Pemetaan Kerentanan Kebakaran Hutan Menggunakan Frequency Ratio di Taman Nasional Baluran

MOCH. AGIL SAHRIAL, Dr. Ir. Emma Soraya, S.Hut., M.For., IPU.

2024 | Skripsi | KEHUTANAN

Kebakaran hutan merupakan salah satu penyebab penurunan keanekaragaman hayati, perubahan iklim, hilangnya berbagai manfaat ekosistem, dan potensi lain yang terkandung di di Taman Nasional Baluran (TNB) yang memiliki biodiversitas yang beragam, dan kaya flora dan fauna. Prediksi terjadinya kebakaran hutan dibutuhkan karena dapat membantu penanggulangan, dan pengelolaan sumber daya. Penilaian dan pengembangan model kerentanan kebakaran hutan dapat dilakukan melalui model-model probabilistik seperti Sistem Informasi Geospasial (SIG) dan penginderaan jauh dapat memprediksi penyebab kebakaran hutan. Penelitian ini bertujuan untuk mengetahui variabel yang berpengaruh terhadap model kerentanan kebakaran hutan dan memetakan sebaran spasial kerentanan kebakaran hutan di TNB tahun 2023. Metode Frequency Ratio (FR) digunakan untuk memodelkan kerentanan kebakaran hutan. Sepuluh variabel yang terdiri dari data topologi, data antropogenik, data lingkungan, dana meteorologi digunakan untuk membangun model. Hasil penelitian menunjukkan bahwa TNB memiliki klasifikasi kelas kerentanan kebakaran diantaranya very low susceptibility seluas 6165 ha (23.5%), Low Susceptibility seluas 6165 hektar 4353.74 ha (16.6%), Moderate Susceptibility seluas 3054.24 ha (11.7%), High Susceptibility seluas 6314.86 ha (24.1%), dan Very High Susceptibility seluas 6285.17 ha (24.0%). Validasi model ditunjukkan melalui nilai AUC = 0.80 yang dapat dikatakan sangat baik dalam memprediksi kerentanan kebakaran hutan. Model yang dikembangkan menyajikan informasi dan pembaruan data yaitu sebaran kerentanan kebakaran hutan TNB tahun 2023, dan rekomendasi dalam hal mitigasi yaitu kegiatan patroli, pemasangan papan peringatan, pembuatan peta zonasi kebakaran, dan pemberdayaan masyarakat melalui pembentukan kelembagaan peduli api di TNB.

Forest fires are one of the causes of biodiversity decline, climate change, loss of ecosystem benefits, and other potentials contained in Baluran National Park (TNB) which has diverse biodiversity, and rich flora and fauna. Predicting the occurrence of forest fires is needed because it can help with suppression, and resource management. Assessment and development of forest fire susceptibility models can be done through probabilistic models such as Geospatial Information Systems (GIS) and remote sensing can predict the causes of forest fires. This study aims to determine the variables that influence the forest fire susceptibility model and map the spatial distribution of forest fire susceptibility in TNB in 2023. The Frequency Ratio (FR) method was used to model forest fire susceptibility. Ten variables consisting of topological data, anthropogenic data, environmental data, meteorological funds were used to build the model. The results showed that TNB has a classification of fire susceptibility classes including Very Low Susceptibility of 6165 ha (23.5%), Low Susceptibility of 4353.74 ha (16.6%), Moderate Susceptibility of 3054.24 ha (11.7%), High Susceptibility of 6314.86 ha (24.1%), and Very High Susceptibility of 6285.17 ha (24.0%). The validation of the model is shown through the value of AUC = 0.80 which can be said to be very good in predicting forest fire susceptibility. The developed model provides information and data updates, namely the distribution of TNB forest fire susceptibility in 2023, and recommendations in terms of mitigation, namely patrol activities, installation of warning boards, making fire zoning maps, and empowering communities through the formation of fire care institutions in TNB.

Kata Kunci : Kebakaran hutan, Frequency Ratio (FR), Forest Fire Susceptibility Map (FFSM), mitigasi, Taman Nasional Baluran