), jarak dari tutupan
semak belukar (x10), jarak dari tutupan hutan (x11), jarak dari HGU (x12), jarak
dari kawasan hutan lindung (x13), jarak dari kawasan konservasi (x14), jarak dari
kawasan hutan produksi terbatas (x15), jarak dari kawasan hutan produksi (x16),
jarak dari kawasan hutan produksi dapat dikonversi (x17), jarak dari lahan gambut
(x18), ketinggian tempat (x19), slope (x20). Persamaan yang dihasilkan adalah logit
= 7,185 – 0,149x2 + 0,038x3 + 0,060x5 – 0,071x6 – 0,087 x7 – 0,459x8 –
0,076x9 – 0,453x10 + 0,049x11 – 0,032x12 – 0,019x13 + 0,097x14 + 0,052x15 –
0,028x16 + 0,089x17 – 0,100x18 – 0,222x19.
Adapun analisis yang dilakukan menghasilkan nilai VIF < 10, uji regresi
logistik memiliki nilai uji Hosmer and Lemeshow test > 0,05 (taraf signifikan) dan
Nagelkerke R2 sebesar 90 %, uji sensitifitas model sebesar 98,9 % selanjutnya
akurasi dibandingkan data faktual sebesar 78 %. Dari serangkaian uji yang
dilakukan model spasial KARHUTLA memiliki kelayakan yang baik (robust)
dalam menjelaskan kejadian faktual. Spasial probabilitas dan prediksi
KARHUTLA pada tahun 2019 – 2029 diperoleh dengan memanfaatkan model
yang telah dibangun di atas.
Penelitian ini merekomendasikan bahwa pembangunan model tipologi dapat
didasarkan dari peubah jumlah penduduk, PDRB per kapita, laju pertambahan
luas lahan pertanian, deforestasi dan panjang jalan. Model prediksi spasial
KARHUTLA digunakan sebagai upaya mitigasi dan early warning terhadap
bencana KARHUTLA. Selanjutnya, penelitian ini menawarkan berbagai opsi
dalam strategi kebijakan mitigasi bencana KARHUTLA secara efektif dan efisien
menuju zero fire yaitu terkait pengaturan right, aksesibilitas, pemeliharaan tutupan
lahan melalui investasi hijau dan reboisasi serta reforestasi, pertimbangan
resettlement dan pertimbangan teknis seperti perencanaan lokasi strategis pos-pos
penanggulangan KARHUTLA.
Collections
- MT - Agriculture [3992]
