Prihatin dengan Bencana Asap, Dosen UIN Suska Riau Melakukan Penelitian Prediksi Kebakaran Hutan dan Lahan (Karhutla) di Riau

Tim Peneliti: M. Marizal, M.Sc., Benny Sukma Negara, MT., dan DR. Rahmad Kurniawan, ST., MIT.

Pekanbaru, 17/09/2019 – Sudah sebulan lebih 1,04 Juta penduduk Pekanbaru dan 6,5 Juta penduduk Riau merasakan dampak kabut asap yang sangat menyiksa. Asap yang menyelimuti Bumi Lancang Kuning ini berasal dari karhutla yang melanda Sumatera. Sebagai bentuk keprihatinan terhadap bencana asap yang datang hampir setiap tahun, maka Dosen UIN Suska Riau: Dr. Rahmad Kurniawan, ST., MIT., Benny Sukma Negara, MT. dan M. Marizal, M.Sc yang tergabung dalam komunitas peneliti Data Science – Riau Data Camp (RDC) melakukan penelitian tentang faktor utama yang mempengaruhi kebakaran hutan.

Dr. Rahmad Kurniawan, ST., MIT menjelaskan asap yang disebabkan oleh karhutla ini diketahui sebagai salah satu masalah lingkungan paling berbahaya yang tidak dapat diabaikan. Prediksi cepat dan tepat diperlukan untuk pencegahan dan penanggulangan karhutla. Untuk mewujudkannya, salah satu cara terbaik adalah memanfaatkan teknologi IoT (Internet of Thing) yang merupakan bidang riset komputer terkini, yaitu menggunakan alat sensor otomatis yang mencatat data suhu, kelembapan udara, curah hujan, tekanan, titik embun dan kecepatan angin secara realtime. “Oleh karena itu, langkah awal dari kami para akademisi bidang Data Science menggunakan machine learning untuk memprediksi faktor utama penyebab kebakaran hutan di Riau dan prediksi kebakaran selanjutnya,” Ujar Dr. Rahmad.

Benny Sukma Negara, MT juga mengatakan bahwa selama 22 tahun masyarakat Riau harus menghadapi bencana tahunan ini. Bagi-bagi masker gratis, meliburkan sekolah dan kampus bukanlah solusi yang tepat untuk jangka panjang. Diperlukan langkah nyata, tegas dan serius terhadap masalah kebakaran hutan yang menyebabkan polusi udara yang parah ini. Penelitian yang dilakukan oleh Dosen Teknik Informatika UIN Suska Riau dan RDC menggunakan data cuaca tahun 2015-2019, sekitar 1700an data per hari dan 41304 data per jamnya” Ujar Benny yang juga kepala PTIPD UIN Suska Riau.

data baru

Gbr. 1 Faktor-faktor yang menjadi penyebab dan penanda terjadinya Karhutla dalam jumlah yang besar di Riau

Dr. Rahmad juga menjelaskan bahwa ada 4 faktor utama yang menjadi penyebab dan penanda terjadinya Karhutla dalam jumlah yang besar. “Suhu, kelembaban, kecepatan angin dan curah hujan rata-rata adalah faktor utama yang mempengaruhi karhutla. Kebakaran terjadi karena pohon dan semak-semak di permukaan tanah mendapat radiasi panas dari matahari sehingga membuat hutan tersebut kering. Suhu yang panas membuat hutan dan lahan terbakar lebih cepat. Dari kecenderungan penambangan data (data mining), kami melihat bahwa sore hari merupakan waktu yang paling rentan terjadinya karhutla karena waktu itu puncak suhu terpanas. Selain itu, kecepatan angin juga sangat mempengaruhi karhutla. Angin memainkan peranan penting dalam penyebaran api. Sering kali angin menjadi faktor yang tidak terduga karena menyebabkan hutan terbakar begitu cepat meluas. Angin menjadi pemasok oksigen pada karhutla yang membuat api lebih cepat besar bahkan sampai ke pohon-pohon. Semakin kuat angin pada area tersebut, maka semakin cepat api menyebar. Selain itu, faktor kelembapan juga mempengaruhi terjadinya karhutla. Ketika kelembaban rendah, itu artinya ada sedikit uap air di udara, sehingga kebakaran hutan lebih mungkin terjadi. Semakin tinggi kelembaban, semakin kecil kemungkinan hutan mengering dan terbakar. Kelembaban dapat menurunkan kemungkinan terjadinya kebakaran hutan, sedangkan curah hujan memiliki dampak langsung pada pencegahan kebakaran. Ketika udara jenuh dengan kelembaban, ia akan melepaskan kelembaban dalam bentuk hujan. Curah hujan meningkatkan jumlah uap air di hutan dan lahan sehingga menekan kemungkinan kebakaran hutan.” Jelas Dr. Rahmad.  Berdasarkan data yang ditambang, karhutla banyak terjadi di Riau apabila:

  1. Suhu minimum berada di atas angka 75 °F atau 23,9 °C
  2. Kelembapan maksimum berada di bawah angka 97%
  3. Kecepatan angin maksimum di atas angka 10 km/jam
  4. Curah hujan rata-rata berada di bawah angka 0,02 (in)

Selain itu, ada 2 faktor pendukung yang juga merupakan penyebab dan penanda terjadinya karhutla dalam jumlah yang besar di Riau seperti:

  1. Jika tekanan maksimum berada di atas angka 29,84 Hg.
  2. Jika titik embun maksimum berada di bawah angka 74° F atau 23,3 °C.

Benny menambahkan, dapat pula dikembangkan sistem peringatan dini (Early Warning System) yan terintegrasi dengan sensor IoT.  Apabila alat sensor (IoT) menampilkan kondisi-kondisi yang memasuki ambang batas, maka pihak terkait harus waspada untuk melakukan pencegahan karhutla yang cepat dan tepat.

Selain menggunakan algoritma Machine Learning, kami juga berusaha memberikan prediksi kemungkinan terjadinya karhutla untuk tahun berikutnya, menggunakan teknik Time Series Analysis and Forecasting. Kami menggunakan 3 algoritma yang dikenal akurat seperti Linear Regression (LR), Artificial Neural Network (ANN) dan Support Vector Machine (SVM).” Ujar Dr. Rahmad yang juga merupakan Data Scientist dari Center for Artificial Intelligence and Technology, UK-Malaysia.

Dari hasil peramalan tersebut, didapatkan pengetahuan bahwa jika tidak ada langkah pencegahan yang tepat, maka untuk tahun berikutnya masih cenderung akan terjadi Karhutla yaitu bulan April – September terutama bulan Agustus dan September yang perlu diwaspadai.

ANN

Gbr. 2 Hasil peramalan karhutla menggunakan algoritma Artificial Neural Network (ANN), dengan learning rate=0.03

Gbr. 2 Hasil peramalan karhutla menggunakan algoritma Linear Regression (LR)

Gbr. 3 Hasil peramalan karhutla menggunakan algoritma Linear Regression (LR)

Gbr. 3 Hasil peramalan karhutla menggunakan algortima Suppor Vector Machine (SVM).

Gbr. 4 Hasil peramalan karhutla menggunakan algortima Support Vector Machine (SVM).

Marizal menambahkan, dengan memodelkan data cuaca kita dapat memperoleh data cuaca dalam rentang waktu 10, 20 bahkan 50 tahun ke depan untuk mengetahui kondisi cuaca ekstrem yang akan terjadi di Riau. Dari data tersebut kita dapat melakukan analisis guna melakukan kebijakan yang akan diambil ke depan dalam penanggulangan karhutla.

“Riset ini masih tahap eksperimen dasar, kami masih memerlukan eksperimen tambahan seperti penggunaan Deep Learning, Bayesian Network, dll untuk prediksi karhutla di Riau, Data tambahan juga diperlukan dari sensor lain sehingga menghasilkan data yang lebih akurat. Ke depannya Kami juga memerlukan banyak masukan dari pakar lingkungan untuk menginterpretasikan data hasil prediksi sehingga lebih berguna.” Tutup Dr. Rahmad.

Tim Peneliti: M. Marizal, M.Sc., Benny Sukma Negara, MT., dan DR. Rahmad Kurniawan, ST., MIT.

Tim Peneliti: M. Marizal, M.Sc., Benny Sukma Negara, MT., dan DR. Rahmad Kurniawan, ST., MIT.

Subscribe

Thanks for read our article for update information please subscriber our newslatter below