1
PRE-PROCESSING DATA FOREST
FIRES
Arlandio Nur Fawzi (0621154000078)(1), Dian Rizky Maulina (06211540000091)(2)
Dr. Bambang Widjanarko Otok S.Si.,M.Si.(3)
(1)(2)
Statistika, Fakultas Matematika, Komputasi, dan Sains Data,
Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111
E-mail: (1)arlandiofawzi@gmail.com, (2) deemaulina@gmail.com
Abstrak — di Indonesia, kebakaran hutan merupakan bencana
yang sering terjadi. Kebakaran hutan bisa terjadi karena
kelalaian manusia atau memang terjadi secara alami. Untuk
mengetahui kondisi ini lebih lanjut supaya dapat mencegah
kebakaran hutan maka diperlukan catatan mengenai hal-hal
yang berhubungan dengan hutan. Untuk mencegahnya, maka
dilakukan pengecekan berkala terhadap beberapa variabel
yang dapat memicu terjadinya kebakaran hutan. Selain itu,
dicatat juga beberapa indeks yang didasari oleh Canadian
Forest Fire Weather Index (FWI) system. Setelah didapatkan
data dari pengecekan berkala perlu dilakukan pre-processing
data yang merupakan tahapan awal dalam mengolah data
input sebelum memasuki proses untuk metode selanjutnya.
Proses ini perlu dilakukan untuk mengetahui apakah ada
missing data, outlier, dan data telah mengikuti sebaran normal
atau tidak. Data yang tidak tercatat atau biasa disebut missing
data adalah kejadian dimana terdapat nilai valid di satu atau
lebih variabel tidak ada untuk dianalisis (Hair, 1995).
Pengecekan data yang dilakukan oleh peneliti adalah dengan
mendeteksi adanya data yang hilang dengan menggunakan
teknik pairwise, mendeteksi data outlier dengan boxplot, dan
menguji kenormalan data dengan uji Kolomogorov dan uji
Anderson Darling, QQ Plot, uji Shapiro-Wilks. Dari pengujian
tersebut didapatkan informasi bahwa variabel FFMC, DC,
DMC memiliki masalah missing value dan temperature tidak
ada missing value. Diharapkan dengan adanya pengecekan
secara berkala maka data yang nantinya akan diolah adalah
data yang valid sehingga tidak menghasilkan kesimpulan yang
bias.
Kata kunci — Data, Kebakaran Hutan , Missing Value, Normal,
Pencilan.
I. PENDAHULUAN
Dewasa ini, banyak terjadi bencana di sekitar kita. Baik
itu bencana yang disebabkan oleh manusia maupun yang
terjadi secara alami. Salah satu bencana yang terjadi di
Indonesia belakangan ini adalah kebakaran hutan.
Kebakaran itu menimbulkan banyak dampak diantaranya
adalah asap tebal yang mengganggu sistem pernapasan dan
penglihatan. Penyebab terjadinya kebakaran hutan sendiri
bisa dikarenakan ulah manusia atau dikarenakan penyebab
alami. Ada beberapa variabel yang mempengaruhi
terjadinya kebakaran hutan secara alami diantaranya adalah
tingkat curah hujan, kecepatan angin, tingkat temperature
(Paulo Cortez, 2008)[1].
Untuk mencegah terjadinya kebakaran hutan, dilakukan
pengecekan berkala terhadap beberapa variabel yang dapat
memicu terjadinya kebakaran hutan. Selain itu, dicatat juga
beberapa indeks yang didasari oleh Canadian Forest Fire
Weather Index (FWI) system. Beberapa indeks yang diukur
tersebut merupakan komponen yang memperhitungkan efek
kelembaban dan bahan bakar pada api (Anonim, 2008)[2].
Setelah didapatkan data dari pengecekan berkala perlu
dilakukan pre-processing data.
Pre-processing data merupakan tahapan awal dalam
mengolah data input sebelum memasuki proses untuk
metode selanjutnya. Proses ini perlu dilakukan untuk
mengetahui apakah ada missing data atau missing value,
outlier, data mengikuti sebaran normal atau tidak. Data
yang tidak tercatat atau biasa disebut missing data adalah
kejadian dimana terdapat nilai valid di satu atau lebih
variabel tidak ada untuk dianalisis (Hair, 1995)[3]. Apabila
ada missing data maka perlu dilakukan tindakan untuk
mengatasi hal tersebut agar tidak menimbulkan dampak
dalam hasil analisis. Setelah itu dilakukan pengecekan
outlier yang dilakukan secara univariate dan multivariate,
selanjutnya dilakukan uji distribusi normal univariate dan
uji distribusi normal multivariate dan tahap terakhir dari
pre-processing data adalah uji homogenitas.
Pembuatan laporan ini ditujukan untuk mengetahui
tahapan-tahapan dalam pre-processing data, mulai dari
pengecekan missing value, pengecekan outlier secara
univariate dan multivariate, data sudah mengikuti sebaran
distribusi normal univariate dan sebaran distribusi normal
multivariate, dan uji homogenitas data. Selain itu,
diharapkan dalam pembuatan laporan ini dapat mengasah
kompetensi mahasiswa dan membantu mahasiswa dalam
memahami pre-processing data.
II. TINJAUAN PUSTAKA
A. Missing value
Missing value adalah hilangnya informasi atau data
pada sebuah kasus (subjek). Data hilang dapat terjadi
karena informasi yang dibutuhkan pada satu atau
beberapa variabel tidak diberikan, sulit dicari atau
memang informasi tersebut tidak tersedia.
a. Mekanisme Missing Value
Terdapat tiga mekanisme missing value yaitu:
1) Missing Completely at Random (MCAR)
Sebagai contoh, jika data hilang ditentukan oleh
sebuah koin, maka mekanisme data hilangnya
adalah MCAR.
2) Missing at Random (MAR)
Sebagai contoh, pada responden perempuan
menolak untuk menjawab pertanyaan tentang berat
badan atau tinggi badan.
3) Missing Nonignorable at Random (MNAR)
Contohnya seseorang tidak menjawab karena
pendapatan yang diperoleh sangat rendah.

b. Listwise
Listwise adalah teknik yang paling umum untuk
menangani missing value (Peugh & Enders, 2004)[4].
Penting memhami bahwa dalam sebagian besar kasus,
asumsi penting untuk menggunakan salah satu dari teknik
ini adalah bahwa Missing Nonignorable at Random
(MCAR). Dengan kata lain, peneliti harus mendukung
bahwa probabilitas data yang hilang pada variabel
dependen mereka tidak berhubungan dengan variabel
independen lainnya serta variabel dependen sendiri.
Teknik listwise menambah semua data untuk kasus yang
memiliki satu atau lebih missing value.
c. Pairwise
Pariwise merupakan teknik penambahan data yang
berpasangan untuk meminimalkan kerugian yang terjadi
dalam penghapusan listwise dengan menggunakan matriks
korelasi. Korelasi mengukur kekuatan hubungan antara
dua variabel. Untuk setiap pasangan variabel dimana data
tersedia, koefisien korelasi akan memperhitungkan data
tersebut. Dengan demikian, penghapusan berpasangan
memaksimalkan semua data yang tersedia (Hawkins,
1980)[6].
B. Outlier
Outlier adalah data yang secara signifikan berbeda dari
data lainnya yang ada (Hawkins, 1980). Outlier dapat
ditemukan antara situasi univariate dan multivariate.
a. Outlier Univariate
Deteksi terhadap ada tidaknya univariate outlier dapat
dilakukan dengan menentukan nilai ambang batas yang
akan dikategorikan sebagai outlier dengan cara
mengkonversi nilai data penelitian ke dalam standard
score atau z-score. (Hair, 1995)[3]. Observasi data yang
memiliki nilai z-score ≥ ± 3,0 akan dikategorikan sebagai
univariate outlier. Rumus untuk mengkonversikan data
menjadi z-score adalah sebagai berikut.
𝑋 −𝜇
𝑧 − 𝑠𝑐𝑜𝑟𝑒 = 𝑖 (1)
𝜎
Keterangan :
x = variabel independent
i = observasi ke , i= 1,2,3, …
𝜇 = rata-rata hasil obervasi variabel x
𝜎 = standart deviasi hasil obervasi variabel x.
b. Outlier Multivariate
Evaluasi terhadap multivariate outlier perlu dilakukan
karena walaupun data yang dianalisis menunjukkan tidak
ada outlier pada tingkat univariate, namun observasi-
observasi tersebut dapat menjadi outlier bila sudah
dikombinasikan. Jarak mahalanobis (The Mahalanobis
Distance) untuk tiap-tiap observasi dapat dihitung dan
akan menunjukkan jarak sebuah observasi dari rata-rata
semua variabel dalam sebuah ruang multidimensional
(Ferdinand, 2000)[5].
Evaluasi multivariate outlier dengan cara deteksi
outlier dari hasil scatter plot dan dengan bantuan software
SPSS. Evaluasi dengan scatter plot dikatakatan terdapat
outlier jika terlihat nilai z data bernilai diatas 3. Sementara
dari hasil SPSS akan diperoleh jarak mahalonobis
berdasarakan chi-square pada derajat bebas sebesar jumlah
variabel independen pada tingkat p <0,001 (tergantung
peneliti). Jarak mahalonobis dapat dihitung dengan rumus
sebagai berikut.
𝑑𝑗 2 = (𝑋𝑗 − 𝑋̅)′𝑆 −1 (𝑋𝑗 − 𝑋̅) (2)
2
Keterangan :
dj = mahalanobis distance
𝑋𝑗 − 𝑋̅ = vektor transpose
S = Matriks kovarians
Hasil tersebut akan di evaluasi, jika terdapat nilai kurang
dari 0,001 maka observasi tersebut dikatakan multivariate
outlier.
C. Uji Normalitas
Tujuan dari uji normalitas adalah untuk mengetahui
apakah distribusi sebuah data mengikuti atau mendekati
distribusi normal, yakni distribusi data dengan bentuk
lonceng. Data yang baik adalah data yang mempunyai pola
seperti distribusi normal. Uji normilitas dibagi menjadi dua
uji normalitas univariate dan multivariate.
a. Normal Univariate
Distribusi normal adalah distribusi normal yang
memiliki rata-rata nol dan simpangan baku satu. Distribusi
ini juga dijuluki kurva lonceng (bell curve) karena
grafik fungsi kepekatan probabilitasnya mirip dengan
bentuk lonceng. Pengujian normal secara univariate dapat
dilakukan dengan uji Kolmogorov Smirnov.
1. Uji Kolmogorov Smirnov
Uji Kolmogorov-Smirnov biasa digunakan untuk
memutuskan jika sampel berasal dari populasi dengan
distribusi tertentu juga digunakan untuk
menguji ‘goodness of fit‘ antar distribusi sampel dan
distribusi lainnya, Uji ini membandingkan serangkaian
data pada sampel terhadap distribusi normal serangkaian
nilai dengan mean dan standar deviasi yang sama.
Singkatnya uji ini dilakukan.
b. Normal Mutivariate
Normal multvariate merupakan suatu distribusi yang
diperoleh dari perluasan distribusi normal univariate.
Beerikut adalah hipotesis untuk uji normal multivariat,
- Hipotesis
H0:Data mengikuti sebaran distribusi
normal multivariate.
H1 :Data tidak mengikuti sebaran distribusi
normal multivariate.
- Statistik uji
𝑑𝑗 2 = (𝑋𝑗 − 𝑋̅)′𝑆 −1 (𝑋𝑗 − 𝑋̅) (2.5)
Keterangan :
dj = mahalanobis distance
𝑋𝑗 − 𝑋̅ = vektor transpose
S = Matriks kovarians
- Keputusan
2
Tolak H0 jika dj2 > 𝑋(𝑝,0.5) , dimana p adalah banyaknya
variabel independen.
D. Fire Weather Index
Fire Weather Index (FWI) atau indeks cuaca kebakaran
pada hutan adalah sistem Canada dalam tingkat bahaya
kebakaran. Terdapat beberapa komponen dalam penentuan
indeks tersebut. Komponen tersebut adalah FFMC, DMC,
DC, ISI, dan BUI. FFMC atau Fine Fuel Moisture Code
menunjukkn kadar air permukaan sampah yang
mempengaruhi munculnya api dan penyebaran api. DMC
atau Duff Moisture Code dan DC atau Drought Code
mewakili kadar air dari lapisan organik baik dangkal atau
dalam yang bisa mempengaruhi intensitas kebakaran.
Sementara ISI atau Initial Spread Index adalah skore
 3

kecepatan menyebarnya suatu kebakaran. Dan BUI atau Untuk mengisi missing value pada data, dapat
Buildup Index merupakan jumlah bahan bakar yang menggunakan Tabel 3 yaitu output dari listwise. Untuk
tersedia (Anonim, 2008)[2]. tahap selanjutnya, kami menggunakan pairwise karena
Indeks FWI menjadi indikator intensitas kebakaran. pada listwise pengisian missing value hanya dengan
Meskipun skala yang digunakan berbeda-beda, nilai-nilai listwise measn saja tanpa melihat korelasi antar variabel-
yang tinggi menunjukkan kondisi kebakaran yang semakin variabel nya sehingga kurang representatif terhadap
parah. Penyebab terjadinya kebakaran hutan dan luasan variabel.
area yang terjadi kebakaran dapat diindikasi dengan indeks b. Pairwise
FWI dan faktor lainnya seperti suhu udara, kecepatan Dengan menggunakan pairwise maka untuk mengisi
angina, dan hujan (Paulo Cortez, 2008)[1]. missing value berdasarkan tabel pairwise means pada
Tabel 4 dengan melihat pairwise correlations variabel nya
III. . METODELOGI PENELITIAN pada Tabel 5. Pada data ke-3, terdapat 3 variabel missing
A. Sumber Data value, yaitu pada variabel FFMC dan DC.. Pertama akan
Sumber data yang digunakan dalam laporan ini adalah mengisi data pada FFMC dengan melihat korelasi antara
data sekunder yang diperoleh dari UCI Data Sets yaitu data FFMC dengan DC pada pairwise correlations.
Forest Fires tahun 2008. Sampel data pada Forest Fires Tabel 4. Pairwise Mean
sebanyak 200 data. FFMC DMC DC Temperature
B. Variabel Penelitian FFMC 91,1236 115,9312 526,1026 18,3184
Variabel penelitian yang digunakan ditunjukkan pada DMC 91,0236 114,8483 522,3050 18,3584
Tabel 1 sebagai berikut. DC 91,1128 114,1321 530,5352 18,7575
Tabel 1. Variabel Penelitian Temperatur 91,1236 114,8483 530,5352 18,5410
No Variabel Deskripsi
1 X1 FFMC (The Fuel Fine Moisture Code). Tabel 5. Pairwise Correlations
2 X2 DMC (The Duff Moisture Code)
3 X3 DC (The Drought Code) FFMC DMC DC Temperature
4 X4 Temperatur atau suhu dalam celciu FFMC 1
5 Y Area hutan yang terbakar dalam ha. DMC ,141 1
C. Langkah Analisis DC ,067 ,009 1
Langkah analisis pada pembuatan laporan ini adalah: Temperature -,043 ,074 -,037 1
1. Melakukan input data yang telah didapat.
2. Melakukan deteksi missing value. Lalu dengan melihat Tabel 4, nilai FFMC dengan DC
3. Melakukan imputasi missing value. yaitu 91,0236. Untuk mengisi data pada DC dengan
4. Melakukan deteksi outlier secara univariate. melihat kolom DC dengan baris DC yaitu 114,8483.
5. Melakukan deteksi outlier secara multivariate. Begitu seterusnya hingga data tidak terdapat missing value.
6. Melakukan identifikasi dan pengujian normal B. Outlier
univariate. a. Univariate
7. Melakukan identifikasi dan pengujian normal secara Untuk mengetahui apakah terdapat outlier pada
multivariate. variabel Y dapat menggunakan standardized value. Jika
8. Interpretasi data standardize value (|Z|) > 3 pada minimal n=100 maka
9. Membuat kesimpulan terdapat outlier. Dengan menggunakan software SPSS
dapat diketahui standardize value pada variabel Y. Hasil
IV. ANALISIS DAN PEMBAHASAN dari output SPSS dengan |Z| > 3 yang ditampilkan dalam
A. Missing Value Tabel 6.
Total missing value pada tiap variabel dapat Tabel 6 Data Outlier Univariate
diketahui degan software SPSS dan ditampilkan dalam Data ke- Zarea
Tabel 2. 1 -0,30927
Tabel 2. Total Missing Value
2 -0,30927
Missing
Count Percent 3 -0,30927
FFMC 26 13,0 6 -0,30927
DMC 22 11,0 : :
DC 21 10,5
Temperature 0 ,0 191 3,80431
192 -0,30927
Dalam mengisi value terdapat berbagai cara agar
data tidak menghasilkan missing value 197 -0,30927
a. Listwise
Tabel 3. Listwise Means b. Multivariate
Number of Pada kasus multivariate, agar dapat mendeteksi outlier
cases FFMC DMC DC Temperature maka digunakan mahalanobis dengan variabel dependent
141 91,0383 114,7681 522,2418 18,3270 adalah Y dan variabel independent adalah X1 – X4.
Dengan menggunakan software SPSS dapat maka didapat

hasil square distane dan terdapat sebanyak 2 data outlier
dengan p < 0,001 seperti pada Tabel 7.
Tabel 7. Data Outlier Multivariate
p Data ke-
0 14
0 26
Dari pengecekan outlier secara univariate dan
multivariate, data akan dihapus apabila hasil dari
pengujian outlier univariate muncul pada pengujian
outlier multivariate dan didapat data ke-26 muncul di
kedua pengujian outlier maka data ke-26 dihapus.
C. Uji Normal
Tahapan berikutnya dilakukan pengujian normalitas
terhadap seluruh variabel X. Pengujin normal dilakukan
secara univariate dan multivariate. Berikut hasil pengujian
normal.
a. Uji Normal Univariate dengan Kolmogorov-Smirnov
dan Anderson-Darling
Pegujian normal univariate dengan Kolmogorov-
Smirnov dilakukan dengan bantuan software MINITAB.
Hasil pengujian terlihat pada Gambar 1.
Gambar 1. Scatter Plot Uji Normalitas Univariat
Tabel 8. Uji Normalitas Anderson-Darling
Variabel P-Value
<0,005
Area
<0,005
FFMC
<0,005
DMC
<0,005
DC
0,182
Tempereatur
Berdasarkan Gambar 1 dapat diketahui bahwa variabel
bahwa variabel temperature berdistribusi normal dengan
nilai P-value > 0,05 dan variabe lainnya seperti area,
FFMC, DMC, dan DC tidak berdistribusi normal karena P-
value < 0,05. Hasil ini memperkuat kesimpulan bahwa
variabel FFMC, DMS, DC, nilai observasinya belum
mengikuti sebaran distribusi normal univariate.
Hal itu juga ditegaskan saat peneliti melakukan
pengujian normalitas dengan uji Anderson Darling. Dilihat
dari nilai p-value pada Tabel 8 bahwa hanya variabel
temperatur saja yang memiliki nilai lebih dari taraf
signifikansi (0,005) dan variabel lainnya memiliki nilai
kurang dari taraf signifikansi.
b. Normal Multivariate dengan Q-Q Plot dan Shapiro-
Wilks
4
Gambar 2. Normal Q-Q Plot dj2
Berdasarkan Gambar 2 dapat diketahui bahwa
mahalonobis distance tidak berada pada garis normal
karena plot data tidak linier. sehingga dapat dikatahui pada
Tabel 9 yaitu hasil dari Shapiro-Wilks yaitu P-value (sig.)
< 0,05. Sehingga dapat dikatakan bahwa data tidak
berdistribusi normal multivariate.
Tabel 9. Uji Shapiro-Wilks
data: x
MVW = 0.80503, p-value < 2.2e-16
V. KESIMPULAN DAN SARAN
A. Kesimpulan
1. Pada data Forest Fire terdapat variabel idependent
yang memiliki masalah missing value yaitu FFMC,
DC, dan DMC sedangkan untuk variabel temperature
tidak ada missing value. Variabel yang memiliki
missing value dilakukan imputasi dengan metode
pairwise karena penanganan missing value akan lebih
representatif dengan melihat korelasi antar variabel
nya.
2. Hasil pengujian outlier terhadap variabel data Forest
Fire terdapat banyak data dinyatakan outlier univariate
dan 2 data dinyatakan outlier multivariate. Dari
pengecekan outlier secara univariate dan multivariate,
data akan dihapus apabila hasil dari pengujian outlier
univariate muncul pada pengujian outlier multivariate
dan didapat data ke-26 muncul di kedua pengujian
outlier maka data ke-26 dihapus.
3. Hasil pengujian normal univariate menunjukkan
bahwa variabel temperature memiliki sebaran data
berdistribusi normal dengan menggunakan
Kolmogorov-Smirnov dan Anderson-Darling.
Sementara secara multivariate data Forest Fire tidak
mengikuti sebaran distribusi normal karena P-value
dari jarak mahalanobis kurang dari 0,05
B. Saran
Hasil analisa data Forest Fire menunjukkan bahwa
data tidak memenuhi asumsi distribusi normal, sehingga
saran dari peniliti sebaiknya data tidak digunakan untuk
penelitian selanjutnya karena bisa menghasilkan estimasi
yang kurang tepat dan bias.
DAFTAR PUSTAKA
[1] Paulo Cortez, A. M. (2008, 2 9). Forest Fire Data Set.
Retrieved from UCI Data: https://archive.ics.uci.edu/
ml/datasets/Forest+Fires
[2]Anonim. (2008, 07 11). Forest. Retrieved from Naturals
Resource Canada http://cwfis.cfs.nrcan.gc.ca/
background/summary/fwi
 5

[3] Hair, J. (1995). Multivariate Analysis with Reading.

New Jersey: Pearson Prentice Hall.
[4] Peugh, J., & Enders, C. (2004). Missing Data in
Educational Research. Review of Educational
Reasearch.
[5] Ferdinand, A. (2000). Structural Equation Modeling
dalam Penelitian Manajemen. Semarang: BP
Universitas Diponegoro.
[6] Hawkins, D. M. (1980). Identification of Outliers.
London: Chapman and Hall.