3.5 Analisis Data
3.5.1 Analisis komponen utama Principle component analysis
Analisis komponen utama dilakukan dengan menggunakan software SPSS 1.6. Analisis komponen utama dilakukan untuk mengetahui faktor fisik yang
paling berpengaruh terhadap sebaran R.patma, berdasarkan letak titik ditemukan R.patma dengan masing-masing layer yaitu ketinggian, kemiringan lereng, jarak
sungai, dan LAI. Selanjutnya dari hasil PCA dapat ditentukan bobot masing- masing faktor yang paling berpengaruh terhadap sebaran R.patma.
3.5.2 Peta kesesuaian habitat R. patma
Hasil analisis PCA digunakan untuk menentukan bobot masing-masing variabel habitat yang diteliti untuk analisis spasial, sehingga diperoleh persamaan
kesesuaian habitat sebagai berikut: Y = aFk1 + bFk2 + cFk3 + dFk4 + eFk5
Y = Indeks Kesesuaian Habitat a-e = Nilai bobot setiap variabel
Fk1 = Faktor ketinggian Fk2 = Faktor kemiringan lereng
Fk3 = Faktor jarak dari sungai Fk4 = Faktor LAI
Fk5 = Faktor kelompok tanah
3.5.3 Kelas kesesuaian habitat R. patma
Peta kesesuaian habitat R.patma akan dikelaskan menjadi 3 kelas kesesuaian yaitu kesesuaian tinggi, kesesuaian sedang dan kesesuaian rendah.
Nilai selang klasifikasi kesesuaian habitat dihitung dari nilai tertinggi dikurangi nilai terendah dimana hasilnya kemudian dibagi dengan banyaknya klasifikasi
kesesuaian habitat.
Selang =
Keterangan: Smaks = nilai indeks kesesuaian habitat tertinggi
Smin = nilai indeks kesesuaian habitat terendah K = banyaknya kelas kesesuaian habitat
3.5.4 Validasi model
Validasi model dilakukan untuk mengetahui nilai akurasi klasifikasi kesesuaian habitat. Validasi dilakukan dengan menggunakan titik R. patma yang
dilakukan oleh Suwartini 2008. Validasi dilakukan dengan membandingkan jumlah seluruh individu R.patma yang terdapat di tiap kelas kesesuaian habitat
dengan jumlah seluruh jumlah individu yang digunakan untuk validasi. Validasi =
x 100 Keterangan:
n = jumlah R. patma Suwartini 2008 pada satu kelas kesesuaian N = jumlah total R. patma Suwartini 2008
BAB IV KONDISI UMUM KAWASAN
Kategori