Kebakaran Hutan Kalbar: Api Sanggau Menaikkan Api Landak

Cekricek.id — 6.208 kasus kebakaran hutan tercatat di Ketapang saja. Angka itu dihitung dari data bulanan Januari 2020 sampai Maret 2024.

Ketapang hanya satu dari lima kabupaten yang diperiksa. Empat lainnya Sanggau, Sintang, Landak, dan Sekadau, semuanya di Kalimantan Barat.

Empat peneliti Universitas Tanjungpura, Pontianak, yang mengolahnya. Mereka Muhammad Yahya Ayyash, Nur’ainul Miftahul Huda, Nurfitri Imro’ah, dan Hesty Pratiwi.

Ayyash, Imro’ah, dan Pratiwi berasal dari Departemen Statistika. Huda dari Departemen Matematika, sekaligus penulis korespondensi naskah ini.

Tulisan mereka berjudul Analysis of Forest Fire Cases Using GSTAR(1;1) Model with Spatial Rook Contiguity Weights Matrix in West Kalimantan.

Naskahnya terbit di Jurnal Matematika UNAND Volume 15 Nomor 2 tahun 2026, halaman 259 sampai 273. Penerbitnya Departemen Matematika dan Sains Data FMIPA Universitas Andalas.

Riwayat naskahnya panjang. Diterima 16 Juli 2024, direvisi 31 Oktober 2025, disetujui 21 Januari 2026, dan tayang 30 April 2026.

Lima Kabupaten dengan Rata-rata di Atas 100 Kasus

Datanya sekunder, diambil dari SiPongi milik Kementerian Lingkungan Hidup dan Kehutanan. Satuannya jumlah kasus kebakaran hutan per bulan.

Kabupaten di Kalimantan Barat lebih dulu dikelompokkan ke lima golongan. Pembaginya rata-rata jumlah kasus kebakaran hutan tiap kabupaten atau kota.

Golongan pertama di bawah 25 kasus dan golongan kedua 25 sampai 50. Golongan ketiga 50 sampai 75, golongan keempat 75 sampai 100.

Golongan kelima di atas 100 kasus, dan hanya lima kabupaten yang masuk ke sana. Kelimanya Ketapang, Sanggau, Sintang, Landak, dan Sekadau.

Kelimanya juga berdekatan secara geografis. Kedekatan itu yang membuat penulisnya menduga ada kaitan ruang antara kelima wilayah tersebut.

Kemiripan keadaan lingkungan, praktik pertanian, dan penggunaan lahan disebut sebagai kemungkinan penyebabnya. Ketiganya dinilai bisa saling memengaruhi antarwilayah yang bersebelahan.

Sekadau mencatat angka paling kecil di antara kelimanya. Jumlahnya 117 kasus menurut keterangan penulisnya.

Data itu juga digambarkan lewat peta sebaran dan plot deret waktu. Statistik ringkasnya memuat rata-rata, nilai tertinggi, dan nilai terendah tiap kabupaten.

Peta dipakai untuk melihat sebaran antarwilayah. Plot deret waktu dipakai untuk melihat naik turunnya kasus sepanjang periode yang diamati.

Baca juga Curah Hujan Kalimantan Selatan Nyaris Nol Saat El Nino

Agustus 2023, Bulan Ketika Kelimanya Serentak

Satu bulan menonjol di seluruh plot data, yaitu Agustus 2023. Pada bulan itu kelima kabupaten mencatat jumlah kasus tertinggi secara bersamaan.

Penulisnya membaca serentaknya itu sebagai pola waktu yang teratur. Dugaannya, penyebab dan keadaan lingkungan di kelima wilayah sedang mirip satu sama lain.

Penyebab kebakaran yang disebut di naskah ini ada tiga. Pembukaan lahan pertanian dan perkebunan, cuaca ekstrem, dan pengelolaan lahan yang tidak lestari.

Kemarau panjang masuk ke kategori cuaca ekstrem. Lemahnya pengawasan dan penegakan hukum disebut sebagai faktor yang memperburuk keadaan.

Dampaknya ikut dicatat. Kerusakan ekosistem, hilangnya keanekaragaman hayati, gangguan pernapasan warga sekitar, dan pencemaran udara yang kerap sampai ke negara tetangga.

Emisi gas rumah kaca disebut sebagai dampak lain yang lebih jauh. Penulisnya mengaitkannya dengan perubahan iklim di aras global.

Warga di sekitar lokasi kebakaran disebut kerap mengalami gangguan pernapasan. Paparan asap menjadi penyebab yang ditulis secara langsung di naskah ini.

Satu Lag Waktu, Satu Lag Ruang

Model yang dipakai bernama GSTAR, singkatan dari Generalized Space Time Autoregressive. Model itu pertama kali diperkenalkan pada 2002.

Angka dalam kurung menandai dua hal sekaligus. Ordo waktu satu dan ordo ruang satu, ditulis sebagai GSTAR(1;1).

Ordo waktu satu berarti model hanya melihat satu bulan ke belakang. Ordo ruang satu berarti hanya tetangga yang berbatasan langsung yang dihitung.

Model biasa mengandaikan tiap pengamatan berdiri sendiri. Pada data kewilayahan dan pemantauan lingkungan, andaian itu jarang benar.

GSTAR dibangun justru untuk keadaan semacam itu. Ketergantungan antarlokasi dimasukkan ke dalam model, bukan diabaikan.

Bagian yang mengurus hal itu disebut matriks pembobot. Namanya matriks W, dan isinya kaitan tiap wilayah dengan wilayah di sebelahnya.

Pembobot ruangnya bernama rook contiguity. Dua wilayah dihitung bertetangga kalau garis batas keduanya benar-benar bersinggungan di peta.

Bobotnya dibagi rata ke seluruh tetangga. Sanggau berbatasan dengan empat kabupaten lain, sehingga tiap tetangganya bernilai 0,25.

Ketapang, Sintang, dan Sekadau masing-masing punya tiga tetangga dengan bobot 0,33. Landak paling ekstrem, seluruh bobot 1 jatuh ke Sanggau.

Sebelum dimodelkan, datanya harus tenang lebih dulu. Ragamnya diratakan dengan transformasi akar kuadrat atas jumlah kasus tiap bulan.

Rata-ratanya lalu diuji dengan ADF. Ketapang gagal dengan nilai p 0,213, sedangkan empat kabupaten lain lolos di kisaran 0,020 sampai 0,025.

Karena satu wilayah gagal, seluruh data dibedakan satu kali. Sesudah itu nilai p kelimanya turun ke 0,01 dan syarat kestasioneran terpenuhi.

Baca juga Pertanian Terapung Daha Selatan, Fosfornya Bertahan Empat Tahun

0,812 di Sanggau, Minus 0,372 di Landak

Parameternya ditaksir dengan metode kuadrat terkecil. Hasilnya sepuluh koefisien, lima untuk pengaruh waktu dan lima untuk pengaruh ruang.

Koefisien waktu Sanggau paling besar, yaitu 0,812. Bulan ramai kebakaran di Sanggau cenderung diikuti bulan ramai berikutnya.

Sintang mengikuti dengan 0,531. Arahnya sama, besarnya kira-kira dua pertiga angka Sanggau.

Tiga sisanya bertanda negatif. Sekadau minus 0,140, Ketapang minus 0,208, dan Landak minus 0,372.

Tanda negatif dibaca terbalik. Bulan ramai cenderung diikuti bulan yang lebih sepi di kabupaten yang sama.

Koefisien ruangnya lebih beragam lagi. Ketapang 0,905, Landak 0,265, Sekadau 0,326, Sintang minus 0,206, dan Sanggau minus 1,311.

Sesudah bobot dikalikan, persamaan tiap kabupaten berubah bentuk. Ketapang menerima 0,299 dari masing-masing tetangganya.

Sanggau menerima minus 0,328 dari tiap tetangganya. Sintang menerima minus 0,068, sedangkan Sekadau menerima 0,108.

Landak hanya punya satu pengirim. Kenaikan kebakaran di Sanggau menaikkan kebakaran di Landak dengan koefisien 0,265.

Penulisnya merangkum arah itu di bagian penutup. Kenaikan di Sanggau cenderung menaikkan Landak, sedangkan kenaikan di banyak wilayah lain cenderung menurunkan Sanggau.

Arah pengaruh waktunya tidak seragam antarwilayah. Di sebagian kabupaten kenaikan bulan ini diikuti kenaikan, di sebagian lain justru penurunan.

MAPE 13 Persen dan Dua Ujungnya

Ketepatan model diukur dengan MAPE. Ukuran itu merata-ratakan selisih mutlak antara data nyata dan taksiran, lalu menyatakannya dalam persen.

Rata-rata kelima kabupaten 13 persen. Penulisnya menempatkan angka itu di rentang 10 sampai 20 persen, yang disebutnya tingkat ketepatan yang baik.

Dua ujungnya berjauhan. Landak paling tepat dengan 5 persen, Ketapang paling meleset dengan 19 persen.

Sanggau 16 persen, Sekadau 13 persen, dan Sintang 12 persen. Ketiganya mengepung angka rata-rata dari dua arah.

Sebelum MAPE dihitung, data nyata dan taksiran dijajarkan dalam satu plot. Kedua garisnya digambarkan hampir berimpit di kelima kabupaten.

Sisa modelnya diperiksa dua kali. Plot Normal Q-Q dipakai untuk kenormalan dan plot ACF untuk kebebasan antarsisa.

Kelima lokasi dinyatakan memenuhi keduanya. Penulisnya menyimpulkan sisa model sudah berperilaku acak dan modelnya layak dipakai meramal.

Baca juga Karhutla, Kemenkes Kerahkan 314 Nakes ke 7 Provinsi

391 atau 6.208, Angka Ketapang yang Tak Sama

Ada satu ganjalan di bagian statistik deskriptifnya. Ketapang disebut dua kali dengan dua angka yang berbeda.

Kalimat pertama menyebut 391 kasus kebakaran hutan di Ketapang. Kalimat berikutnya menyebut total 6.208 kasus untuk kabupaten yang sama.

Naskahnya tidak menjelaskan beda satuan antara keduanya. Pembaca ditinggal menebak mana yang bulanan dan mana yang kumulatif.

Batas lain lebih jelas. Modelnya hanya mencakup lima kabupaten, satu lag waktu, dan satu lag ruang.

Rentang datanya juga berhenti pada Maret 2024. Musim kemarau sesudah itu sama sekali tidak ikut diuji.

Penulisnya menutup dengan usul yang sempit. Pemahaman pola ruang dan waktu itu diminta dipakai untuk memperkuat peringatan dini dan respons cepat.

Tujuan awal penelitiannya memang di situ. Pola sebaran kebakaran hendak dipakai menyusun kebijakan pencegahan dan pengendalian yang lebih tepat sasaran.

Pemantauan yang lebih baik disebut sebagai syaratnya. Tanpa itu, kata penulisnya, pola yang ditemukan berhenti sebagai hitungan di atas kertas.

Satu angka terakhir: 19 persen, MAPE Ketapang. Kabupaten dengan kasus terbanyak justru yang paling sulit ditebak modelnya.