PROSIDING PIT KE-5 RISET KEBENCANAAN IABI

UNIVERSITAS ANDALAS, PADANG 2-4 MEI 2018

PEMETAAN KERENTANAN KEBAKARAN HUTAN DAN LAHAN

BERBASIS SISTEM INFORMASI GEOGRAFIS PADA WILAYAH
NON-GAMBUT

Seniarwan1, Muhammad Munawir Syarif2, Syahrul3, Ridwan Yunus

1
DRR Indonesia, Jl. Cakrawijaya IX, H43 Cipinang Muara, Jakarta Timur, Jakarta 13420,
Email: [email protected]
2
Program Studi Agroteknologi, Fakultas Pertanian Universitas Muslim Indonesia, Jl. Urip
Sumoharjo Km.5, Makassar 90231
Email: [email protected]
3
Program Studi Ilmu Tanah, Fakultas Pertanian dan Kehutanan Universitas Muhammadiyah
Maros, Jl. Dr. Ratulangi No 62 Maros, 90511
Email: [email protected]
4
Tim Asistensi Nasional, BNPB, Graha BNPB Building, Jl. Pramuka Kav. 38, Jakarta Timur,
10150, Indonesia
Email: [email protected]

ABSTRACT
The aims of this research was to produce forest and land fire susceptibility index
map conducted by statistical approach using frequency ratio method in non-
peatland area in East Luwu Regency, South Sulawesi Province. The burned area
data was obtained as secondary data and used as a dependent variable. Factors
considered to be triggers of forest and land fires consist of topography, human
activity factors, climatological factors, and government policy factors. Each factor
was derived into independent variables that are extracted and obtained from
various spatial database sources. The results showed that the most influential
variables on the cause of forest and land fires in East Luwu Regency were slope,
land cover, and distance from the road. Validation results based on the
calculation value of area under curve (AUC) between the number of cumulative
burn areas at the prediction rate and the success rate of the model to the
mapping index value, are 79.09% and 68.94%, respectively. From these results, the
process of compiling and outputing forest and land fire susceptibility maps was
acceptable and valid.
Keywords : Forest and land fire, Mapping, Susceptibilty Index, Frequency
ratio, Non-peatland, East Luwu

ABSTRAK
Tujuan dari penelitian ini adalah membuat peta indeks kerentanan kebakaran
hutan dan lahan yang dilakukan dengan pendekatan statistik menggunakan
metode rasio frekuensi pada wilayah non-gambut di Kabupaten Luwu Timur,
Provinsi Sulawesi Selatan. Data area terbakar diperoleh sebagai data sekunder
dan digunakan sebagai variabel tidak bebas. Faktor-faktor yang dianggap
menjadi pendorong terjadinya kebakaran hutan dan lahan terdiri dari faktor

695
 PROSIDING PIT KE-5 RISET KEBENCANAAN IABI
UNIVERSITAS ANDALAS, PADANG 2-4 MEI 2018

topografi, faktor aktivitas manusia, faktor klimatologi, dan faktor kebijakan

pemerintah. Masing-masing faktor diturunkan menjadi variabel bebas yang
diekstraksi dan diperoleh dari berbagai sumber database spasial. Hasil penelitian
menunjukkan bahwa variabel yang paling berpengaruh terhadap penyebab
terjadinya kebakaran hutan dan lahan di Kabupaten Luwu Timur adalah lereng,
penutupan/penggunaan lahan, dan jarak dari jalan. Hasil validasi berdasarkan
perhitungan nilai luas di bawah kurva antara jumlah area terbakar kumulatif
pada tingkat prediksi dan tingkat kesuksesan model terhadap nilai indeks
pemetaan, masing-masing adalah 79,09% dan 68.94%. Dari hasil tersebut, proses
penyusunan dan keluaran peta kerentanan kebakaran hutan dan lahan dapat
diterima dan valid.
Kata Kunci : Kebakaran hutan dan lahan, Pemetaan, Indeks Kerentanan,
Rasio frekuensi, Non-gambut, Luwu Timur.

1. PENDAHULUAN
Kejadian kebakaran hutan dan lahan di Indonesia merupakan fenomena yang
sering kali terjadi setiap tahunnya. Secara umum kebakaran hutan dan lahan
terjadi ketika memasuki musim kering. Kejadian tersebut, tidak hanya masif terjadi
pada lahan gambut, tetapi juga banyak terjadi pada lahan kering non-gambut.
Kabupaten Luwu Timur, Provinsi Sulawesi Selatan merupakan salah satu wilayah
non-gambut di Indonesia. Pada tahun 2015, tercatat di Luwu Timur mengalami
kebakaran hutan dan lahan seluas 537 Ha yang tersebar di Kecamatan Tomoni,
Angkona, Malili, Wasuponda, dan Towuti (Laporan Dinas Kehutanan Luwu Timur,
2015). Kejadian tersebut tentunya memberi dampak risiko bencana yang tinggi
berupa kerugian ekonomi, kerusakan lingkungan dan juga gangguan kesehatan
masyarakat (Watts & Kobziar, 2012; Gaveau et al, 2014)
Salah satu upaya dalam melakukan pencegahan terjadinya kebakaran hutan dan
lahan, dalam konteks perencanaan secara spasial adalah dengan mengetahui
karakteritik dan potensi kerawanan atau kerentanan terjadinya kebakaran hutan
dan lahan melalui pemetaan dengan menggunakan Sistem Informasi Geografis
(SIG) yang dipadukan dengan data penginderaan jauh (remote sensing). Dengan
kemajuan teknologi penginderaan jauh, data-data terkait luasan area terbakar
pada hutan dan lahan dapat lebih cepat diidentifikasi dan diinventarisasi. Hal ini
menjadi peluang dalam melakukan pemetaan dengan menggunakan metode yang
lebih berkembang dan akurat, salah satunya dengan pendekatan statistik atau
juga disebut metode probabilistik (Pradhan et al. 2007; Razali 2007; Saklani 2008;
Adab et al. 2013; Pourtaghi et al. 2014; Faramarzi et al. 2014). Metode ini selain
memetakan potensi kebakaran juga memberikan gambaran faktor dan variabel
yang berpengaruh.
Oleh karena itu, tujuan dari penelitian ini adalah membuat peta indeks kerentanan
(susceptibility) kebakaran hutan dan lahan yang dilakukan dengan pendekatan
statistik menggunakan metode rasio frekuensi (RF) pada wilayah non-gambut di
Kabupaten Luwu Timur, Provinsi Sulawesi Selatan.

696
 PROSIDING PIT KE-5 RISET KEBENCANAAN IABI
UNIVERSITAS ANDALAS, PADANG 2-4 MEI 2018

2. METODOLOGI

2.1 Lokasi Penelitian

Penelitian ini dilakukan di Kabupaten Luwu Timur yang secara geografis terletak
pada koordinat antara 20 15’ 00’’ – 30 Lintang Selatan dan 1200 30’ 00’’ sampai
1210 30’00’’ Bujur Timur. Luas wilayah Kabupaten Luwu Timur adalah 694.488 ha
atau 6.944,88 km2. Wilayah administrasi Kabupaten Luwu Timur terdiri dari 11
wilayah kecamatan.

2.2 Bahan dan Metode

Data yang digunakan dalam penelitian ini didasarkan pada kebutuhan analisis
variabel yang dianggap menjadi faktor pemicu terjadi kebakaran hutan dan lahan.
Masing-masing data dari faktor dan variabel tersebut, serta metode analisisnya
disajikan pada Tabel 1 dan Gambar 2.
Semua data masukan (input) yang digunakan dalam penelitian ini adalah berbasis
raster (grid), begitupun juga dengan data keluarannya (output), dengan ukuran grid
sel adalah 30 m. Metode yang digunakan untuk menentukan indeks kerentanan
kebakaran hutan dan lahan adalah metode rasio frekuensi (frequency ratio atau
disingkat FR). FR merupakan metode penilaian geospasial yang menghitung
hubungan probabilistik antara suatu variabel tidak bebas (dependent) dengan
variabel bebas (independent) (Oh et al, 2011), yang dapat dihitung dengan
menggunakan persamaan berikut:

(1)

dimana, AKi adalah jumlah grid sel area terbakar pada masing-masing kelas
variabel ke-i, dan VKi adalah jumlah grid sel kelas variabel ke-i.
Nilai FR merepresentasikan keterkaitan secara spasial antara masing-masing kelas
variabel terhadap penyebab terjadinya kebakaran (area terbakar). Semakin tinggi
nilai FR suatu kelas variabel, maka semakin tinggi pengaruhnya terhadap kejadian
kebakaran. Alur proses penyusunan peta indeks kerentanan kebakaran hutan dan
lahan dapat dilihat pada Gambar 1.

Tabel 1. Data-Data yang Digunakan Berdasarkan Faktor dan Variabel Berpengaruh

Terhadap Kebakaran Hutan dan Lahan

No Faktor Jenis Data Skala Sumber Metode Analisis

Data
Area Terbakar Peta Area Terbakar KLHK, 2015 Partisi Acak
1 Faktor Topografi
a Elevasi (m)
b Lereng (%) DEM AWD3D Grid 30 m JAXA, 2015 Analisis Permukaan
(Surface)

697
 PROSIDING PIT KE-5 RISET KEBENCANAAN IABI
UNIVERSITAS ANDALAS, PADANG 2-4 MEI 2018

c Arah Lereng
2 Faktor Aktivitas Manusia
a Penutupan/Penggunaan Peta Tutupan Lahan Skala KLHK, 2015 -
Lahan 1:100.000
b Jarak dari Jalan (m) Peta Jaringan Jalan Skala 1:25.000 BIG, 2013 Jarak Euclidean
c Jarak dari Tubuh Air (m)
d Jarak dari Pemukiman
(m)
e Jarak dari Perkebunan Peta Tutupan Lahan Skala KLHK, 2015 Jarak Euclidean
(m) 1:100.000
f Jarak dari Pertanian
Lahan Kering (m)
g Jarak dari Sawah (m)
3 Faktor Klimatologi
a Curah Hujan Sebaran Wilayah Grid 5,5 Km CHIRPS Interpolasi Kriging
(mm/tahun) Hujan
4 Faktor Kebijakan Pemerintah
a Area Layanan (Waktu Peta Jaringan Jalan BIG, 2013 Analisis Jaringan
Tempuh Mobil Pos Stasiun Dinas (Network)
Pemadam) Pemadam Damkar
b Fungsi Kawasan Peta Kawasan Hutan Skala KLHK, 2011 -
1:250.000

Gambar 1. Alur Proses Pemetaan Indeks Kerentanan Kebakaran Hutan dan Lahan

698
 PROSIDING PIT KE-5 RISET KEBENCANAAN IABI
UNIVERSITAS ANDALAS, PADANG 2-4 MEI 2018

a) b) c)

f)
d) d) e)

g) h) i)

j) k) l)

Gambar 1. Variabel bebas penyusun peta indeks kerentanan kebakaran hutan dan lahan

699
 PROSIDING PIT KE-5 RISET KEBENCANAAN IABI
UNIVERSITAS ANDALAS, PADANG 2-4 MEI 2018

Proses selanjutnya adalah menentukan bobot (predictor rate/PR) masing-masing

variabel sebagai modifikasi dari metode FR berdasarkan nilai frekuensi relatif
(relative frequency/RF) masing-masing variabel dengan menggunakan persamaan
(Ghost et al, 2011; Althuwaynee et al, 2014):
(2)

(3)

dimana, RF adalah nilai frekuensi relatif masing-masing variabel; dan FRi adalah
nilai rasio frekuensi variabel ke-i;
Indeks kerentanan kebakaran hutan dan lahan (IKKL) merupakan nilai dari hasil
penggabungan nilai FR masing-masing variabel, yang dapat dihitung dengan
menggunakan persamaan:
(4)
Proses akhir adalah melakukan validasi. Validasi merupakan langkah mendasar
dalam pengembangan kepekaan dan penentuan kualitas hasil model. Hasil model
terbaik dapat ditentukan dengan menggunakan prosedur perhitungan nilai AUC
(area under the curve). Nilai AUC berkisar antara 1 sampai 0 atau dapat
ditunjukkan dalam bentuk persentase, dimana nilai 1 mengindikasikan hasil model
yang sempurna dan nilai 0,5 mengindikasikan hasil model yang acak.

3. HASIL DAN PEMBAHASAN

3.1 Analisis Rasio Frekuensi

Hasil dari hubungan spasial (spatial relationship) antara area terbakar dengan
variabel penyusun menggunakan model FR dapat dilihat pada Tabel 2.
Berdasarkan perhitungan nilai FR, diperoleh nilai PR masing-masing variabel yang
menunjukkan bahwa variabel yang paling berpengaruh terhadap penyebab
terjadinya kebakaran hutan dan lahan di Kabupaten Luwu Timur adalah lereng,
penutupan/penggunaan lahan, dan jarak dari jalan (lihat Gambar 3).
Nilai FR lereng cenderung meningkat pada lahan-lahan datar dan memiliki nilai
paling tinggi pada kelas lereng 5 – 10%. Hal ini berarti bahwa aktivitas pembakaran
lahan kebanyakan terjadi pada lahan yang datar, meskipun masih terdapat
kejadian kebakaran pada kelas lereng 25 – 35%. Pada penutupan/penggunaan
lahan cenderung tinggi pada kelas tanah terbuka dan savana (padang
rerumputan). Kondisi lahan yang berupa tanah terbuka memungkinkan terjadinya
pembakaran karena telah tumbuhnya kembali semak/belukar. Berdasarkan
variabel jarak dari jalan, nilai FR menunjukkan nilai yang tinggi jika semakin dekat
dari jalan. Tentunya hal ini menunjukkan hubungan yang logis bahwa aktivitas
pembakaran sangat berkaitan erat dengan aksesibiltas masyarakat terhadap
hutan dan lahan.

700
 PROSIDING PIT KE-5 RISET KEBENCANAAN IABI
UNIVERSITAS ANDALAS, PADANG 2-4 MEI 2018

Keterangan: ELV = Elevasi; LRG = Lereng; ARL = Arah Lereng; PPL =

Penutup/Penggunaan Lahan; JJL = Jarak dari Jalan; JPM = Jarak dari
Pemukiman; JPK = Jarak dari Pertanian Lahan Kering; JSW = Jarak dari
Sawah; JTA = Jarak dari Tubuh Air; CHN = Curah Hujan; WTP = Waktu
Tempuh Mobil Pemadam; FKW = Fungsi Kawasan

Gambar 3. Nilai PR masing-masing variabel

3.2 Indeks Kerentanan Kebakaran Hutan dan Lahan

Hasil analisis indeks kerentanan kebakaran hutan dan lahan disajikan pada
Gambar 4. Hasil validasi berdasarkan perhitungan nilai AUC antara jumlah area
terbakar kumulatif pada data masukan analisis (prediction rate) dan data validasi
(success rate) terhadap nilai indeks menunjukkan hasil yang cukup baik. Nilai AUC
untuk prediction rate diperoleh hasil sebesar 79,09%, sedangkan nilai AUC untuk
success rate diperoleh hasil sebesar 68.94%. Berdasarkan hasil nilai validasi
tersebut, dapat dikatakan bahwa proses penyusunan dan keluaran peta potensi
bahaya kebakaran hutan dan lahan dapat diterima dan valid.

Tabel 2. Hubungan spasial antara masing-masing kelas variabel terhadap area terbakar
menggunakan model rasio frekuensi (FR)
Piksel % Piksel %
Faktor Kelas FR RF Max RF Min RF [Max - Min] PR
Kebakaran Kebakaran Domain Domain
1 <200 6968 18.55 1429466 18.87 0.98 0.09
2 200 - 300 4291 11.42 253861 3.35 3.41 0.33
3 300 - 400 5930 15.79 1331153 17.57 0.9 0.09
Elevasi (m) 0.33 0.02 0.3 2.28
4 400 - 500 9091 24.21 888539 11.73 2.06 0.2
5 500 - 600 7911 21.06 547095 7.22 2.92 0.28
6 >600 3367 8.96 3124095 41.25 0.22 0.02
37558 100 7574209 100 10.49 1
1 <5 11074 29.49 2518362 33.25 0.89 0.27
2 15-May 21211 56.48 2430500 32.09 1.76 0.53
3 15 - 25 4922 13.11 1803920 23.82 0.55 0.17
Lereng (%) 0.53 0 0.53 4.00
4 25 - 35 351 0.93 673190 8.89 0.11 0.03
5 35 - 45 0 0 134285 1.77 0 0
6 >45 0 0 13952 0.18 0 0
37558 100 7574209 100 3.3 1

701
 PROSIDING PIT KE-5 RISET KEBENCANAAN IABI
UNIVERSITAS ANDALAS, PADANG 2-4 MEI 2018

Lanjutan Tabel 2.
Piksel % Piksel %
Faktor Kelas FR RF Max RF Min RF [Max - Min] PR
Kebakaran Kebakaran Domain Domain
1 Datar (F) 870 2.32 1213953 16.03 0.14 0.02
2 Utara (N) 4254 11.33 706498 9.33 1.21 0.13
3 Barat Laut (NW) 5717 15.22 875890 11.56 1.32 0.14
4 Barat (W) 4283 11.4 782447 10.33 1.1 0.12
Arah Lereng 5 Timur Laut (NE) 4993 13.29 714716 9.44 1.41 0.15 0.15 0.02 0.13 1.00
6 Barat Daya (SW) 5549 14.77 885951 11.7 1.26 0.13
7 Timur (E) 5042 13.42 1024493 13.53 0.99 0.1
8 Tenggara (SE) 3418 9.1 761474 10.05 0.91 0.1
9 Selatan (S) 3432 9.14 608787 8.04 1.14 0.12
37558 100 7574209 100 9.49 1
1 Bandara 0 0 27664 0.37 0 0
2 Hutan Lahan Kering 0 0 316 0 0 0
3 Hutan Mangrove 531 1.41 4340992 57.31 0.02 0
4 Hutan Rawa 34 0.09 76656 1.01 0.09 0
5 Perkebunan 0 0 583 0.01 0 0
6 Permukiman 181 0.48 103667 1.37 0.35 0.01
Penutupan/ 7 Pertambangan 0 0 61949 0.82 0 0
Penggunaan 0.69 0 0.69 5.17
Lahan 8 Pertanian Lahan Kering 8357 22.25 1030645 13.61 1.64 0.03
9 Savana 3596 9.57 69330 0.92 10.46 0.21
10 Sawah 238 0.63 214544 2.83 0.22 0
11 Semak/Belukar 7359 19.59 521241 6.88 2.85 0.06
12 Tambak 0 0 124582 1.64 0 0
13 Tanah Terbuka 17262 45.96 100175 1.32 34.75 0.69
14 Tubuh Air 0 0 901865 11.91 0 0
37558 100 7574209 100 50.38 1
1 <1000 25900 68.96 2571413 33.95 2.03 0.42
2 1000 - 2000 8264 22 884813 11.68 1.88 0.39

Jarak dari Jalan 3 2000 - 3000 2172 5.78 639967 8.45 0.68 0.14
0.42 0 0.42 3.17
(m) 4 3000 - 4000 380 1.01 515700 6.81 0.15 0.03
5 4000 - 5000 0 0 401341 5.3 0 0
6 >5000 842 2.24 2560975 33.81 0.07 0.01
37558 100 7574209 100 4.81 1
1 <1000 2807 7.47 2311874 30.52 0.24 0.03
2 1000 - 2000 8182 21.78 1046513 13.82 1.58 0.19

Jarak dari Tubuh 3 2000 - 3000 10101 26.89 818033 10.8 2.49 0.3
0.3 0.03 0.27 2.25
Air (m) 4 3000 - 4000 5249 13.98 653750 8.63 1.62 0.19
5 4000 - 5000 5089 13.55 558743 7.38 1.84 0.22
>5000 6130 16.32 2185296 28.85 0.57 0.07
37558 100 7574209 100 8.33 1
1 <1000 3799 10.12 924494 12.21 0.83 0.08
2 1000 - 2000 5175 13.78 676886 8.94 1.54 0.15

Jarak dari 3 2000 - 3000 5557 14.8 574585 7.59 1.95 0.19
0.34 0.04 0.3 2.58
Pemukiman (m) 4 3000 - 4000 9315 24.8 540519 7.14 3.48 0.34
5 4000 - 5000 5015 13.35 490040 6.47 2.06 0.2
>5000 8697 23.16 4367685 57.67 0.4 0.04
37558 100 7574209 100 10.26 1
1 <1000 1499 3.99 338610 4.47 0.89 0.17
2 1000 - 2000 2022 5.38 204807 2.7 1.99 0.37

Jarak dari 3 2000 - 3000 837 2.23 215461 2.84 0.78 0.15
0.37 0.03 0.34 1.79
Perkebunan (m) 4 3000 - 4000 485 1.29 216816 2.86 0.45 0.08
5 4000 - 5000 172 0.46 207161 2.74 0.17 0.03
>5000 32543 86.65 6391354 84.38 1.03 0.19
37558 100 7574209 100 5.31 1

702
 PROSIDING PIT KE-5 RISET KEBENCANAAN IABI
UNIVERSITAS ANDALAS, PADANG 2-4 MEI 2018

Lanjutan Tabel 2.
Piksel % Piksel %
Faktor Kelas FR RF Max RF Min RF [Max - Min] PR
Kebakaran Kebakaran Domain Domain

1 <5 56 0.15 157562 2.08 0.07 0

2 10-May 2315 6.16 408384 5.39 1.14 0.05
3 15-Oct 6737 17.94 358357 4.73 3.79 0.16
4 15 - 20 3023 8.05 293701 3.88 2.08 0.09
Waktu Tempuh
Mobil Pemadam 5 20 - 30 4426 11.78 255225 3.37 3.5 0.15 0.32 0 0.32 2.38
(menit) 6 30 - 45 3681 9.8 100298 1.32 7.4 0.32
7 45 - 60 459 1.22 20221 0.27 4.58 0.2
999
8 16861 44.89 5980461 78.96 0.57 0.02
(>60 atau tidak ada akses jalan)

37558 100 7574209 100 23.13 1

1 Cagar Alam (CA) 3067 8.17 1004455 13.26 0.62 0.1
2 Areal Penggunaan Lain (APL) 8252 21.97 1357848 17.93 1.23 0.2
Kawasan Suaka/Pelestarian
3 0 0 71291 0.94 0 0
Alam (KSP/KPA)
4 Hutan Lindung (HL) 16776 44.67 2718852 35.9 1.24 0.2
Fungsi Kawasan 5 Hutan Produksi (HP) 725 1.93 94577 1.25 1.55 0.25 0.25 0 0.25 1.91

6 Hutan Produksi Konversi (HPK) 0 0 201621 2.66 0 0

7 Hutan Produksi Terbatas (HPT) 8707 23.18 1108535 14.64 1.58 0.25
8 Tubuh Air 0 0 40919 0.54 0 0
9 Taman Wisata Alam (TWA) 31 0.08 976111 12.89 0.01 0
37558 100 7574209 100 6.22 1

Gambar 4. Nilai AUC untuk Prediction Rate dan Success Rate

Indeks kerentanan kebakaran hutan dan lahan dikategorisasi dalam 3 (tiga) kelas
berdasarkan metode klasifikasi natural breaks. Hasil yang diperoleh berupa pola
sebaran spasial tingkat ancaman kebakaran hutan dan lahan dapat dilihat pada
Gambar 5.

703
 PROSIDING PIT KE-5 RISET KEBENCANAAN IABI
UNIVERSITAS ANDALAS, PADANG 2-4 MEI 2018

Gambar 5. Tingkat Ancaman Kebakaran Hutan dan Lahan

Sebagian besar pola spasial menunjukkan kelas sedang lebih dominan hampir di
semua wilayah kecamatan (Gambar 6). Potensi ancaman kelas tinggi terdapat pada
beberapa bagian wilayah kecamatan di antaranya di wilayah Kecamatan Burau,
Kecamatan Kalaena, Kecamatan Tomoni, Kecamatan Mangkutana, Kecamatan
Malili, Kecamatan Nuha, Kecamatan Towuti, Kecamatan Wasuponda dan sebagian
kecil di wilayah Kecamatan Tomoni Timur.

Gambar 6. Luasan Tingkat Ancaman Pada Masing-Masing Kecamatan

4. KESIMPULAN
Berdasarkan penelitian yang telah dilakukan, maka dapat disimpulkan beberapa
hal sebagai berikut:
 Analisis indeks kerentanan kebakaran hutan dan lahan dengan metode
rasio frekuensi telah dilakukan, hasil yang diperoleh dapat diterima dan
valid.
 Faktor yang paling berpengaruh pada kejadian kebakaran hutan dan
lahan di lokasi penelitian adalah faktor lereng, penutupan/penggunaan
lahan, dan jarak dari jalan.

704
 PROSIDING PIT KE-5 RISET KEBENCANAAN IABI
UNIVERSITAS ANDALAS, PADANG 2-4 MEI 2018

5. DAFTAR PUSTAKA
 Adab H, Devi Kanniah K, Solaimani K. 2013. Modeling forest fire risk in the northeast
of Iran using remote sensing and GIS techniques. Nat Hazards. 65:1723–1743
 Althuwaynee, O.F., B., Park, H., Lee, J.Y.. 2014. A novel ensemble bivariate statistical
evidential belief function with knowledge-based analytical hierarchy process and
multivariate statistical logistic regression for landslide susceptibility mapping. In
CATENA. Volume (114): pages 21-36. ISSN 0341-8162.
 Faramarzi H, Hosseini SM, Ghajar I, Gholamalifard M. 2014. Fire risk modeling using
discriminant analysis and adaptive network based fuzzy inference system in the
Golestan National Park. J Emergency Manage. 3 (1): 79-87
 Gaveau, D. L. A., Salim, M. A., Hergoualc, K., Locatelli, B., Sloan, S., Wooster, M.,
Sheil, D., 2014. Major atmospheric emissions from peat fires in Southeast Asia during
non-drought years : evidence from the 2013 Sumatran fires. 1–7.
http://doi.org/10.1038/srep06112
 Ghosh, S., Carranza, E.J.M., Van Westen, C.J., Jetten, V.G., Bhattacharya, D.N.. 2011.
Selecting and weighting spatial predictor for empirical modeling of landslide
susceptibility in the Darjeeling Himalayas (India). Geomorhology (131): 35-36.
 Oh Hj, Kim YS, Choi JK Lee S., 2011. GIS mapping of regional probabilistic groundwater
potential in the area of Pohang City, Korea. J Hydrol (399):158-172
 Pourtaghi ZS, Pourghasemi HR, Rossi M. 2014. Forest fire susceptibility mapping in the
Minudasht forests, Golestan province, Iran. Environ Earth Sci. DOI 10.1007/s12665-
014-3502-4
 Pradhan B, Suliman MDHB, Awang MAB. 2007. Forest fire susceptibility and risk
mapping using remote sensing and geographical information systems (GIS). Disaster
Prevent & Manage. 16(3): 344-352
 Razali SBM. 2007. Forest fire hazard rating assessment in peat swamp forest using
integrated remote sensing and geographical information system. MSc thesis. University
Putra Malaysia. pp 52
 Saklani P. 2008. Forest fire risk zonation, a case study Pauri Garhwal, Uttarakhand,
India. MSc Thesis. International Institute for Geo-information Science and Earth
Observation Enschede of the Netherlands and Indian Institute of Remote Sensing
(NRSA) Dehradun India pp 71
 Watts, A. C., & Kobziar, L. N. (2012). Smoldering Combustion in Organic Soils : Peat
and Muck Fires in the Southeastern U . S . Southern Fire Exchange.

705