Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu pola umum curah hujan di Indonesia adalah adanya dua rezim hujan,yaitu rezim hujan Barat dan rezim hujan Timur dengan batas kira-kira 120°BT atau diPulau Sulawesi. Meskipun ganis bujur 1200 BT mi juga melintasi Pulau Flores danPulau Sumba, namun untuk pulau-pulau di Timur Pulau Jawa adalah terkecualian.Akan tetapi batas tersebut tentu tidak tepat pada garis lurus 120°BT karenafaktor-faktor yang mempengaruhi hujan yaitu 1. Kelembaban, di Sulawesikelembaban rata-rata sekitar 80% perbulan, 2. Ketinggian, daerah penelitian dibagimenjadi empat wilayah ketinggian yaitu 0-100 m, 100-500 m, 500-1000 m dan diatas1000 m, 3. DKAT, yang berpengaruh di Sulawesi adalah pada bulan -bulan Desember- Januani dan Maret-April, 4. Arah dan kecepatan angin, sesuai dengan arahdatangnya angin dibagi menjadi empat yaitu angin musim Barat, angin musimperalihan I, angin musim Timur dan angin musim peralihan H.Masalah yang diajukan adalah Dimana batas rezim hujan Indonesia Barat dan rezimhujan Indonesia Timur? Dengan batasan daerah penelitian adalah Propinsi SulawesiTengah dan Sulawesi Selatan,mengingat kedua propinsi inilah yang dilalui oleh garis120° BY Rezim hujan adalah kelompok atau region hujan yang menunjukkan perbedaanwaktu jatuhnya curah hujan maksimum dan curah hujan minimum di suatu tempat.Wilayah rezim hujan Barat adalah wilayah dimana curah hujan maksimumnya jatuh padabulan-bulan Desember-Januari dan curah hujan minimumnya pada bulan-bulan Juli-Agustus. Wilayah rezim hujan Timur adalah wilayah dimana curah hujan maksimumnyajatuh pada bulan-bulan Mei-Juni dan curah hujan minimumnya jatuh pada bulan-bulanSeptember-Oktober. Penarikan garis region berdasarkan stasiun pengamat hujan.Dari hasil pengolahan data, diperoleh 42 stasiun yang terbagi menjadi dua wilayah rezimhujan yaitu Barat dan Timur. Wilayah rezim hujan Barat terdiri dari 16 stasiun yaituPinrang, Parepare, Palanro, Pangkajene, Maros, Ujungpandang, Sungguminasa,Penggentungan, Jeneponto, Sabang, Tompe, Tawaeli, Donggala, Mejene, Malino danMalakaji.Wilayah rezim hujan Timur terdiri dari 26 stasiun yaitu: Tinombo, Ampibabo, Parigi,Poso, Mekuli, Toili Batui, Luwuk, Rantepao, Palopo, Batubatu, Watansopeng, Rappang,Belawa, Tancung, Paria, Sinjai, Macope, Watampone, Manipi, Bulukumba, Cellu, CanruEnrekang, Palu dan Singkang"

"Jumlah curah hujan disuatu tempat sering dinyatakan dengankeadaan rata-ratanya dalam sekala waktu yang panjang.Pernyataan dengan rata-rata kenyataannya menyembunyikanvariabilitas jumlah hujan dalam sekala waktu yang lebihpendek. Dengan menggunakan pendekatan statistik, yaitumembandingkan besarnya penyimpangan jumlah hujan pada suatuwaktu terhadap rata-ratanya dalam sekala waktu yang panjang. maka nilai variabilitas secara rata-rata dapat diketahui.Pola curah hujan di Propinsi Lampung sedikit berbeda denganpropinsi-propinsi lain di Sumatera. Propinsi Lampung yangmempunyai pantai Barat dan pantai Timur, curah hujan maksimumdi pantai Barat tidak selalu jatuh pada bulan November.Jika berpegang pada dalil umum bahwa pantai Barat suatupulau mempunyai curah hujan yang lebih besar dari pantaiTimurnya, maka di Propinsi Lampung menunjukan sedikitheterogenita dalam pola.Adapun tujuan dari tulisan ini adalah untuk mengetahuidistribusi curah hujan rata-rata bulanan dalam kaitannyadengan variabilitas curah hujan bulanan di PropinsiLampung. Masai ah yang diajukan adalah:1. Bagaimana distribusi curah hujan rata-rata di propinsiLampung dan faktor apa yang mempengaruhinya?2. Dimana dan kapan di Propinsi Lampung terjadi variabilitas jumlah hujan tertinggi dan terendah ?3. Sejauh mana kaitan curah hujan rata-rata dengan variabilitasnyadi wilayah penelitian ?Satuan analisis yang digunakan adalah satuan wilayahpengamat hujan yang mencakup 46 stasiun. Analisa yangdilakukan adalah korelasi peta diperkuat dengan ujistatistik (korelasi r Pearson) untuk mengetahui hubunganantara curah hujan rata-rata dan variabi1itasnya denganketinggian dan hubungan antara curah hujan rata-rata denganvariabilitasnya.Kesimpulan yang diperoleh adalah : Distribusi curah hujanrata-rata tinggi sampai tertinggi terdapat di sekitar pantai Barat pada ketinggian 0 - 100 m dpi terjadi padabulan September sampai Januari dan di wilayah pedalamanpada ketinggian dibawah 100 meter dpi, terjadi pada bulanDesember sampai Maret. Di bagian Selatan wilayah penelitiancurah hujan tinggi terjadi pada bulan Januari. Untukcurah hujan rata-rata bulanan terendah terjadi pada bulanJuli dan Agustus.Faktor yang • mempengaruhi pola distribusi curah hujani)ulanan adalah faktor arah lereng, arah angin dan letakDKAT.Nilai Variabilitas curah hujan bulanan tinggi terdapat padaregion curah hujan rata-rata rendah, yaitu di bagian Selatan wilayah penelitian dan terjadi pada bulan Juli danAgustus, selain itu terdapat juga di sekitar pantai Timuryang terjadi pada bulan Maret dan April, sedangkan nilaivariabilitas rendah terdapat di wilayah dengan jumlah curahhujan rata-rata tinggi, yaitu di pantai Barat dan wilayahpedalaman yang terjadi pada bulan Oktober sampai Maret.Dalam kaitannya dengan ketinggian , variabilitas curahhujan menghasilkan hubungan positif yang lemah, artinyavariabilitas curah hujan di wilayah penelitian tidak'dipengaruhi oleh ketinggian.Hubungan antara curah hujan rata-rata dengan variabi1itasnyaumumnya berbanding terbalik, artinya jika curah hujanrata-rata tinggi maka nilai variabi1itasnya akan rendah danjika curah hujan rata-rata rendah maka variabi1itasnya akantinggi. Hubungan terbalik antara curah hujan rata-ratadengan variabi1itasnya cenderung lebih nyata pada bulanbulanbasah (Oktober - Maret"

"Curah hujan merupakan unsur iklim yang sangat variabel, balkdalam sekala ruang dan waktu. Selain berdasarkan ruang danwaktu, curah hujan juga bervariasi dengan nilai rata-ratanya.Seiisih antara jumiah curah hujan atau frekuensi hari hujandengan niiai rata-ratanya disebut variabilita.Maksud dari penulisan mi ada].ah untuk mengungkapkan gainbaranvariabilita curah hujan dan frekuensi hari hujan dan kaitarinyadengan nilai rata-rata, serta untuk mengetahui perbandinganantara kedua variabilita mi di Daerah Aliran KaliSerayu, Jawa Tengah.Permasalahan dalani penelitian mi adalah:1. Bagaitnana distribusi juinlah curah hujan dan frekuensihari hujan berdasarkan periode bulanan dan tahunan ?2. Bagaimana kaitan antara variabilita curah hujfrekuensi hari hujan dengan nhlal rata-rata padabulanan dan tahunan ?3. Bagaimana perbandingan antara variabilita curahdengan variabiiita frekuensi hari hujan di DaerahKali Serayu ?Metode analisis yang digunakan adaiah anaiisa korelasi petadibantu dengan graf 1k, yaitu korelasi peta-peta curah hujandan frekuensi hari hujan dengan ketinggian dan variabiiitanya.Pembuatan graf 1k untuk melihat perbandingan antaravariabilita curah hujan dengan vaniabilita frekuensi hanhujan.Berdasarkan hasil analisa dapat diketahui bahwaWiiayah curah hujan tertinggi dan frekuensi hari hujan tertinggiterdapat pada ketinggian di atas 100 meter dpi.Wiiayah curah hujan terendah terdapat pada ketinggian kurangdari 1000 meter dpi dan pada ketinggian lebih dari 2000meter dpi di lereng Gunung Prahu-Gunung Sundoro. Sedangkanwilayah frekuensi hari hujan terendah terdapat pada ketinggiankurang dari 100 meter dpi. Jumiah curah hujan dan frekuensi hari hujan tertinggi umunrnya jatuh pada bulanDesember, sebagian pada bulan Januari. Sedangkan jumlahterendah uinumnya pada bulan Agustus.Kaitan variabilita curah hujan dan frekuensi hari hujandengan nilai rata-rata umumnya berbanding terbalik. Tetapiada juga yang berbandthg lurus, seperti di wilayah Titnur DASuntuk curah hujan tahunan. Dan di wilayah Barat Laut DASuntuk frekuensi hari hujan bulan Agustus, dan di wilayahtengah DAS untuk frekuerisi hari hujan tahunan.Variabilita frekuensi hari hujan umuxnnya lebih rendah dibandingkandengart variabilita curáh hujan."

"Remote sensing telah banyak diaplikasikan dalam bidang Meteorologi dan Klimatologi, khususnya dalam menjelaskan curah hujan, namun penerapannya dalam wilayah yang lebih spesifik belum banyak digali lebih dalam. Tutupan awan diinterpretasikan dari citra NOAA, selanjutnya di korelasikan dengan metode statistic dan analisis spasial dengan curah hujan harian di 30 lokasi stasiun hujan yang tersebar di wilayah penelitian.Penelitian ini melihat kecendrungan potensi hujan bedasarkan tutupan awan yang terekam yang berlangsung mulai dari Oktober 2007 - April 2008. Hasil analisis keruangan terlihat bahwa tutupan awan berpotensi hujan tinggi banyak terjadi pada bulan Maret dan April. Hasil penghitungan statistik memperlihatkan terdapat kaitan positif antara tutupan awan berpotensi hujan tinggi pada wilayah 5x5 Km dengan curah hujan pada tanggal perekaman, tanggal setelah perekaman, dan curah hujan 3 harian yang terjadi."

"Curah hujan merupakan salah satu input data yang memiliki peranan penting dalam permodelan hidrologi. Data curah hujan biasanya diperoleh dari stasiun pencatat curah hujan yang tersebar menurut koordinatnya. Data curah hujan yang tersedia sering kali mengalami kekurangan yang disebabkan oleh terbatasnya sebaran dan jumlah stasiun pencatat hujan yang ada. Medan, bentuk topografi serta biaya besar juga mempengaruhi ketersediaan dari stasiun pencatat curah hujan itu sendiri. Alternatif lain untuk memperoleh data curah hujan salah satunya adalah satelit hujan. Dalam hal ini satelit hujan yang tersedia ada berbagai macam jenisnya dan memiliki kemampuan memperoleh gambaran spasial dengan resolusi yang berbeda-beda. Salah satu data curah hujan harian yang akan digunakanan pada penelitian ini bersumber dari CHIRPS. Tujuan dari penulisan skripsi ini adalah melakukan analisis perbandingan curah hujan satelit CHIRPS dengan data hujan yang terdapat pada stasiun hujan di DAS Ciliwung Hulu dan DAS Garang Hulu pada rentang waktu tertentu sesuai dengan ketersediaan data curah hujan harian pada stasiun hujan di lokasi kedua DAS tersebut. Data yang dianalisis akan menentukan reliabilitas dari CHIRPS terhadap data hujan pada stasiun pencatat hujan. Data CHIRPS ini akan dianalisis lebih lanjut terkait persamaan dan perbedaannya dengan data stasiun hujan. Hasil yang diperoleh menunjukan bahwa data CHIRPS tidak reliabel atau berkorelasi rendah terhadap data curah hujan harian stasiun pencatat hujan pada kedua DAS. Selisih antara hujan harian atau delta data dari kedua sumber data juga menunjukan bahwa data curah hujan harian cenderung berbeda antar kedua sumber data. Perbedaan-perbedaan ini dianalisis lebih lanjut untuk memperoleh jumlah data yang reliabel dengan melakuakan filter data menggunakan kriteria error berkisar antara nol hingga 0,4 persen. Hasil filter data menunjukan bahwa rata-rata data yang reliabel hanya sebesar 0,9 persen dari total data yang tersedia untuk masing-masing stasiun hujan pada DAS Ciliwung Hulu dan Garang Hulu. Perbedaan dan persamaan data ini dapat disebabkan oleh beberapa faktor seperti letak serta topografi lokasi kedua DAS dan cara kerja satelit hujan dalam memperoleh data melalui gelombang elektromagnetik yang sangat dipengaruhi oleh kondisi dari objek atau awan.

---

Rainfall is one of the input data that has an important role in hydrological modelling. Rainfall data is usually obtained from rainfall recording stations which are scattered according to their coordinates. Available rainfall data often suffers from deficiencies caused by the limited distribution and number of existing rain recording stations. Terrain, topography and high cost also affect the availability of the rainfall recording station itself. Another alternative to obtain rainfall data, one of which is a rain satellite. In this case there are various types of rain satellites available and have the ability to obtain spatial images with different resolutions. One of the daily rainfall data that will be used in this study comes from CHIRPS. The purpose of writing this thesis is to carry out a comparative analysis of CHIRPS satellite rainfall with rain data contained in rain stations in the Ciliwung Hulu watershed and Garang Hulu watershed at certain time intervals according to the availability of daily rainfall data at rain stations in the two watershed locations. The data analyzed will determine the reliability of CHIRPS against rain data at rain recording stations. The CHIRPS data will be analyzed further regarding the similarities and differences with the rain station data. The results obtained show that the CHIRPS data is not reliable or has a low correlation with the daily rainfall data of rain-recording stations in both watersheds. The difference between the daily rainfall or delta data from the two data sources also shows that the daily rainfall data tends to differ between the two data sources. These differences were further analyzed to obtain a reliable amount of data by filtering the data using error criteria ranging from zero to 0.4 percent. The results of the data filter show that the average reliable data is only 0.9 percent of the total available data for each rain station in the Upper Ciliwung and Garang Hulu watersheds. The differences and similarities in this data can be caused by several factors such as the location and topography of the two watersheds and the way the rain satellite works in obtaining data through electromagnetic waves which are strongly influenced by the conditions of objects or clouds.

"

"Tujuan penelitian ini adalah mengaplikasikan analisa grafis dari variabilita jumlah dan waktu hujan pada daerah pantai utara Jawa Barat. Sebagai alternatif dari analisa statistik yang sudah umum digunakan walaupun masih diragukan hasilnya, melalui analisa grafis dengan pendekatan pengamatan jangka panjang dan pendek ini diharapkan dapat diperoleh hasil yang paling tidak sama baiknya dengan menggunakan analisa statistik. Penelitian ini mencakup wilayah pantai utara Jawa Barat yang telah berkembang secara cepat sehingga perubahan penggunaan juga meningkat tajam dan akhirnya diasumsikan bahwa perubahan penggunaan tanah tersebut dapat pula merubah ekosistem di wilayah tersebut termasuk pola curah hujannya, seperti yang dijelaskan dalam konsep siklus hidrologi. Data yang digunakan adalah dari data curah hujan bulanan dari tahun 1960 sampai dengan tahun 1988 di empat belas stasiun pencatat cuaca yang menyebar dari bagian barat sampai timur wilayah pantai utara dengan ketinggian 50 meter atau kurang di atas permukaan laut. Dari hasil analisa grafis tersebut diperoleh hasil sebagai berikut :a. Adanya variabilta curah hujan akan lebih jelas terlihat secara grafis dengan menggunakan pendekatan pengamatan jangka waktu yang lebih pendekb. Ada kecenderungan jumlah curah hujan rata-rata tahunan dan juga bulanan menurunc. Tidak nampak adanya kecenderungan pergeseran awal mulainya musim kemarau maupun hujan, tetapi ada indikasi perubahan lamanya curah hujan maksimum dan minimum yaitu menjadi semakin lama."

"[ABSTRACTLand and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.

---

ABSTRAK Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.;Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.;Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.;Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.;Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.;Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari., Kebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.]"

"[ABSTRAKKebakaran hutan dan lahan merupakan permasalahan kompleks yang terjadi diProvinsi Riau setiap tahun. Pemicunya berasal dari faktor alami dan akibat aktivitasmanusia. Penelitian ini menggunakan variabel hotspots (titik panas) sebagaiindikasi adanya kebakaran hutan dan lahan yang dihasilkan oleh sensor satelitNOAA (National Oceanic and Atmospheric Administration) akibat kenaikan suhudi atas 315° K atau 42°C pada luasan 1 km2. Hotspots yang tersebar diseluruhProvinsi Riau dianalisis kepadatannya sepanjang tahun 2005 hingga 2014menggunakan perhitungan Kernel Density. Hasilnya pola spasial kepadatanhotspots terkonsentrasi di Kota Dumai, Kabupaten Rokan Hilir, Bengkalis danPelalawan. Sedangkan pola temporal menunjukkan jumlah hotspots terbanyakselama 10 tahun terjadi pada bulan Juni hingga Agustus. Kemudian sebarankepadatan hotspots dihubungan dengan faktor-faktor pemicu terjadinya kebakaranyakni curah hujan bulanan, sebaran dan kedalaman gambut serta jenis penggunaanlahan. Hasil analisis menunjukkan jumlah hotspots terbanyak tersebar pada wilayahdengan curah hujan bulanan rendah yaitu 50 - 150 mm/bulan dan pada lahan gambutdengan kedalaman lebih dari 4 meter (sangat dalam) serta pada jenis penggunaanlahan perkebunan, hutan lahan basah sekunder dan semak belukar. Selanjutnyapenentuan ambang batas hari tanpa hujan sehubungan kemunculan hotspotsdiperoleh melalui teknik buffering sejauh 10 km dari stasiun-stasiun pengamatanhujan setiap hari selama bulan Juni hingga Agustus. Analisis pada setiapkemunculan hotspots juga dikaitkan dengan kedalaman gambut dan jenispenggunaan lahan untuk mengetahui karakteristik setiap area buffer, hasilnyaambang batas hari tanpa hujan dalam kaitan kemunculan hotspots di Provinsi Riauadalah 3 hari.

---

ABSTRACTLand and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.;Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.;Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.;Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.;Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.;Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days., Land and forest fires are complex problems that occurred in the province of Riauevery year. The trigger factors comes from natural and human activities. Thisresearch uses a variable hotspots as an indication of land and forest fires producedby the satellite sensors NOAA (National Oceanic and Atmospheric Administration)due to the temperature rise above 315 °K or 42° C on an area of 1 km2. The densityof hotspots are scattered throughout the province of Riau 2005 to 2014 analyzedusing Kernel Density calculations. The result patterns of spatial density of hotspotsconcentrated in Dumai, Rokan Hilir, Bengkalis and Pelalawan. While the timepattern showed the highest number of hotspots for 10 years occurred in June untilAugust. Then the distribution of the density of hotspots related with the factors thattrigger fires such as monthly rainfall, distribution and depth of the peatland and thetype of land use. The analysis showed the highest number of hotspots spread out onan area with a low monthly precipitation is 50-150 mm / month and on peatlandswith a depth of more than 4 meters (very deep) as well as on the type of plantationland use, wetlands secondary forest and shrubs. Furthermore, the determination ofthreshold no rain day due to the hotspots appearance obtained through bufferingtechnique as far as 10 km from rain gauge stations every day during the month ofJune to August. Analysis on each occurrence of hotspots is also associated with thedepth of peat and types of land use to determine the characteristics of each bufferarea, the result of the threshold of no rainy days in relation to the hotspot appearancein Riau Province is 3 days.]"