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.