Karakterisasi Sinyal Kebakaran Hutan Indonesia Menggunakan Empirical Orthogonal Function Berbasis Multivariate Singular Value Decomposition.

Abstract

Selama beberapa tahun terakhir, kebakaran hutan terus membakar hutan Indonesia dengan banyak titik api dan kekuatan yang berbeda-beda setiap tahun. Pada tahun 1997 terdapat 9,75 juta ha hutan terbakar dalam satu tahun yang menyebabkan 206,6 juta ton emisi karbon, sedangkan pada tahun 2015 terdapat 2.089 juta ha hutan yang menyebabkan 805 juta ton emisi karbon. Kejadian tersebut merupakan kejadian terbesar kebakaran hutan di Indonesia dalam 20 tahun terakhir. Tujuan dari penelitian ini adalah untuk menganalisis pola hutan terbakar di Indonesia dan menganalisis keterkaitan antara variabel yang memengaruhinya. Data yang digunakan dalam penelitian ini adalah data bulanan dari tahun 1997 hingga 2016 Global Fires Emissions Database (GFED) dengan variabel area terbakar, GFEDs dengan variabel emisi karbon, dan Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS). Penelitian ini menggunakan empirical orthogonal function berbasis multivariate singular value decomposition untuk memeroleh pola spasial dan temporal kebakaran hutan di Indonesia. Setelah itu, perhitungan korelasi antarvariabel dilakukan menggunakan korelasi Spearman (rank). Berdasarkan analisis, terdapat 3 sinyal periodik dominan yang menjelaskan 72% kejadian kebakaran di Indonesia selama 1997-2016. Kebakaran hutan di Indonesia terjadi setiap tahunnya di wilayah Riau (Sumatra Tengah), Palembang (Sumatra Selatan), dan Kalimantan Selatan. Pola yang didapat dari analisis wilayah Indonesia dapat dikelompokkan dalam dua kelompok, yaitu pola yang memiliki periode enam bulan dan dua belas bulan. Secara umum, kebakaran hutan di Indonesia terjadi dengan periode dua belas bulan dan terjadi ketika musim kemarau berlangsung di beberapa wilayah tersebut. Pola kebakaran hutan yang memiliki periode enam bulan merupakan pola yang disebabkan oleh pola curah hujan enam bulan. Oleh karena itu, pola ini hanya berpengaruh pada wilayah yang memiliki pola curah hujan enam bulan. Wilayah tersebut merupakan wilayah yang berada di sekitar garis ekuator, misalnya Riau. Terkait korelasi antarvariabel, variabel area terbakar dengan emisi karbon memiliki korelasi positif, sedangkan variabel curah hujan memiliki korelasi negatif dengan area terbakar dan emisi karbon. Korelasi terkuat dari ketiga variabel adalah area terbakar dengan curah hujan dan korelasi terlemah adalah area terbakar dan emisi karbon.