The Review of Gneralized Space Time autoregressive Model (Case of Forest Fire Hotspots Data in Riau)

Abstract

Review of Gneralized Space Time autoregressive Model (GSTAR) model was a method used to model space-time series data. This model was developmented of the STAR model in which GSTAR generate space-time model with the parameters that should not be the same for the time and space dependence. This study aims to assess and develop procedures for the establishment of an appropriate model GSTAR on spatial time series data and determine the best and appropriate GSTAR model on the number of forest fire hotspots data in Riau. Estimating the parameters in the model GSTAR can be done using the least squares method by minimizing the sum squares of error. It was resulted that GSTAR Model (11) with inverse distance weighting is the best model for modeling the number of forest fire hotspots data in Riau.

Kebakaran hutan di Indonesia pada tahun 1997/1998 telah mendapatkan perhatian yang luas baik nasional maupun internasional. Peristiwa tersebut menghanguskan 11,7 juta Ha hutan dengan kerugian ekonomi sebesar 1,62-2,7 milyar dollar dan menghasilkan emisi karbon sebesar 206,6 juta ton karbon serta dampak asapnya mempengaruhi 75 juta jiwa (Tacconi 2003). Untuk sektor transportasi udara, kerugian total berkisar antara Rp.100,78 - Rp.122,69 milyar. Belum lagi dampak lainnya seperti kerusakan ekologis, hilangnya keanekaragaman hayati, menurunnya produktifitas tanah, timbulnya dampak sosial dimasyarakat dan lain sebagainnya. Pemantauan kejadian kebakaran hutan untuk mendeteksi dan mengidentifikasi pola kebakaran yeng terjadi dapat dilihat dari data sebaran hotspot (titik panas) dari suatu daerah. Data yang dihasilkan ditampilkan sebagai data sebaran titik api. Data sebaran titik api akan mempunyai sebaran yang berbeda pada waktu-waktu tempat-tempat tertentu. Fenomena kebakaran hutan ini pada umumnya terjadi seiring dengan pergeseran musim kearah kemarau dan juga dapat terjadi pada daerah yang rawan kebakaran hutan. Salah satu model dalam statistika yang dapat menggabungkan unsur ketergantungan waktu dan lokasi pada suatu data deret waktu peubah ganda adalah model ruang-waktu. Model ruang-waktu ini pertama kali diperkenalkan oleh Pfeifer dan Deutsch (1980). Model ruang-waktu yang sering digunakan adalah STAR (space time autoregressive) dan GSTAR (generalized space time autoregressive). Pada model STAR lebih sesuai untuk lokasi dengan karakteristik serba sama, karena model tersebut mengasumsikan parameter autoregresi dan parameter ruang-waktu bernilai sama untuk semua lokasi. Data yang digunakan dalam