Gambar 26 Peta kesesuaian habitat kirinyuh berdasarkan Analisis Regresi Logistik
Gambar 27 Peta kesesuaian habitat kirinyuh berdasarkan Analisis Komponen Utama
5.3.3 Validasi Model
Validasi model ditujukan untuk mengetahui tingkat kepercayaan terhadap model yang dibangun. Validasi model dilakukan dengan menguji model
menggunakan data validasi sebanyak 48 pasang data yang dioverlaykan ke dalam peta kesesuaian habitat. Nilai validasi klasifikasi kesesuaian habitat kirinyuh
dihitung berdasarkan perbandingan jumlah titik pertemuan kirinyuh yang ada pada satu klasifikasi kesesuaian dengan jumlah total titik pertemuan kirinyuh hasil
survey. Hasil validasi terhadap model regresi logistik menunjukkan bahwa 31 titik
64,6 masuk ke dalam kelas kesesuaian tinggi, 11 titik 22,9 kelas kesesuaian sedang, sedangkan untuk kelas kesesuaian rendah sebanyak 6 titik
12,5. Tingginya persentase data yang ditemui pada kelas kesesuaian tinggi menunjukkan bahwa model yang digunakan memiliki validitas yang tinggi pula.
Nilai validasi untuk Analisis Komponen Utama menunjukkan 31 titik 64,6 masuk ke dalam kelas kesesuaian tinggi, 17 titik 35,4 kelas kesesuaian sedang,
sedangkan untuk kelas kesesuaian rendah tidak ditemukan titik kirinyuh Tabel 10.
Tabel 10 Hasil validasi model keseusaian habitat kirinyuh
No. Kelas
Kesesuaian Model Berdasarkan Analisis
Regresi Logistik Model Berdasarkan Analisis
Komponen Utama Jumlah Titik
Kirinyuh Persentase
Jumlah Titik Kirinyuh
Persentase 1.
Tinggi 31
64,6 31
64,6 2.
Sedang 11
22,9 17
35,4 3.
Rendah 6
12,5
Model yang dihasilkan ini merupakan model peramalan predictif model. Walaupun dalam pengertian tertentu sebuah model dianggap tidak realistis, model
ini sekurang-kurangnya dapat digunakan untuk mempelajari kesesuaian habitat dan penyebaran kirinyuh di TNGGP.
Selain itu, setiap jenis analisis spasial yang digunakan dalam membangun sebuah model memiliki kelebihan dan kekurangan
masing-masing sehingga ada kemungkinan asumsi-asumsi yang dibangun dalam membangun sebuah model tersebut salah, tetapi diharapkan model tersebut dapat
bermanfaat.
Berdasarkan hasil validasi model di atas Tabel 10, terlihat bahwa model yang dibangun berdasarkan Analisis Regresi Logistik Biner menghasilkan 3 tiga
kelas kesesuaian habitat kirinyuh yaitu pada kelas tinggi, sedang dan rendah sedangkan pada model yang dibangun berdasarkan Analisis Komponen Utama
hanya menghasilkan 2 dua kelas kesesuaian yaitu tinggi dan sedang. Jika ditinjau lebih lanjut berdasarkan jumlah titik kirinyuh yang seharusnya tidak
berada pada kelas kesesuaian rendah seperti yang ditemukan pada hasil validasi model berdasarkan Analisis Regresi Logistik Biner maka dapat dikatakan bahwa
model yang dibangun untuk memprediksi sebaran dan kesesuaian habitat kirinyuh berdasarkan Analisis Komponen Utama adalah model yang lebih sesuai
dibandingkan model yang dibangun berdasarkan Analisis Regresi Logistik Biner.
5.4 Faktor-Faktor yang Mempengaruhi Nilai Variabel Prediktor
Variabel prediktor yang berasal dari data spasial memiliki faktor-faktor yang akan berpengaruh pada akurasi data pembangun model. Faktor-faktor tersebut
diantaranya a akurasi titik koordinat kehadiran dan ketidakhadiran, b akurasi data DEM, c penyimpangan letak jalur jalan dan sungai, serta d akurasi nilai
NDVI akibat pengaruh topografi. a. Akurasi titik koordinat kehadiran dan ketidakhadiran
Akurasi titik koordinat kehadiran dan ketidakhadiran tergantung pada dua hal utama yaitu alat yang digunakan dan surveyor. Alat GPS sebagai pemberi
informasi posisi koordinat memegang peranan penting dalam perolehan data yang teliti. Tingkat ketelitian GPS dapat ditunjukkan dari jumlah satelit yang
dapat dideteksi oleh GPS. Semakin banyak satelit yang dapat ditangkap, akurasi titik yang diperoleh juga semakin tinggi. Kemampuan dan konsistensi
surveyor sebagai pengguna alat GPS juga berperanan. Error data lapangan sering ditimbulkan oleh kesalahan pada manusia.
b. Akurasi data Digital Elevation Model DEM Data DEM yang diperoleh melalui hubungan berkala http:www.
gistutorial.netidresourcesdatdownload-aster-gdem.html mengandung data- data yang menyimpang anomali. Penyimpangan data ini muncul akibat sisa
awan pada citra yang digunakan untuk menyusun ASTER GDEM, tahapan
dalam menyusun batasan layer scene, bentuk atau kenampakan benda yang muncul dan mempengaruhi batasan nilai seperi bentuk lubang atau benjolan,
ketinggian badan air di daratan termasuk gangguan tekstur yang terlihat, serta detail ekspresi topografi yang ditetapkan ASTER GDEM ASTER Global
DEM 2009. Bentuk-bentuk penyimpangan ini mempengaruhi akurasi data yang diperoleh.
c. Penyimpangan letak jalur jalan dan kebun Penyimpangan jalur jalan dan kebun pada peta vektor dengan yang ada pada
citra satelit salah satunya dapat disebabkan oleh manusia selaku subjek penyusun. Peta vektor dibuat melalui digitasi sehingga penyimpangan dapat
terjadi pada saat proses tersebut berlangsung. Sumber penyimpangan yang lain adalah sumber data untuk digitasi yang dipergunakan oleh penyusun. Data
yang telah lama sering mengalami perubahan, dan lambat untuk diperbaiki. Lain halnya dengan citra satelit yang mampu memperoleh data baru secara
cepat. Untuk mengatasi penyimpangan ini, koreksi geometrik dapat dilakukan baik pada citra satelit maupun peta vektor. Koreksi ini menggunakan data titik
yang sama yang ada pada citra satelit maupun peta vektor. d. Akurasi nilai NDVI, NDMI dan Suhu akibat pengaruh topografi
Nilai NDVI, NDMI dan Suhu diperoleh berdasarkan data citra satelit yang digunakan. Akurasi data ini dapat dipengaruhi oleh kondisi topografi. Pada
topografi yang berbukit-bukit dan kemiringan lereng relatif curam, vegetasi akan terlindungi oleh bayang-bayang lereng. Kondisi ini akan mempengaruhi
pantulan sinar oleh vegetasi dan menyebabkan perbedaan nilai tersebut meskipun kondisi vegetasi dan kerapatan sama di setiap pikselnya.
5.5 Strategi Pengendalian dan Pengelolaan
Taman Nasional Gunung Gede Pangrango TNGGP merupakan salah satu kawasan dilindungi yang pengelolaannya lebih diarahkan untuk melindungi
sistem penyangga kehidupan, pengawetan keanekaragaman tumbuhan, satwa beserta ekosistemnya dan pemanfaatan secara lestari sumberdaya alam hayati
beserta ekosistemnya.
