30
4.2 Analisis Prediksi Perubahan Lahan Model Regresi Logistik
Variasi penerapan analisis regresi logistik ditentukan oleh variabel respon, yaitu
variabel respon berupa 2 kategori biner dan variabel respon lebih dari 2 kategori
multinominal Meter John et al. 1996. Untuk memprediksi perubahan lahan yang terjadi,
peneliti menggunakan analisis regresi logistik biner dengan variabel respon bersifat kualitatif
kategorisasi yang direpresentasikan dengan nilai 1 atau 0. Dalam permodelan perubahan
lahan, nilai variabel respon 1 berarti terjadi perubahan lahan, sedangkan nilai variabel
respon 0 berarti tidak terjadi perubahan lahan Murdiyarso et al. 2000. Variabel bebas
independen yang digunakan diperoleh dari data statistik Badan Pusat Statistik, Departemen
Kehutanan, dan dari beberapa literatur kebakaran, kedalaman drainase, kepadatan
penduduk, ijin penggunaan lahan untuk HTI, dan sektor unggulan ekonomi serta data spasial
berupa peta tutupan lahan dari Badan Planologi Departemen Kehutanan dalam format shapefile.
Koefisien determinasi
Nagelkerke digunakan untuk mengetahui kebaikan model
regresi logistik dalam memprediksi perubahan lahan,. Dari hasil pengolahan data dengan SPSS
15, dari 33 model perubahan lahan, sebanyak 20 model memiliki nilai koefisien determinasi
Nagelkerke lebih besar dari 50 sedangkan sisanya sebanyak 13 model memiliki nilai
koefisien determinasi Nagelkerke lebih kecil dari 50 yang berarti bahwa variabel bebas
untuk sebagian besar model regresi logistik perubahan lahan mampu menjelaskan variasi
dalam variabel respon. Tingkat kesesuaian dari keseluruhan model perubahan lahan dihitung
berdasarkan kesesuain luasan dari masing jenis tutupan lahan untuk mengetahui seberapa besar
penyimpangan yang terjadi. Dari hasil uji keseusain peta tutupan lahan hasil prediksi
dengan observasi, persentase kesesuaian untuk masing-masing tutupan lahan yaitu hutan rawa
primer sebesar 31.04, hutan rawa sekunder sebesar 83.71, perkebunan sebesar 7.45,
permukiman sebesar 98.21, pertanian lahan kering sebesar 48.43, rawa sebesar 82.04,
sawah sebesar 99.74, semak belukar sebesar 99.99, dan tanah terbuka sebesar 50.77.
Secara keseluruhan nilai rata-rata persentase kesesuaian sebesar 72.03. Persentase
ketelitian untuk masing-masing jenis tutupan lahan hasil prediksi dapat dilihat pada Tabel 7
sedangkan perbandingan peta observasi daerah kajian terhadap peta prediksi dapat dilihat pada
Gambar 22.
Tabel 7. Persentase Kesesuaian Hasil Prediksi Dengan Data Observasi 2006
Penyimpangan ha
-+ Persentase
Penyimpangan Persentase
Ketelitian LAHAN
Observasi ha
Prediksi ha
Hutan Mangrove Sekunder
34318.08 29807.09
-4510.99 15.13
84.87 Hutan Rawa Primer
6104.16 1894.85
-4209.31 68.96
31.04 Hutan Rawa Sekunder
345941.28 297490.34
-48450.94 16.29
83.71 Perkebunan
1392.50 103.68
1288.82 92.55
7.45 Permukiman
7750.08 7614.00
-136.08 1.79
98.21 Pertanian Lahan Kering
1218.24 803.74
-414.50 51.57
48.43 Rawa
260353.44 317338.86
56985.42 17.96
82.04 Sawah
62622.72 62788.98
166.26 0.26
99.74 Semak Belukar
45917.28 45869.86
-47.42 0.10
99.90 Tanah Terbuka
2034.72 1363.46
-671.26 49.23
50.77
RATA-RATA 27.97
72.03
31
Gambar 22. Peta Prediksi Tutupan Lahan Tahun 2006 a. Peta Observasi Tutupan Lahan Tahun 2006 b.
Selain itu peneliti juga melakukan uji statistik secara sederhana dengan menggunakan
regresi linier untuk mengetahui nilai koefisien determinasi, nilai korelasi, dan rata-rata
kesalahan mutlak dari peta tutupan lahan dari hasil prediksi terhadap data observasi. Dalam
hal ini, peneliti membandingkan luasan dari tiap jenis tutupan lahan hasil prediksi terhadap
data observasi
Persamaan regresi yang dihasilkan antara data luas tiap jenis tutupan lahan hasil
prediksi dengan data observasi yaitu y = 1971 + 0.974x dengan nilai koefisien determinasi
sebesar 95.9 dan koefisien korelasi sebesar 97.9. Nilai MAE yang dihasilkan sebesar
11688.1 atau sekitar 1.83 besarnya error antara data observasi dengan prediksi. Grafik
hubungan antara data observasi dengan data prediksi yang dihasilkan dapat dilihat pada
Gambar 23.
Gambar 23. Hubungan Antara Data Observasi Dan Data Prediksi
32
4.3 Dampak Perubahan Lahan