5.2.8 Jarak terdekat dari kebunaktivitas manusia
Seperti yang telah disampaikan sebelumnya bahwa penyebaran tumbuhan asing invasif sangat tergantung kepada aktivitas manusia maka sama halnya
dengan jalan trail pendakian, aktivitas kebun juga menjadi salah satu faktor aktivitas manusia yang ikut berperan dalam penyebaran tumbuhan asing invasif.
Kawasan hutan Resort Mandalawangi merupakan kawasan hutan yang berbatasan dengan perkebunan penduduk, pemukiman penduduk dan Kebun Raya Cibodas
yang merupakan sumber aktivitas manusia. Gambar 25 merupakan peta hasil overlay titik keberadaan kirinyuh terhadap kebun masyarakat yang berada di
sekitar kawasan Mandalawangi Cibodas. Peta tersebut dibagi menjadi 3 kelas yaitu 0 – 1.500; 1.500 – 3.000 dan 3.000 mdpl. Keberadaan kirinyuh sangat
banyak ditemukan pada kelas jarak kebun 0 – 1.500 mdpl, hal ini menunjukkan bahwa semakin dekat jarak kebun maka semakin banyak probabilitas
ditemukannya kirinyuh.
Gambar 24 Jumlah titik kirinyuh berdasarkan jarak kebun
5 10
15 20
25 30
0 - 1.500 1.500 - 3.000
3.000 30
18
Ju m
la h
K ir
in y
u h
i n
d iv
id u
Jarak Kebun m
Gambar 25 Peta sebaran kirinyuh berdasarkan jarak kebun
5.3 Analisis Pemodelan Spasial
5.3.1 Analisis Regresi Logistik Biner Binary Logistic Regression Analysis
5.3.1.1 Model kesesuaian habitat kirinyuh
Model kesesuaian habitat bukanlah upaya yang pasti untuk memprediksi ada tidaknya suatu spesies tumbuhan atau satwa pada suatu habitat, tetapi lebih
merupakan upaya untuk mengidentifikasi areal atau blok kawasan hutan mana yang harus diprioritaskan dalam pengelolaannya Rahmat 2012. Pemodelan ini
menggunakan pendekatan model regresi logistik biner dengan prosedur Enter dengan sistem eliminasi manual. Variabel prediktor untuk membangun model
regresi logistik biner kesesuaian habitat kirinyuh menggunakan delapan data spasial yaitu ketinggian elevasi, kelerengan slope, arah kelerengan aspect,
penutupan vegetasi NDVI, suhu, kelembaban vegetasi, jarak terdekat dari jalur patrolitrek dan jarak terdekat dari pemukiman atau aktivitas manusia.
Setiap titik kehadiran dan ketidakhadiran yang digunakan dinilai variabel prediktornya melalui bantuan perangkat lunak Arc Gis ver. 9.3. Lampiran 2
menyajikan data atribut pasangan titik kehadiran dan ketidakhadiran yang digunakan untuk membangun model.
Perhitungan nilai variabel prediktor menggunakan perangkat lunak SPSS 16 dengan taraf kepercayaan 95. Dari hasil perhitungan dengan prosedur ini
diperoleh empat variabel prediktor yang memiliki taraf signifikansi kurang dari 0,05 dan empat variabel dengan taraf signifikansi lebih dari 0,05 Lampiran 4.
Konstanta persamaan regresi logistik sebesar -22,938 dengan koefisien
regresi masing-masing variabel prediktor dan taraf signifikansinya sebagaimana disajikan pada Tabel 2.
Berdasarkan hasil perhitungan tersebut maka dikatakan sementara bahwa model regresi pada tahap ini belumlah baik karena nilai konstansta dan nilai 4
prediktor lainnya masih memiliki nilai probabilitas signifikansi di atas 0,05. Untuk itu, menurut Santoso 2012 model regresi dapat diulang lagi dengan hanya
memasukkan prediktor yang sudah signifikan sebagai variabel independen, dalam kasus ini adalah suhu, NDVI, NDMI dan jarak dari trek.