variabel penduganya. Nilai peluang 0 0,5 dikategorikan sebagai area yang
tidak sesuai untuk habitat kirinyuh, sedangkan nilai peluang 0,5 1
dikategorikan sebagai area yang sesuai untuk habitat kirinyuh. Nilai ambang batas threshold 0,5 ini telah digunakan secara luas dalam pendugaan distribusi spesies
Manel et al. 1999; Bailey et al. 2002; Stockwell Peterson 2002. Dirumuskan model regresi logistik biner sebagai berikut:
=
…
1 +
…
atau: =
1 + Dimana
= peluang titik observasi ke- i sesuai untuk habitat kirinyuh E
= bilangan natural = 2,718281828 = variabel penduga ke- j
I = titik observasi ke- i
= Intersep = koefisien regresi logistik biner dari variabel penduga ke- j
K = jumlah variabel penduga = n
Penghitungan regresi logistik ini menggunakan perangkat lunak SPSS 16. Hasil penghitungan menggunakan regresi logistik berupa persamaan regresi
logistik yang kemudian diolah menggunakan perangkat lunak ArcGIS ver. 9.3 untuk menggabungkan data-data dari berbagai variabel bebas sehingga diperoleh
peta kesesuaian habitat bagi kirinyuh. Model spasial regresi logistik kesesuaian habitat kirinyuh hanya
menunjukkan area yang sesuai dan tidak sesuai bagi kirinyuh. Pembagian kelas dari sebaran data hasil penghitungan regresi logistik yang diperoleh pada seluruh
area studi dilakukan untuk memperoleh gambaran area yang agak sesuai bagi habitat kirinyuh. Pada penelitian ini ditentukan tiga kelas kesesuaian, yaitu
kesesuaian rendah, sedang dan tinggi. Panjang interval setiap kelas kesesuaian sebagaimana disebutkan Supranto 2000 umumnya ditentukan dengan rumus:
c = X
n
– X
1
k Dimana
: c = perkiraan besar interval k = banyaknya kelas
X
n
= nilai observasi data terbesar X
1
= nilai observasi data terkecil
4.6.3. Analisis Komponen Utama Principal Component AnalysisPCA
Analisis Komponen Utama dilakukan untuk mengetahui faktor fisik yang paling berpengaruh terhadap sebaran kirinyuh, berdasarkan letak ditemukan
kirinyuh pada masing-masing layer yaitu ketinggian elevation, kemiringan lereng slope, arah kemiringan lereng aspect, penutupan vegetasi NDVI,
kelembaban vegetasi NDMI, suhu, jarak terdekat dari jalan trail, jarak terdekat dari kebunaktivitas manusia. Data yang digunakan adalah data titik kehadiran
kirinyuh di sepanjang petak pengamatan. Analisis Komponen Utama dilakukan dengan menggunakan software SPSS
15.0. dan hanya menggunakan data kehadiran kirinyuh. Selanjutnya dari hasil Analisis Komponen Utama ditentukan bobot masing-masing faktor yang paling
berpengaruh terhadap sebaran kirinyuh sehingga diperoleh persamaan kesesuaian habitat sebagai berikut:
Fx = ax1 + bx2 + cx3 + dx4 + ex5 + fx6 + gx7 + hx8
dimana Fx adalah indeks kesesuaian habitat; a-h adalah nilai bobot setiap variable.
Data hasil perhitungan Analisis Komponen Utama kemudian dikelaskan dalam tiga kelas kesesuaian yaitu kesesuaian rendah, sedang, dan tinggi.
Pembagian kelas ini menggunakan rumus Supranto 2000:
c = X
n
– X
1
k
dimana c adalah perkiraan besar interval, k adalah banyaknya kelas, X
n
adalah nilai observasi data terbesar dan X
1
nilai observasi data terkecil. Peta kelas kesesuaian dibangun dengan menggunakan perangkat lunak ArcGIS ver. 10
4.6.4. Uji Kelayakan dan Validasi Model
Kelayakan model regresi logistik yang dibangun dapat dilihat dari penurunan nilai -2 Log Likelihood serta uji Hosmer and Lemeshow hasil
pengolahan data menggunakan SPSS 19. Model dinilai layak apabila signifikansi penurunan nilai -2 Log Likelihood kurang dari 0,05. Lain halnya dengan
penurunan nilai -2 Log Likelihood, uji Hosmer and Lemeshow digunakan untuk melihat kecocokan variabel prediktor dengan model yang dibangun. Variabel
prediktor dinyatakan fit cocok dengan model jika signifikansi yang tertera pada hasil uji Hosmer and Lemeshow di atas 0,05. Kemampuan varibel yang
dipergunakan dalam model untuk menjelaskan kesesuaian habitat kirinyuh ditunjukkan oleh nilai Negelkerke R
2
. Validasi model regresi logistik kesesuaian habitat kirinyuh dilakukan
dengan menggunakan data kehadiran presence dan ketidakhadiran absence. Data ini telah dipisahkan terlebih dahulu dan dipilih secara acak sebelum
membangun model. Validasi ini berfungsi untuk meminimalisir kesalahan pada penggunaan model selanjutnya. Data yang dipergunakan untuk validasi model
adalah sebesar 50 dari jumlah keseluruhan data yang tersedia. Nilai validasi dilakukan terhadap hasil ekstrapolasi model secara spasial. Tingkat validitas
model dilihat dari tingginya prosentase nilai data titik kehadiran kirinyuh pada kelas kesesuaian tinggi bagi habitat kirinyuh.
4.6.5. Kajian Strategi Pengendalian dan Pengelolaan
Pada tahap akhir dilakukan kajian hasil penelitian terhadap strategi pengendalian dan pengelolaan spesies tumbuhan asing invasif di TNGGP.
Berdasarkan kajian tersebut selanjutnya dirumuskan masukan dan rekomendasi terkait rencana strategis pengelolaan dan pengendalian spesies asing invasif di
TNGGP.
