BAB IV METODE PENELITIAN
4.1. Data dan Alat Data yang digunakan terdiri dari data indeks vegetasi (Normalized Data Vegetation IndexlNDVI) hasil synthesis product citra SPOT-VEGETATION (SPOT VGT) dengan resolusi spasial 1 km dari tanggal 1 April 1998 sampai dengan 21 Februari 2005. Data synthesis product SPOT sudah melalui proses koreksi geometris, sehingga terhindar dari pergeseran lokasi akibat posisi (angle) penyiaman yang berbeda. Data SPOT VGT digunakan untuk ekstraksi database deret waktu NDVI. Data SPOT diperoleh dari website yang beralamatkan di : htt~://free.vpt.vito.be.Secara visual salah satu contoh data mentah dari citra SPOT VGT S10-Product hasil sintesis yang diilis 21 April (11-21 April) 2001 disampaikan pada Gambar 4.1.
Gambar 4.1. Cifm SPOT VGT ROI Asian Island tanggal 21 April 2001 Disamping citra SPOT VGT, data yang digunakan adalah Landsat ETM yang digunakan untuk membangun penggunaan lahan di Propinsi Riau. Jurnlah keseluruhan citra yang digunakan terdiri dari 9 scene yang keseluruhan kombinasi scene disampaikan pada Gambar 4.2 Contoh dari tampilan RGB kombinasi kana1 5-4-2 citra Landsat E m + disampaikan pada Gambar 4.2. Selain data SPOT-VGT dan Landsat E m + , data lain untuk penelitian ini adalah data hotspot NOAA yang diperoleh dari Kementrian Lingkungan Hidup (KLH) yang
didasarkan pada data hotspot LAPAN. Data hotspot yang diperoleh dari KLH berbentuk data atribut yang mencakup titik koordinat dan waktu kejadian hotspot. Data
ini &an digunakan sebagai dasar untuk penetapan lokasi contoh dengan riwayat hotspot serta menunjukkan titik hotspot tahunan di Propinsi Riau.
Gambar 4.2. Mosaic Citra Landsat ETMi Data hotspot yang terkoleksi adalah data kejadian hotspot mulai Januari 1998 sampai dengan Juni 2005. Untuk melihat sebaran hotspot seluruh data digunakan. Sementara itu, untuk deteksi pencilan data hotspot yang digunakan adalah yang terjadi antara 1 April 1998 sampai 31 Desemher 2004. Contoh bentuk data mentah berupa tabel botspot yang terjadi pada Tahun 2001 disampaikan pada Tabel 4.1. Tahe14.1. Contoh Data Hotspot di Propinsi Riau selama Januari 2001 Latitude
Longitude
Month
111.68 -
0.29
1 1 1 . 6 9 111.69 -111.70_ 111.75-
0 0 2 L ? 0.29.
Date
Temperahue
20-Feb-01
3 2 1 ~ ? 5
2tFeb-01 2 e 0 l
321% 321% . 321% ~321%
z-~
0 . 2 9 - 2 - 2 . 0 0 2
p~~
p~
2
~p
2O-Feb-O' __ 20-Feb-01
~
~
~
p
~
-
Untuk pernotongan lokasi Riau sekaligus koreksi geometris ulang, digunakan peta indomap terbitan Bakosurtanal dengan skala 1:1.000.000 yang di-download dari situs website yang beralamat di hm:l/www.bakosurtanal.eo.id serta peta penggunaan lahan yang dibangun dari mosaic Landsat TM kisaran tahun 1999-2002. Perangkat lunak untuk ekstraksi data deret waktu, membangun peta penggunaan lahan dan sebaran hotspot adalah ENVI ver. 4.1, Arc-View ver. 3.2 dan ERDAS ver. 8.6. Perangkat lunak untuk analisis deret waktu adalah SAS ver 9.0 dan DEMETRA ver 2.04 beta version. Berbagai data tersebut digunakan untuk menetapkan data deret waktu NDVI bulanan dari 249 data per sepuluh harian yang dikoleksi. Jumlah data bulanan yang dihasikan sebanyak 83 pengamatan dan digunakan sebanyak 81 data untuk pemodelan yaitu data yang terkoleksi dari April 1998 sampai dengan Desember 2004.
4.2. Lokasi Penelitian Penelitian ini pada awalnya hanya ditujukan untuk memveritikasi data hotspot. Pada perkembangan akhir tujuan dikembangkan untuk identifikasi kejadian kebakaran hutan. Lokasi yang digunakan sehagai contoh untuk verifikasi hotspot dipilih Propinsi Riau. Pemilihan ini didasarkan pada hasil penelitian Anderson, et a/., (2000) serta Stolle (2000). Proporsi kejadian hotspot di Sumatra secara keseluruhan menurut hasil kajian Anderson etal.. (2000) ditunjukkan pada Tabel 4.2. Tabel 4.2. Jumlah Hotspot Hasil Deteksi NOAA di Propinsi Sumatera selama Tahun 1999 Propinsi
Luas @a)
Aceh
s".~?%!?B '!
. . . . . .
Riau ........................
.
.
Lampung
Sumatra
.
Jumlah hotspot
5.539.200 .. 7.078.700 ---.. - --- .. 4.977.800 .. 9.514.300
.
......,
3.352.200 477 067 km"
-
Jumlah hotspot Per 100 km-' 0.5 .....
283
...
1.916
1.172
....... -~. .........
8.803
- .-...-... 1.369 22 976
..
9 ...
............ ..
4
-
5
Sumber: Anderson er a!..2000
Tabel 4.2. tersebut menunjukkan bahwa Propinsi Riau memiliki kejadian hotspot tertinggi pada tahun 1998. Oleh karena itu, untuk memperoleh lokasi dengan peluang kejadian hotspot tertinggi ditetapkan Propinsi Riau sebagai lokasi contoh.
Secara
terpisah Stolle (2000) dalam penelitiannya menunjukkan bahwa Propinsi Riau dan
Jambi merupakan dua Propinsi di Sumatera yang memiliki jumlah kejadian kebakaran dan perubahan penggunaan lahan yang paling luas. Selanjutnya, untuk i d e n t i f h i kejadian kebakaran khususnya yang tejadi pada periode 1998-2004 dibutuhkan citra resolusi medium.
Lokasi yang dipilih untuk
identifkasi kejadian kebakaran tersebut adalah data Propinsi Jambi khususnya lokasi Taman Nasional Berbak yang tercakup &lam citra Landsat Path-Row 125-061. Lokasi ini dipilih karena terdapat dukungan data Landsat ETM+ yang diakusisi tanggal 1 September 1999 yang secara visual menunjukkan kejadian kebakaran.
4.3. Tahap Penelitian Penelitian ini dilakukan dalam 3 tahap utama, yaitu: (i) tahap ekshaksi database deret waktu NDVI dari citra SPOT VGT, membangun peta sebaran penggunaan lahan dan frame data NDVI, (ii) tahap penarikan contoh untuk tiga jenis penggunaan lahan yaitu hutan, kebun dan ladang, (iii) analisis deret waktu. Secara lebih rinci penjelasan dari setiap tahap tersebut dijelaskan dalam sub bab berikut ini.
4.3.1. Tahap Ekstraksi Database Deret Waktu NDVI Tahap ekstraksi database deret waktu NDVI untuk membangun database deret waktu NDVI, peta penggunaan lahan dengan tiga kategori utama yaitu hutan, kebun dan ladang dan sampling frame untuk penarikan contoh tiga jenis penggunaan lahan tersebut. Bagan alir tahap ini disampaikan pada Gambar 4.3. .................................................................................
:
Time Series ADVI Database Extraction
Gambar 4.3. Bagan Alir Tahap Ekstraksi Database NDVI, Pembangunan Sumpling Frame & Penggunaan Lahan Propinsi Riau
Tahap pembangunan database deret waktu NDVI mencakup proses penggabnngan 249 citra SPOT &lam satu stacked image dan memotong berdasarkan lokasi contoh khususnya Propinsi Riau berdasarkan peta dasar. Sementara tahap pembangunan sampling frame mencakup identifhsi penggunaan lahan melalui digitasi mosaik citra Landsat ETM+ dan meng-overlq-kannya dengan grid berukuran 5 kilometer x 5 kilometer. Samplingframe yang dihasilkan berupa kode grid data. Disamping itu juga dihasikan database sebaran spasial kejadian hotspot.
4.3.2. Tahap Penarikan Contoh Tahap ini digunakan khususnya untuk menetapkan titik contoh NDVl tiga jenis penggunaan lahan yaitu hutan, kebun dan ladang. Tahap penarikan contob ini secara lengkap disampaikan dalam Gambar 4.4
Gambar 4.4. Bagan AIir Penarikan Contoh Tiga Jenis Penggunan Lahan Tahap penarikan contoh yang disampaikan pada Gambar 4.4 tersebut sebelumnya didahului dengan pemisahan grid unik. Grid unik sendiri ditejemahkan sebagai grid dengan penggunaan lahan homogen. Artinya dalam luasan grid b e r u k m 5000 m x 5000 m tersebut akan ditemukan jenis penggunaan lahan yang sama.
Hal ini
dimaksudkan untuk memperoleh peluang penggunaan lahan yang sama dalam satu grid, sehingga dimanapun diambil titik koordinat sebagai contoh dalam sahl grid akan diperoleh jenis penggunaan lahan yang sama. Hasil dari penarikan titik contoh adalah kode grid terpilih. Dari kode grid terpilih selanjutnya ditetapkan titik koordiiat piksel sebagai contoh. Dalam ha1 ini ditetapkan dari grid tertentu koordinat piksel yang akan
diamati adalah pada lokasi pertemuan garis vertikal clan horizontal grid pada posisi
kanan bawah. Secara visual posisi piksel grid contoh ditunjukkan pada Gambar 4.5. Rincian tahap penarikan contoh untuk kondisi vegetasi normal tanpa pengaruh hotspot disampaikan pada Tabel 4.3.
Gambar 4.5. Posisi Koordinat setiap Grid untuk Penarikan Contoh Tabel 4.3. Tahap Penarikau Contoh Tiga Jenis Penggunaan Lahan No 1
Tahap Penarikan Contoh Memilih grid unik. Memisahkan grid unik berdasarkan strata. Strata didasarkan pada perkebunan, ladang, dan............................. kawasan urban jenis penggunaan lahan dan dibagi atas: .hutan, ......
....
. .
.
Memisahkan grid-grid unik dan menggunakannya sebagaiframe. Samplingframe adalah kode grid. ...... . Menghitung proporsi grid untuk penggunaan lahan hutan total frame dan menghitung jumlah (n) contohnya. Jika n secara proporsional kurang dari 30, maka secara arbiber ditentukan n=30. . . . . . . ............ ~.
.
. .
Menarik sejumlah (n) contoh secara acak
.-. -
Mencatat no grid contoh hasil penarikan .
.
Mengidentifikasi nilai piksel (digital number/DN) NDVI dari stacked image. Nilai niksel citra SPOT VGT berkisar antara 0-255.
7
Mentransformasikan nilai spekhal ON) menjadi nilai NDVI. Transformasi nilai DN menjadi nilai NDVI menggunakan persamaan NDVI = 0,004 DN - 0.1. Penarikan contoh untuk lokasi dengan riwayat hotspot didasarkan pada hasil
pengacakan pada penarikan contoh untuk vegetasi normal (hutan). Seluruh piksel yang memiliki riwayat hotspot pada grid terpilih diidentifikasi. Jumlah contoh untuk analisis pada lokasi dengan riwayat hotspot adalah sebanyak 34 piksel (deret) contoh. Sementara itu penarikan contoh pada lokasi dengan kejadian kebakaran dilakukan pada lokasi cropping scene Path-Row 125-061 tanpa pengacakan. Jumlah contoh untuk analisis dengan riwayat kebakaran adalah sebanyak 28 deret.
4.33. Tahap Analisis Deret Waktu Tahap analisis deret waktu ini digunakan untuk tujuan melakukan verifikasi hotspot dan identifikasi post-fire.
Prosedur yang dipilih adalah X12ARIMA yang
me~pakaIIprosedur analisis deret waktu penbah Lunggal yang mempertimbangkan aspek musiman.
Pada prosedur ini akan dilakukan dekomposisi deret dalam tiga
komponen penting yaitu trend, seasonal dan irregular. Pada diagnostik model dilakukan deteksi pencilan yang menjadi teknik utama untuk verifkasi hotspot dan identifikasi posl-fire. Secara ~ g k a tabap s analisis deret waktu ini dilakukan dengan tahapan yang diringkas dalam bagan alir sebagaimana
disampaikan pada Gambar 4.6.
r.-.-.-'-'-'-.-'-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-~ I I 1 T i e series analysis . i --
1
-------
I
'
!
I
I
I
: 1 ~ a l ~average l ~ l of samples :
Identify sp%ihc samples with hotspol
I
P < i.
.i 1
m i n M m and maximum or :forest NDVl
: :
I
: :
;
: : :
Automatic ARlMA Model
I . I
,! .I
;
selection: using X- 12 i ARIMA Pracedum for sets of -ok
Automatic identification of outliers (AO, LS end TCl
i
i
T ~ . . ~ . . . . ~ ~ ~ ~ , Calculate p-ntsge of : trend, irregular. seasonal : and seasonal a*jus,mcn, : dccomraritian ofscnes :
Gambar 4.6. Bagan Alir Analisis Deret Waktu Bagan alir tersebut menjelaskan tahap demi tahap teknik analisis yang dilakukan dalam analisis deret waktu. Ada tiga kelompok database yang dianalisis, yaitu (I)
kelompok database vegetasi normal tanpa pengaruh hotspot maupun kebakaran hutan,
(2) kelompok database dari data yang dipengaruhi kejadian hotspot dan (3) kelompok database yang dipengaiuhi riil kebakaran. Kelompok database vegetasi normal yang digambarkan pada sisi kanan bagan alir diekstrak berdasarkan koodmat titik contoh yang dihasilkan dari pembangunan sampling frame pada tahap penarikan contob. Data yang dianalisis untuk memahami kondisi vegelasi tanpa pengaruh kebakaran adalah data r a t a n contoh. Sedangkan data untuk verifkasi hotspot dan identifkasi kebakaran adalah data setiap piksel contoh dengan riwayat hotspot maupun kebakaran yang digambarkan pada bagan alir sisi kiri. Tahap selanjutnya untuk pmsedur X12ARIMA sama baik untuk titik piksel dengan pengaruh hotspot dan kebakaran maupun data vegetasi n o d . Dari tiga tit& wntoh pengamatan setiap bulan, masing-masing diiitung nilai Monthly Peak NDVI (MP-
NDVI)dan Average Monthly NDVI (MA-NDVI). MP-NDVI dan MA-NDVI diperoleh dari persamaan:
MP - NDVI = max(NDVZ,,NDVI,, NDVI,) MA-NDVI = mean(NDVI,,NDVI,,NDVI,) dimana: NDVIl adalah nilai NDVI hasil pengamatan tanggal 1-10, NDVI2 adalah NDVI basil pengamatan tanggal 11-20, dan NDVI3 adalah NDVI basil pengamatan tanggal 21-30 pada bulan ke-i. Penghitungan nilai MP NDVI diilhami dari persamaan annual peak NDVI (AP-NDVI) dan growing season NDVI (GS-NDVl) yang dikembangkan oleh Jia, et al. (2002). Penetapan model dilakukan dengan prosedur automodel X12ARIMA berdasarkan prinsip TRAMO (Time series Regression with ARIA42 noise, Missing value and Outliers) yang dikembangkan oleh Agustin Maravall.
Analisis dilakukan dengan
menggunakan perangkat lunak DEMETRA ver 2.04 beta version, dengan prinsip moditikasi pmsedur XI 1 ARIMA yang dikembangkan oleh Dagum pada tahun 1979. Perangkat lunak DEMETRA ver 2.04 dibangun oleh Brian Monsell dan Mark Otto (Eurostat, 2002). Tahapan dalam prosedur X12ARIMA hasil modifkasi dari metcde X12ARIMA yang dikembangkan oleh Biro Sensus Amerika dan metode TRAMO yang dikembangkan oleh Gomez dan Maravall dalam program DEMETRA ver 2.04 beta version adalah sebagai berikut (Eurostat, 2002) :
o Pre-tests perlunya transformasi log (multiplicative/odditivemodelling). o Koreksi mean Cjika diperlukan). o Identifikasilseleksi dan estimasi model ARIMA yang baru menggunakan kriteria AIC dan BIC. o Pre-tests perlunya mempertimbangkan Easter dan 4 macam pengaruh trading
day (TD)(termasuk counhy-specific holidays). Pengaruh ini sebenamya kurang relevan untuk data-data ekologis. Namun demikian, uji terhadap pengaruh Easter dan TD tetap dilakukan dengan default-nya tanpa pengaruh TD dan Easter. o Deteksi otornatis dan koreksi keberadaan pencilan &lam seluruh deret. Deteksi
didasarkan batas kritis L-jung. o Melakukan interpolasi data hilang.
o Peramalan ARIMA pada akhir deret. o Dekomposisi komponen dengan prinsip XI 1.
