KAJIAN KERAWANAN KEBAKARAN HUTAN

Kajian Spasial Wilayah Rawan Kebakaran Hutan dan
Lahan di Kabupaten Situbondo, Provinsi Jawa Timur
Nama : Haeropan Daniko Dwiputra
NPM : 1806231821
Penguji :
1. Dr. Drs. Supriatna, M.T.M.
2. Iqbal Putut Ash Shidiq, S.Si., M.Sc.
Pembimbing :
1. Dr. Rokhmatullah, S.Si., M. Eng
2. Dr.Eng. Masita Dwi Mandini
Manessa, S.Si., M.Si., M.Eng.
Sumber: antaranews.com

Daftar Isi
01
02
04
05
Pendahuluan
Tinjauan Pustaka
Metode Penelitian
Kesimpulan
03
Hasil dan Pembahasan

Pendahuluan

Latar Belakang
Dengan mengetahui parameter-parameter pemicu terjadinya kebakaran hutan dan, dapat dihasilkan sebuah peta
tingkat kerawanan kebakaran hutan dan lahan di suatu wilayah (Amalina et al., 2016).
Provinsi Jawa Timur merupakan provinsi di Pulau Jawa dengan total area karhutla terluas di tahun 2021, dengan
Kabupaten Situbondo sebagai wilayah yang paling terdampak. (Sipongi, 2021).
Kebakaran hutan dan lahan di Indonesia selalu terjadi setiap tahunnya (Adiputra & Barus, 2018) dan kerap kali terjadi
akibat adanya faktor-faktor yang bersifat alami dan antropogenik (Rasyid, 2014).
Salah satu faktor yang menyebabkan terjadinya deforestasi hutan adalah bencana kebakaran hutan dan lahan (Fund,
2020).
Luas area hutan di Indonesia semakin berkurang akibat adanya deforestasi yang berdampak pada peningkatan suhu
permukaan (Wahyuni & Suranto, 2021).

Pertanyaan Penelitian
1. Bagaimana tingkat kerawanan kebakaran hutan dan lahan di Kabupaten Situbondo?
2. Bagaimana pengaruh faktor alami dan faktor manusia terhadap tingkat kerawanan kebakaran
hutan dan lahan di Kabupaten Situbondo?
Tujuan Penelitian
1. Menganalisis wilayah Kabupaten Situbondo yang rawan akan terjadinya kebakaran hutan dan
lahan
2. Menganalisis tingkat pengaruh faktor alami dan faktor manusia terhadap tingkat kerawanan
bencana kebakaran hutan dan lahan di Kabupaten Situbondo, Jawa Timur.

Batasan Penelitian
1. Wilayah penelitian meliputi wilayah administrasi Kabupaten Situbondo, Jawa Timur.
2. Tingkat kerawanan bencana kebakaran hutan dan lahan digunakan untuk mengetahui seberapa
rawan bencana tersebut terjadi pada suatu wilayah.
3. Data citra yang digunakan merupakan data perekaman pada tahun 2021 (1 Januari hingga 31
Desember) yang di-mosaic dan diseleksi dengan tingkat tutupan awan yang rendah (<5%).
4. Data tutupan lahan, NDVI, NDMI, dan suhu permukaan daratan didapatkan dengan mengolah
data citra satelit menggunakan Google Earth Engine.
5. Faktor manusia pada penelitian ini dilihat dari variabel aksesibilitas (jarak dari jalan dan sungai)
dan jarak dari lokasi aktivitas manusia (jarak dari pemukiman, ladang, dan kebun).

Tinjauan Pustaka

Landasan Teori
Kerawanan Bencana Kebakaran Hutan dan Lahan
Variabel Rawan Karhutla
Kerawanan bencana (susceptibility), dapat diartikan
sebagai kondisi karakteristik suatu wilayah untuk jangka waktu
tertentu yang dapat menyebabkan terjadinya pengurangan
kemampuan untuk mencegah, meredam, mencapai kesiapan, dan
juga mengurangi kemampuan untuk menanggapi dampak buruk
bencana (UU 24 tahun 2007).
Kebakaran hutan dapat terjadi karena adanya suatu
proses pembakaran yang penyebaran apinya terjadi secara bebas
serta turut membakar bahan bakar alam (Saharjo, 2013).
Metode SMCA dapat diartikan sebagai proses
penggabungan dan pengubahan data spasial dan nonspasial
menjadi suatu keputusan akhir yang mampu mendefinisikan
hubungan antara peta input dan peta outputnya (Malczewski,
2004).
Faktor-faktor yang mempengaruhi rawannya bencana
kebakaran hutan dan lahan di suatu wilayah dapat diklasifikasikan
menjadi faktor alam dan faktor manusia.
Metode SMCA

Metode Penelitian

Variabel
Penelitian
Variabel Penelitian Definisi Satuan
Tutupan Lahan
Visualisasi vegetasi, benda, alam, dan unsur-unsur
budaya suatu wilayah di permukaan bumi tanpa
memperhatikan faktor-faktor kegiatan manusia pada objek
yang divisualisasikannya (Townshend & Justice, 1981).
Km²
Indeks Vegetasi NDVI
Indeks yang dapat digunakan pada data citra satelit untuk
mengetahui informasi seputar vegetasi suatu (Armanto,
2013).
-
Indeks Kelembaban
NDMI
Indeks yang dapat digunakan untuk menduga kelembaban
suatu permukaan. Merupakan perbaikan dari indeks
NDWI.
-
Suhu Permukaan
Daratan
Suhu permukaan daratan merupakan suhu radiasi dari
tanah yang bersumber dari pancaran radiasi sinar
matahari.
°C
Aksesibilitas
Ukuran kemudahan dalam melakukan proses pemindahan
lokasi pada suatu sistem (Hurst, 1974).
Meter
Jarak dari Lokasi
Aktivitas Manusia
Sebagian besar bencana kebakaran hutan dan lahan
terjadi karena adanya aktivitas manusia. (Darwiati &
Tuheteru, 2010)
Meter

Data
Penelitian
No Data Sumber Data Keterangan
1 Citra Landsat-8 USGS, Google Earth Engine.
Resolusi 30M. filter date :
1/1/2021-31/12/2021
2
Batas wilayah administrasi
Kab/Kota & Kecamatan
Pengolahan data dari Peta RBI Kab.
Situbondo format SHP
Skala 1:25.000
3 Tutupan Lahan Pengolahan Data Citra Sentinel 2
1/1/2021-31/12/2021
4 Indeks Vegetasi NDVI Pengolahan Data Citra Landsat-8
Resolusi 30M/ filter date :
1/1/2021-31/12/2021
5 Indeks Kelembaban NDMI Pengolahan Data Citra Landsat-8
6 Suhu Permukaan Tanah Pengolahan Data Citra Landsat-8
1/1/2021-31/12/2021
Cloud cover : <5%
7 Jaringan Jalan Kab. Situbondo
Skala 1:25.000
8 Jaringan Sungai Kab. Situbondo
Skala 1:25.000
9 Jarak dari Aktivitas Manusia
Pengolahan data dari Peta RPR Kab.
Situbondo
Skala 1:25.000
10
Area Karhutla tahun 2016-2017,
2019-2020
Kementerian Lingkungan Hidup dan
Kehutanan (KLHK)
-

Pengolahan Data
Klasifikasi Tutupan Lahan
Klasifikasi data tutupan lahan
dilakukan dengan menggunakan
Google Earth Engine secara
terbimbing dengan menggunakan
algoritma Classification and
Regression Trees (CART)
Uji akurasi dengan menggunakan
tabel Confussion Matrix dilakukan
untuk mengetahui tingkat
kesesuaian model tutupan lahan
dengan keadaan sebenarnya di
lapangan.
Dilakukan pemberian skoring
parameter kerawanan
karhutla terhadap data hasil
klasifikasi tutupan lahan yang
telah diuji akurasinya.
Uji Akurasi Pemberian Skor
Karakteristik Tutupan Lahan Skor Tingkat Kerawanan
Savana, Pertanian Lahan Kering 5 Paling Rawan
Hutan Tanaman dan Hutan Lahan Kering 4 Rawan
Hutan Mangrove 2 Tidak Rawan
Badan Air, Pemukiman/Transmigrasi,
Sawah
1 Paling Tidak Rawan
Sumber: (Sabaraji, 2005. Telah diolah kembali)
Kelas Referensi A B C D Piksel Pembuat
A Naa Nab Nac Nad Na+ Naa/Na+
B Nba Nbb Nbc Nbd Nb+ Nbb/Nb+
C Nca Ncb Ncc Ncd Nc+ Ncc/Nc+
D Nda Ndb Ndc Ndd Nd+ Ndd/Nd+
Total Piksel N+a N+b N+c N+d N
Akurasi Pengguna Naa/N+a Nbb/N+b Ncc/N+c Ndd/N+d
Skoring Parameter Tutupan Lahan
Tabel Confusion Matrix

Training
Sample
• Metode Penentuan Lokasi Titik Sampel : Simple Random Sampling
• Metode Pemilihan Jumlah Titik Sampel : Rumus Slovin 𝒏 =
𝑵
𝟏 + 𝑵𝒆𝟐

Pengolahan Data
Indeks NDVI dan NDMI
Data Citra Landsat-8 yang telah
dikalibrasi digunakan pada
pengolahan indeks NDVI dan NDMI
pada google earth engine.
Persamaan NDVI dan NDMI
• NDVI Landsat 8 = (Band 5 - Band 4) / (Band 5 + Band 4)
• NDMI Landsat 8 = (Band 5 - Band 6) / (Band 5 + Band 6)
Keterangan
Band 4 = Band Red
Band 5 = Band NIR
Band 6 = Band SWIR-1
Karakteristik NDVI Skor Tingkat Kerawanan
<0.15 (Tingkat Kehijauan Paling Rendah) 2 Tidak Rawan
0.25 – 0.35 (Tingkat Kehijauan Rendah) 3 Menengah
0.25 – 0.15 (Tingkat Kehijauan Menengah) 4 Rawan
>0.35 (Tingkat Kehijauan Tinggi) 5 Paling Rawan
Sumber: (Nurdiana & Risdiyanto, 2015)
Skoring Parameter Kehijauan (NDVI)
Karakteristik NDVI Skor Tingkat Kerawanan
<0.15 (Tingkat Kelembaban Paling Rendah) 5 Paling Rawan
0.25 – 0.35 (Tingkat Kelembaban Rendah) 4 Rawam
0.25 – 0.15 (Tingkat Kelembaban Menengah) 3 Menengah
>0.35 (Tingkat Kelembaban Tinggi) 2 Tidak Rawan
Sumber: (Nurdiana & Risdiyanto, 2015)
Skoring Parameter Kelembaban (NDMI)

Pengolahan Data
Suhu Permukaan Daratan
Suhu permukaan didapatkan dengan menganalisis
data digital number (DN) dari band 10 Landsat-8
(TIRS) yang terlebih dahulu dilakukan konversi
nilai Radian Spektralnya. Data radian spectral
kemudian akan dikonversi kembali menjadi
Brightness Temperature.
Persamaan Nilai Radian Spektral
• 𝐿𝜆 = 𝑀𝐿𝑄𝑐𝑎𝑙 + 𝐴𝐿
Keterangan
𝑳𝝀 = Nilai Radian Spektral
𝑴𝑳 = Radiance Multiplicative Band
𝑸𝒄𝒂𝒍 = Radiance Add band
𝑨𝑳 = Nilai Digital Citra band spesifik
Persamaan Brightness Temperature
• 𝐵𝑇 =
𝐾2
𝑙𝑛
𝐾1
𝐿𝜆
+1
Keterangan
𝑩𝑻 = Suhu Kecerahan
𝑲𝟏 = Konstanta Band Spektral 1
𝑲𝟐 = Konstanta Band Spektral 2
𝑳𝝀 = Nilai Radian Spektral

Pengolahan Data
Brightness Temperature kemudian digunakan
untuk menghitung nilai Land Surface Emissivity
(LSE). Perhitungan Data Suhu Permukaan
Daratan (LST) dapat dilakukan dengan
menggunakan data Brightness Temperature,
panjang gelombang radiasi, dan LSE.
Persamaan Nilai Radian Spektral
• 𝑃𝑉 =
𝑁𝐷𝑉𝐼−𝑁𝐷𝑉𝐼𝑚𝑖𝑛
𝑁𝐷𝑉𝐼𝑚𝑖𝑛−𝑁𝐷𝑉𝐼𝑚𝑎𝑥
2
, 𝐸 = 0,004𝑃𝑉 + 0,986
Keterangan
PV = Proporsi Vegetasi
NDVI = Indeks Vegetasi
E = Emisivitas Permukaan Tanah
Persamaan Brightness Temperature
• 𝐿𝑆𝑇 =
𝐵𝑇
1+ 𝜆𝐵𝑇
𝐶2
𝑙𝑛 𝐸
Keterangan
BT = Brightness Temperatur (°C)
E = Emisivitas Permukaan Tanah
λ = Panjang Gelombang Radiasi
𝑪𝟐 = 14388 μmK
Karakteristik Tutupan Lahan Skor Tingkat Kerawanan
>35°C 5 Paling Rawan
30°C - 35°C 4 Rawan
25°C - 30°C 3 Menengah
20°C - 25°C 2 Tidak Rawan
<20°C 1 Paling Tidak Rawan
Sumber: (Setyawan, 2005)
Skoring Parameter Suhu Permukaan

Pengolahan Data
Faktor Manusia
Dilakukan proses buffer pada data jaringan
jalan dan sungai yang bersumber dari peta
RBI format SHP, serta data penggunaan
lahan yang bersumber dari peta Rencana
Pola Ruang Kabupaten Situbondo.
Variabel Jenis Data/Variabel Skor Tingkat Kerawanan
Jarik dari Jalan dan
Jarak dari Sungai
<100 meter 5 Paling Rawan
100 – 200 meter 4 Rawan
200 – 300 meter 3 Menengah
300 – 400 meter 2 Tidak Rawan
>400 meter 1 Paling Tidak Rawan
Jarak dari Permukiman,
Sawah, Ladang, dan
Perkebunan
<1000 meter 5 Paling Rawan
1000 – 2000 meter 4 Rawan
2000 – 3000 meter 3 Menengah
>3000 meter 2 Tidak Rawan
Sumber: (Erten et al., 2002 ; Jaiswal et al.,2002)
Skoring Parameter Faktor Manusia

Pengolahan Data
Regresi logistik ordinal merupakan salah satu metode regresi yang dilakukan untuk mengetahui
hubungan antara variabel terikat dengan variabel bebas, dimana variabel terikat bersifat polikotomus
dan ordinal (Puspita, 2015).
Metode Suksesif Interval
Uji Hubungan Variabel
• Uji Likelihood Ratio (Uji Serentak)
• Uji Wald (Uji Parsial)
Uji Kesesuaian Model
• Pearson Chi Square
• Deviance Chi Square
Interpretasi Koefisien
• Interpretasi Nilai Odds Ratio (ψ)
Statistik Uji Wald (Uji Serentak)
H0 ∶ β1 = β2 = ⋯ = βj = 0
H1 ∶ Setidaknya ada satu βj ≠ 0; 𝑗 = 1,2, … , 𝑝
G = −2ln
n1
n
n1 n2
n
n2 n3
n
n3
∏i=1
n π1 x1
y1iπ2 x2
y2iπ3 x3
y3i
Statistik Uji Likelihood Ratio (Uji Parsial)
H0 ∶ β1 = β2 = ⋯ = βj = 0
H1 ∶ Setidaknya ada satu βj ≠ 0; 𝑗 = 1,2, … , 𝑝
W =
βj
SE(βj)
, dimana SE βj = var β
H0 : Tidak terdapat perbedaan yang nyata
antara hasil observasi dengan prediksi
model. Model dinyatakan sesuai.
H1: Terdapat perbedaan yang nyata antara
hasil observasi dengan prediksi model.
Model dinyatakan tidak sesuai.
D = −2 i−1
n
yij ln
πij
yij
+ 1 − yij ln
1−πij
1−yij
Persamaan Odds Ratio
ψ 𝑎, 𝑏 =
exp(𝛽0𝑗+𝛽𝑎 𝑎 )
exp(𝛽0𝑗+𝛽𝑏 𝑏 )
= exp exp(𝛽0𝑗 + 𝛽𝑎 𝑎 − 𝛽0𝑗 + 𝛽𝑏 𝑏
= exp 𝛽𝑖(𝑎 − 𝑏)

Titik Uji
Statistik
• Metode Pemilihan Jumlah Titik Sampel : Rumus Slovin 𝒏 =
𝑵
𝟏 + 𝑵𝒆𝟐

Analisis Data
Proses analisis menggunakan Metode SMCA dilakukan dengan menggunakan 3 persamaan yang berbeda
untuk mengetahui faktor mana, alami atau manusia, yang lebih berpengaruh terhadap terjadinya kebakaran
hutan dan lahan (Amalina et al., 2016).
Persamaan yang digunakan
• Model 1 = 0,1*(x1+x2+x3+x4) + 0.9*(x5+x6+x7+x8+x9)
• Model 2 = 0,9*(x1+x2+x3+x4) + 0.1*(x5+x6+x7+x8+x9)
• Model 3 = 0,5*(x1+x2+x3+x4) + 0.5*(x5+x6+x7+x8+x9)
Keterangan
X1 = Skor Tutupan Lahan
X2 = Skor Indeks NDVI
X3 = Skor Indeks NDMI
X4 = Skor Suhu Permukaan
X5 = Jarak dari Jalan
X6 = Jarak dari Sungai
X7 = Jarak dari Pemukiman
X8 = Jarak dari Ladang
X9 = Jarak dari Jalan
Kelas
Tingkat
Kerawanan
Kisaran
1 Rendah y < (mean – 0.5 Stdev)
2 Sedang Mean – 0.5 Stdev < y < mean + 0.5 Stdev
3 Tinggi Y > mean + 0.5 Stdev
Klasifikasi Tingkat Kerawanan Kebakaran Hutan

Analisis Data
• Kedua model spasial yang telah dihasilkan akan dibandingkan dengan data karhutla yang terjadi pada rentang tahun 2017-
2021, data karhutla yang bersumber dari KLHK, dan juga dengan data hotspot tahun 2021.
• Analisis spasial pada model wilayah rawan kebakaran hutan dan lahan yang telah dibuat dilakukan untuk mengetahui
persamaan model mana yang paling sesuai untuk digunakan dalam menentukan wilayah rawan karhutla di Kabupaten
Situbondo.
• Analisis deskriptif pada model wilayah rawan kebakaran hutan dan lahan yang telah dibuat bertujuan untuk
mengidentifikasi karakteristik kondisi wilayah rawan kebakaran hutan dan lahan di Kabupaten Situbondo berdasarkan aspek-
aspek variabel terjadinya karhutla.
• Analisis statistik dilakukan untuk mengetahui tingkat pengaruh variabel-variabel pada faktor alami dan faktor manusia
(variabel bebas) terhadap model kerawanan karhutla yang telah divalidasi (variabel terikat).

Hasil dan Pembahasan

Tutupan Lahan Skor Luas Area (km²)
Persentase
Luas (%)
Paling Tidak Rawan 1 519,07 31,09%
Menengah 3 4,43 0,27%
Rawan 4 501,34 30,03%
Paling Rawan 5 644,71 38,62%
Kelas Tutupan Lahan Kabupaten Situbondo
Tutupan Lahan Skor Luas Area (km²)
Persentase Luas
(%)
Badan Air 1 13,89 0,83%
Mangrove 3 4,43 0,27%
Hutan 4 501,34 30,03%
Pertanian 5 189,34 11,34%
Savana 5 455,38 27,28%
Sawah 1 328,04 19,65%
Pemukiman 1 177,14 10,61%
Tutupan Lahan Kabupaten Situbondo
Tutupan Lahan

Indeks NDVI Skor Luas Area (km²)
Persentase Luas
(%)
<0,15 (Kehijauan Sangat
Rendah)
2 19,27 1,15%
0,15 – 0,25 (Kehijauan
Rendah)
3 31,17 1,87%
0,25 – 0,35 (Kehijauan
Sedang)
4 87,97 5,27%
>0,35 (Kehijauan Tinggi) 5 1532,27 91,72%
Indeks NDVI Kabupaten Situbondo
Kehijauan Vegetasi

Indeks NDMI Skor Luas Area (km²)
Persentase Luas
(%)
<0,15 (Kelembaban Sangat
Rendah)
5 88,92 5,32%
0,15 – 0,25 (Kelembaban
Rendah)
4 1096,47 65,63%
0,25 – 0,35 (Kelembaban
Sedang)
3 483,87 28,95%
>0,35 (Kelembaban Tinggi) 2 1,37 0,08%
Indeks NDMI Kabupaten Situbondo
Kelembaban Vegetasi

Suhu Permukaan Daratan Kabupaten Situbondo
Suhu Permukaan Skor Luas Area (km²) Persentase Luas (%)
<20°C 1 57,30 3,43%
20°C – 25°C 2 810,31 48,52%
25°C – 30°C 3 797,00 47,72%
30°C – 35°C 4 5,38 0,32%

Aksesibilitas
Parameter Jarak dari Jalan
Tutupan Lahan Skor Luas Area (km²) Persentase Luas (%)
<100 Meter 1 465,74 27,89%
100 – 200 Meter 2 287,59 17,22%
200 – 300 Meter 3 167,53 10,03%
300 – 400 Meter 4 103,55 6,20%
>400 Meter 5 645,57 38,66%

Aksesibilitas
Parameter Jarak dari Sungai
<100 Meter 1 707,81 42,38%
100 – 200 Meter 2 387,21 23,19%
200 – 300 Meter 3 184,16 11,03%
300 – 400 Meter 4 104,70 6,27%
>400 Meter 5 286,11 17,13%

Jarak dari Aktivitas Manusia
Parameter Jarak dari Pemukiman
<1000 Meter 2 942,86 56,46%
1000 – 2000 Meter 3 200,04 11,98%
2000 – 3000 Meter 4 116,63 6,98%
>3000 Meter 5 410,47 24,58%

Parameter Jarak dari Ladang
<1000 Meter 2 685,05 41,01%
1000 – 2000 Meter 3 272,95 16,34%
2000 – 3000 Meter 4 184,72 11,06%
>3000 Meter 5 527,59 31,59%

Parameter Jarak dari Kebun
<1000 Meter 2 561,69 33,63%
1000 – 2000 Meter 3 317,56 19,01%
2000 – 3000 Meter 4 248,17 14,86%
>3000 Meter 5 542,89 32,50%

Model Kerawanan
Tingkat Kerawanan Luas Area (km²) Persentase Area (%)
Tidak Rawan 178,65 10,70
Kerawanan Rendah 658,59 39,44
Kerawanan Menengah 407,21 24,39
Kerawanan Tinggi 425,44 25,48
Wilayah Rawan Karhutla (Model 1)

Validasi Model Kerawanan
Tingkat Kerawanan Luas Area (Ha) Persentase Area (%)
Total 10415,21 100
Luas Area Terbakar (Model 1)
Total 10415,21 100
Total 10415,21 100

Wilayah Rawan Karhutla
Tidak Rawan 178,65 10,70%
Kerawanan Rendah 303,85 18,20%
Kerawanan Menengah 542,76 32,50%
Kerawanan Tinggi 644,63 38,60%
Wilayah Rawan Karhutla

Karakteristik Wilayah Rawan Karhutla
Karakteristik Wilayah Tingkat Kerawanan Tinggi Tingkat Kerawanan Menengah Tingkat Kerawanan Rendah
Tutupan Lahan Savana Hutan Sawah
Indeks NDVI >0,35
Indeks NDMI 0,15 - 0,25 0,25 – 0,35
Suhu Permukaan 25-30°C 20-25°C
Jarak dari Sungai >400 Meter <100 Meter
Jarak dari Jalan <100 Meter >400 Meter
Jarak dari Pemukiman <1000 Meter >3000 Meter <1000 Meter
Jarak dari Ladang <1000 Meter >3000 Meter
Tabel Karakteristik Wilayah Rawan Karhutla

Uji Pengaruh Variabel Karhutla
Model -2 Log Likelihood Chi-Square df Sig.
Intercept Only 633,281
Final 405,363 227,918 2 0,000
Tabel Uji Serentak (Likelihood Ratio)
Variabel Estimator (B) Std. Error Wald df Sig. Exp(B)
[Tingkat Kerawanan = 1,00] 18,186 1,765 106,12 1 0,000 7,91E+07
[Tingkat Kerawanan = 2,00] 21,3 1,933 121,468 1 0,000 1,78E+09
Faktor Alami 1,502 0,139 116,519 1 0,000 4,489
Faktor Manusia 0,142 0,05 8,031 1 0,005 1,152
Tabel Uji Parsial (Uji Wald)
Chi-Square df Sig.
Pearson 493.229 522 0.812
Deviance 405.363 522 1

Kesimpulan
• Dari model wilayah kerawanan karhutla yang telah dibuat, didapatkan seluas 625,85 km² (37,47%)
merupakan wilayah dengan tingkat kerawanan tinggi, 614,97 km² (36,82%) merupakan wilayah
dengan tingkat kerawanan menengah, dan hanya sebesar 250,75 km² (15,01%) yang merupakan
wilayah dengan tingkat kerawanan rendah. Daerah tidak rawan pada Kabupaten Situbondo
memiliki luas area sebesar 178,66 km² (10,70%).
• Dari nilai odds ratio yang didapatkan, faktor alami memiliki tingkat pengaruh yang lebih besar (ψ =
4,489) dibandingkan dengan variabel faktor manusia (ψ =1,152). Suatu wilayah memiliki probabilitas
tingkat kerawanan yang lebih tinggi, ketika terjadi peningkatan nilai interval pada variabel faktor
alami dibandingkan dengan peningkatan nilai pada variabel faktor manusia.

Daftar Pustaka
Adiputra, A., & Barus, B. (2018). Analisis Risiko Bencana Kebakaran Hutan Dan Lahan Di Pulau Bengkalis. Jurnal Geografi, Edukasi Dan Lingkungan (JGEL), 2(1),
1–8.
Amalina, P., Prasetyo, L., & Rushayati, S. (2016). Forest Fire Vulnerability Mapping in Way Kambas National Park. Procedia Environmental Sciences, 33, 239–252.
Erten, E., Kurgun, V., & Musaoglu, N. (2002). Forest Fire Risk Zone Mapping From Satellite Imagery And GIS: A Case Study.
Fund, W. W. (2020). 2020’s Most Epic Conservation. https://www.worldwildlife.org/
Jaiswal, R., Mukherjee, S., Raju, D., & Saxena, R. (2002). Forest fire risk zone mapping from satellite imagery and GIS. International Journal of Applied Earth
Observation and Geoinformation, 4, 1–10. https://doi.org/10.1016/S0303-2434(02)00006-5
Malczewski, J. (2004). GIS-based land-use suitability analysis: a critical overview. Progress in Planning, 62(1), 3–65.
https://doi.org/https://doi.org/10.1016/j.progress.2003.09.002
Nurdiana, A., & Risdiyanto, I. (2015). Indicator Determination of Forest and Land Fires Vulnerability Using Landsat-5 TM Data (Case Study: Jambi Province).
Procedia Environmental Sciences, 24. https://doi.org/10.1016/j.proenv.2015.03.019
Rasyid, F. (2014). Permasalahan dan Dampak Kebakaran Hutan. Jurnal Lingkar Widyaiswara, 1(4), 47–59.
Saharjo. (2003). Pengendalian Kebakaran Hutan dan Lahan Yang Lestari Perlukah Dilakukan. Institut Pertanian Bogor.
Sabaraji, A, 2005. Identifikasi Zone Rawan Kebakaran Hutan dan Lahan dengan Aplikasi SIG di Kabupaten Kutai Timur. Samarinda. Universitas Mulawarman.
UU 24 tahun 2007 tentang Penanggulangan Bencana.
Wahyuni, H., & Suranto, S. (2021). Dampak Deforestasi Hutan Skala Besar terhadap Pemanasan Global di Indonesia. JIIP: Jurnal Ilmiah Ilmu Pemerintahan, 6,
148–162.

KAJIAN KERAWANAN KEBAKARAN HUTAN

Recommended

Recommended

More Related Content

Similar to KAJIAN KERAWANAN KEBAKARAN HUTAN

Similar to KAJIAN KERAWANAN KEBAKARAN HUTAN (20)

Recently uploaded

Recently uploaded (20)

KAJIAN KERAWANAN KEBAKARAN HUTAN