BAB III

METODOLOGI PENELITIAN

3.1 Rancangan Penelitian dan Teknik Pengumpulan Data

Penelitian yang dilakukan merupakan penelitian non-eksperimen, karena
dalam pengambilan data peneliti tidak memberikan perlakuan terhadap objek
penelitian, melainkan mengambil data yang sudah ada (data sekunder). Rancangan
penelitian ini adalah rancangan kausal komparatif yang bersifat ex post facto,
karena penelitian ini bertujuan untuk menyelidiki kemungkinan hubungan sebab
akibat dan data dikumpulkan setelah semua kejadian yang dipersoalkan
berlangsung (Suryabrata, 2003).
Teknik pengumpulan data yang digunakan adalah pengumpulan data
sekunder, dimana data dalam penelitian ini diperoleh dari website earth data
NASA yaitu earthdata.nasa.gov dan website BMKG yaitu dataonline.bmkg.go.id.

3.2 Waktu dan Tempat Penelitian

Penelitian ini dilaksanakan di Laboratorium Statistika Terapan, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Universitas Mulawarman, dengan
tempat pengambilan data di website Earth Data NASA dan website Badan
Meteorologi, Klimatologi dan Geofisika (BMKG).
Penelitian ini dilaksanakan dari bulan Januari sampai Maret 2018 dengan
rencana kegiatan ditunjukkan pada Tabel 3.1.
Tabel 3.1 Rencana Kegiatan Penelitian
Bulan
No. Kegiatan Januari Februari Maret
1 2 3 4 1 2 3 4 1 2 3 4
1 Studi Literatur
2 Mengerjakan Proposal Penelitian
3 Ujian Seminar Proposal Penelitian
4 Melakukan Pengumpulan Data
5 Melakukan Analisis Data
6 Mengerjakan Hasil Penelitian
7 Ujian Seminar Hasil Penelitian
3.3 Populasi dan Sampel Penelitian
Populasi adalah semua obyek, semua gejala dan semua kejadian atau peristiwa
yang akan dipilih harus sesuai dengan masalah yang akan diteliti
(Sugiyono,2008). Populasi penelitian ini adalah semua wilayah di Kabupaten
Berau yang titik panasnya terdeteksi oleh satelit
Sampel adalah sebagian dari populasi yang karakteristiknya hendak diselidiki
dan dianggap bisa mewakili keseluruhan populasi (Sugiyono,2008). Sampel yang
digunakan dalam penelitian ini adalah semua wilayah di Kabupaten Berau yang
titik panasnya terdeteksi oleh satelit pada bulan September tahun 2018.
Sampel penelitian disertai dengan informasi lokasi geografis yang dinyatakan
dalam titik koordinat, yaitu letak garis lintang (longitude) dan letak garis bujur
(latitude). Letak garis lintang disimbolkan dengan ui dan letak garis bujur
disimbolkan dengan vi (i  1, 2,..., n) .

3.4 Teknik Sampling

Teknik sampling yang digunakan dalam penelitian ini adalah purposive
sampling atau dikenal juga sebagai sampling pertimbangan. Teknik sampling ini
digunakan berdasarkan pertimbangan ketersediaan data yang ada pada earth data
NASA dan arsip data online Stasiun UPT BMKG Kalimantan Timur. Selain itu,
digunakan data hotspot pada bulan September 2018 karena mempertimbangkan
banyaknya kasus karhutla yang terjadi pada bulan tersebut.

3.5 Variabel Penelitian

Variabel penelitian terdiri dari variabel respon (Y) dan variabel prediktor (X).
Variabel respon yang digunakan dalam penelitian ini adalah kasus kebakaran.
Pengidentifikasian terjadinya kebakaran di suatu wilayah dapat dilihat dari nilai
derajat konfidensi yang tertangkap oleh satelit yaitu diatas 60 persen, sedangkan
jika nilai derajat konfidensi berada dibawah 60 persen maka tidak terjadi
kebakaran. Variabel respon berskala nominal dengan dua kategori yaitu yi  1
jika pada wilayah pengamatan ke-i terjadi kebakaran dan yi  0 jika pada wilayah
pengamatan ke-i tidak terjadi kebakaran.
Variabel prediktor yang digunakan dalam penelitian ini adalah Brightness
Temperature, Fire Radiative Power, Suhu Maksimum, Kelembapan Rata-Rata,
Lama Penyinaran Matahari, Kecepatan Angin Maksimum, dan Ketinggian
Wilayah. Kode variabel, definisi operasional dan skala pengukuran dari variabel
respon dan variabel prediktor yang digunakan dapat dilihat pada Tabel 3.2.
Tabel 3.2 Rincian Variabel Penelitian

Nama Jenis
Kode Definisi Operasional Satuan
Variabel Variabel
yi  1 jika pada wilayah
yi = 0
pengamatan ke-i terjadi
Kasus
Kebakaran
Respon kebakaran dan yi  0 jika pada -
yi = 1 wilayah pengamatan ke-i tidak
terjadi kebakaran
Brightness Suhu kecerahan dari hotspot derajat
X1 Prediktor
Temperature yang ditangkap oleh satelit Kelvin (oK)
Kekuatan radiasi api dan
Fire
memberikan informasi tentang MegaWatts
X2 Radiative Prediktor
output radiasi panas yang diukur (MW)
Power (FRP)
dari kebakaran yang terdeteksi.
Suhu Suhu tertinggi yang tercatat derajat
X3 Prediktor
Maksimum dalam suatu jangka waktu Celcius (oC)
Kelembaban Jumlah kandungan uap air yang
X4 Prediktor persen (%)
Rata-Rata ada dalam udara.
Salah satu dari beberapa unsur
Lama
klimatologi dan didefinisikan
X5 Penyinaran Prediktor jam
sebagai kekuatan matahari yang
Matahari
melebihi 120 W/m2
Kecepatan Kecepatan angin maksimum
X6 Angin Prediktor yang tercatat dalam suatu jangka knot
Maksimum waktu
meter dari
Ketinggian Ketinggian suatu tempat dari
X7 Prediktor permukaan
Wilayah permukaan laut.
laut (mdpl)
3.6 Teknik Analisis Data
Tahapan-tahapan pemodelan GWLR yang akan dilakukan peneliti
menggunakan software Rstudio, GWR4, dan ArcView GIS adalah sebagai
berikut:
1. Pendeskripsian data dengan statistika deskriptif
2. Pendeteksian multikolinearitas antar variabel prediktor dengan nilai VIF
mengacu pada persamaan (2.29)
3. Pemodelan regresi logistik dengan langkah sebagai berikut.
a. Pendugaan parameter regresi logistik global.
b. Pengujian signifikansi parameter yaitu uji serentak dengan statistik uji G
dan uji parsial dengan uji Wald.
c. Interpretasi koefisien model regresi logistik global.
d. Penentuan nilai AIC model regresi logistik global.
4. Pengujian keragaman spasial menggunakan uji Glejser.
5. Pemodelan Geographically Weighted Logistic Regression (GWLR) dengan
langkah sebagai berikut.
a. Menghitung jarak Euclidean antar titik lokasi pengamatan berdasarkan
posisi geografis (garis longitude dan latitude). Perhitungan dilakukan
mengacu pada persamaan (2.31) untuk i = 1,2,3,…,n
b. Menentukan nilai bandwidth adaptif optimum untuk setiap titik lokasi
berdasarkan nilai AIC minimum dengan persamaan (2.34)
c. Menghitung pembobot spasial menggunakan fungsi pembobot adaptive
Gaussian mengacu pada persamaan (2.33)
d. Menaksir parameter model GWLR
e. Pengujian kesesuaian model regresi logistik dan model GWLR.
f. Pengujian parameter model GWLR secara serentak dan parsial untuk
masing-masing lokasi
g. Identifikasi variabel-variabel prediktor yang berpengaruh signifikan pada
model GWLR setiap lokasi secara grafis
6. Membuat kesimpulan
3.7 Kerangka Penelitian

Mulai

Pengumpulan Data

Pendeskripsian Data

Uji Multikolinearitas

Regresi Logistik

Uji Keragaman
Spasial

Geographically Weighted
Logistic Regression (GWLR)

Peta keragaman spasial untuk setiap variabel

prediktor yang mempengaruhi kebakaran

Kesimpulan

Selesai

Gambar 3.1 Kerangka Penelitian