Penilaian Titik Kehadiran dan Ketidakhadiran Faktor-Faktor yang Mempengaruhi Nilai Variabel Prediktor

Gambar 7 Peta lokasi titik kehadiran kirinyuh Gambar 8 Peta lokasi titik ketidakhadiran kirinyuh Gambar 9 Peta sebaran kirinyuh berdasarkan ketinggian tempat Titik kirinyuh sebanyak 30 titik atau 62,5 ditemukan pada kelas ketinggian 1.000 – 1.500 m dpl, untuk lebih lengkapnya dapat dilihat pada Gambar 10. Gambar 10 Jumlah titik kirinyuh berdasarkan ketinggian tempat Faktor topografi termasuk ketinggian tempat telah terbukti secara langsung mempengaruhi pertumbuhan suatu tanaman Keddy 2001. Hasil penelitian ini memberikan gambaran bahwa kirinyuh yang berada di kawasan hutan Resort Mandalawangi Cibodas lebih banyak ditemukan pada tipe ekosistem hutan sub montana dibandingkan pada montana dan sub alpin. Beberapa hasil penelitian menyebutkan bahwa penyebaran kirinyuh sangatlah luas dan dapat tumbuh pada berbagai tipe habitat dengan kelimpahan populasi yang berbeda, namun kelimpahan populasinya cenderung menurun seiring dengan bertambahnya ketinggian suatu lokasi Syahidin 2006. Salah satu hasil penelitian menyebutkan bahwa kirinyuh dapat ditemukan pada ketinggian 100 – 2.100 mdpl Berry et al 1997, di PIER 2008. Berbeda dengan spesies kirinyuh lain yaitu Chromolaena odorata merupakan spesies tumbuhan yang secara taksonomi masih memiliki hubungan kekerabatan dekat dengan A. inulaefolium spesies yang ada di jalur pendakian cibodas, spesies kirinyuh A. inulaefolium lebih banyak ditemukan di daerah 5 10 15 20 25 30 1.000 - 1.500 1.500 - 2.400 2.400 30 15 3 Ju m la h K ir in y u h i n d iv id u Ketinggian m dpl pegunungan atau daerah dengan ketinggian tinggi McFadyen et al. 2003. Binggeli 1997 melaporkan bahwa C. odorata hanya dapat tumbuh pada ketinggian dibawah 1000 mdpl. Keadaan ini dibuktikan dari hasil survei yang dilakukan di Gunung Bunder, dimana populasi C. odorata hanya ditemukan sampai pada ketinggian 650 mdpl. Pada ketinggian lebih dari 650 mdpl C. odorata tidak dijumpai tetapi lebih didominasi oleh A. inulaefolium dengan kelimpahan populasi yang sangat tinggi Syahidin 2006.

5.2.2 Kemiringan Lereng Slope

Selain faktor ketinggian, faktor topografi lain yang berpengaruh terhadap distribusi dan bentuk tumbuhan yang hidup di daerah pegunungan adalah kemiringan lereng dan aspect atau sudut arah datang sinar matahari Jin et al. 2008. Topografi kawasan Resort Mandalawangi yang bergunung menimbulkan kemiringan lereng yang bervariasi pada setiap bagiannya. Peta kemiringan lereng Resort Mandalawangi TNGGP Gambar 11 didapatkan dari peta DEM, kemudian dilakukan pengolahan peta kemiringan lereng dan pengklasifikasian menjadi 5 kelas lereng. Kelas tersebut adalah kemiringan 0-8 datar, kemiringan 8-15 landai, kemiringan 15-25 agak curam, kemiringan 25-40 curam, kemiringan 40 sangat curam. Berdasarkan hasil overlay titik kehadiran kirinyuh terhadap peta kemiringan lereng terlihat bahwa kirinyuh merata ditemukan pada kemiringan lereng yang landai, agak curam dan curam Gambar 12. Hasil ini dapat memberikan gambaran bahwa kirinyuh dapat tumbuh hampir disemua tipe kemiringan lereng bahkan di kondisi lereng yang curam sekalipun. Gambar 11 Peta sebaran kirinyuh berdasarkan kemiringan lereng slope Gambar 12 Jumlah titik kirinyuh berdasarkan kemiringan lereng slope

5.2.3 Arah Kemiringan Lereng Aspect

Aspect menggambarkan arah hadap dari sebuah permukaan surface. Aspect mengindikasikan arah kemiringan dari laju maksimum perubahan nilai sebuah sel dibandingkan sel di sekelilingnya. Secara sederhana aspect merupakan arah kemiringan lereng. Nilai output adalah arah aspect: ‘0’° adalah tepat ke utara, ‘90’° adalah timur, dst. Dalam analisis surface, keluaran dari perhitungan aspect adalah derajat sesuai arah kompas, seperti dapat dilihat pada Gambar berikut: Gambar 13 Nilai aspect berdasarkan arah kompas 2 4 6 8 10 12 14 0-8 8-15 15-25 25-40 40 4 14 14 14 2 Ju m la h K ir in y u h i n d iv id u Slope Menurut Howard dan Mitchell 1985, aspect memiliki pengaruh yang besar terhadap komposisi suatu spesies tumbuhan. Arah lereng berpengaruh pada aspect sudut arah datang sinar matahari yang secara langsung mempengaruhi variasi suhu lingkungan Barbour et al. 1980. Perbedaan variasi suhu lingkungan ini mempengaruhi pertumbuhan hingga distribusi tumbuhan. Peta arah kemiringan lereng Resort Mandalawangi TNGGP Gambar 15 didapatkan dari peta DEM, kemudian dilakukan pengolahan peta arah kemiringan lereng dan pengklasifikasian menjadi 5 kelas arah kemiringan lereng. Kelas tersebut adalah 0 – 45 Utara, 45 – 60 Timur Laut, 60 -100 Timur, 100 – 185 Selatan, 185 – 360 Barat Daya – Barat Laut. Berdasarkan hasil overlay titik kehadiran kirinyuh terhadap peta arah kemiringan lereng terlihat bahwa kirinyuh banyak ditemukan pada kelas arah kemiringan lereng 0 - 45 dan 185 – 360 derajat atau pada arah utara dan selatan hingga barat daya Gambar 14. Kondisi ini dapat memberikan gambaran bahwa besarnya intensitas sinar matahari yang diterima oleh kirinyuh tergantung pada arah kemiringan lereng tersebut; menghadap utara lereng bukit menerima sinar matahari sedikit atau tidak ada; timur dan barat menghadap lereng menerima sinar matahari untuk sebagian setiap hari kecuali dinaungi oleh bukit dan gunung yang lain; dan selatan menghadap lereng menerima jumlah terbesar dari sinar matahari. Karena aspect mempengaruhi jumlah sinar matahari pada permukaan bumi maka aspect dapat menjadi faktor penting yang membantu dalam penentuan komunitas vegetasi dan habitat. Nilai peubah aspect yang dihasilkan pada penelitian ini masih dianggap lemah karena belum dapat memberikan gambaran secara menyeluruh terhadap hubungannya dengan keberadaan atau sebaran kirinyuh di TNGGP. Hal ini disebabkan karena penelitian ini hanya dilakukan pada lokasi yang berada di bagian utara kawasan TNGGP sehingga belum mewakili untuk kawasan yang berada di bagian lain dari lokasi penelitian ini. Gambar 14 Peta sebaran kirinyuh berdasarkan arah kemiringan lereng aspect Gambar 15 Jumlah titik kirinyuh berdasarkan arah kemiringan lereng aspect

5.2.4 Suhu

Nilai variabel suhu diperoleh menggunakan Erdas Imagine 9.1, dengan membangun sebuah model pada model maker yang sudah tersedia untuk mengkonversi nilai-nilai pixel pada Landsat 7 ETM band 6, kemudian nilai tersebut digunakan untuk membuat peta suhu permukaan. Berdasarkan data titik lokasi kehadiran kirinyuh yang diperoleh, kemudian dioverlay dengan peta suhu maka didapatkan sebaran titik kirinyuh pada tiap kelas suhu Gambar 16 Selajutnya dari peta tersebut diklasifikasikan suhu menjadi 3 kelas suhu yaitu 18 – 25, 25 -30 dan 30. Titik kirinyuh sebanyak 48 titik atau 100 ditemukan pada kelas suhu 18 – 25 ºC, untuk lebih lengkapnya dapat dilihat pada Gambar 17. Nilai suhu berhubungan dengan nilai ketinggian suatu tempat, semakin tinggi suatu lokasi maka suhunya akan semakin rendah dan sebaliknya. Hasil di atas sangat relevan dengan hasil pada peubah ketinggian yaitu kirinyuh banyak ditemukan pada ketinngian 1.000 – 2.000 mdpl yang merupakan hutan sub montana dan montana dimana lokasi tersebut berada pada kisaran suhu tersebut 18 – 25 ºC. 2 4 6 8 10 12 14 16 18 20 0-45 45-60 60-100 100-185 185-360 19 4 9 4 12 Ju m la h K ir in y u h i n d iv id u Aspect Gambar 16 Peta sebaran kirinyuh berdasarkan suhu Gambar 17 Jumlah titik kirinyuh berdasarkan suhu

5.2.5 Normalization Difference Vegetation Index NDVI

Menurut Ray 1995 dalam Mirza 2005, Normalization Difference Vegetation Index NDVI merupakan indeks vegetasi sederhana namun memiliki sensifitas yang paling tinggi terhadap perubahan kerapatan tajuk vegetasi dibanding indeks vegetasi lainnya. Selain keunggulannya dalam membedakan kerapatan vegetasi, nilai NDVI juga berasosiasi dengan persentase permukaan kedap air pada tiap-tiap piksel Xian Crane, 2003; Mathias Martin, 2003; Sawaya et al, 2003. Tutupan permukaan kedap air dengan persentase rendah akan memiliki nilai NDVI tinggi karena adanya tutupan vegetasi yang dominan, demikian juga sebaliknya. Nilai NDVI suatu lanskap ekologi berkisar antara -1 sampai 1. Nilai indeks yang tinggi umumnya merupakan tutupan vegetasi yang memiliki tingkat kesehatan yang tinggi atau vegetasi dengan kanopi yang baik. Nilai indeks yang mendekati 0 umumnya berhubungan dengan tutupan awan, sedangkan nilai indeks yang 0 umumnya merupakan badan air atau wilayah tanpa vegetasi Jaya 2010. Jaya 2010 juga menjelaskan bahwa tutupan vegetasi yang lebat cenderung mempunyai nilai NDVI mendekati satu, sedangkan tutupan badan air umumnya bernilai-1. Nilai lahan kosong tanah kosong umumnya mempunyai nilai nol. Besarnya nilai NDVI dari suatu kondisi tutupan vegetasi sangat bergantung pada 5 10 15 20 25 30 35 40 45 50 18-25 25-30 30 48 Ju m la h K ir in y u h i n d iv id u Suhu C tutupan vegetasi itu sendiri serta kondisi permukaan tanah yang ada di bawah vegetasi yang direkam. Penilaian menggunakan indeks NDVI menghasilkan peta sebagaimana tersaji pada Gambar 19. Tutupan vegetasi yang dinilai menggunakan NDVI dapat merepresentasikan bagian kawasan dengan kondisi vegetasi yang rapat dan bagus. NDVI dihitung dari besarnya pantulan sinar tampak dan sinar infra merah dekat yang dipantulkan tumbuhan hijau, dimana vegetasi yang rapat memiliki kisaran indek antara 0,8 hingga 0,9 Ryan 1997; Weier dan Herring 2010. Nilai NDVI kawasan Resort Mandalawangi berkisar antara -0,35 - 0,4. Hal ini sesuai dengan kondisi kawasan Resort Mandalawangi terutama di jalur pendakian Cibodas dimana kisaran nilai -0,35 menunjukkan daerah yang digenangi air yaitu berupa rawa dan telaga rawa gayonggong, telaga biru, sedangkan nilai 0,4 menunjukkan bahwa tutupan vegetasi di kawasan ini cukup baik mendekati nilai 1. Gambar 18 memperlihatkan bahwa sebaran kirinyuh di kawasan jalur pendakian Resort Mandalawangi pada umumnya berada pada daerah dengan kisaran nilai NDVI 0,2 hingga 0,4 dengan jumlah terbanyak pada kisaran nilai 0,2 – 0,4. Hasil ini dapat memberikan gambaran bahwa kirinyuh tidak hanya ditemukan pada daerah terbuka tetapi ternyata juga dapat ditemukan pada daerah dengan tutupan vegetasi yang cukup baik selama masih ada sinar matahari yang masuk. Kondisi ini sesuai dengan teori yang menyebutkan bahwa ketersediaan cahaya telah tercatat sebagai faktor yang sangat penting dalam mempengaruhi penyebaran spesies tumbuhan eksotik, hampir seluruh spesies tumbuhan eksotis paling sering ditemukan dalam kondisi cahaya tinggi Parendes Jones 2000; Hawbaker Radeloff 2004. Gambar 18 Jumlah titik kirinyuh berdasarkan NDVI

5.2.6 Normalized Difference Moisture Index NDMI

Normalized Difference Moisture Index NDMI merupakan salah satu indeks vegetasi selain NDVI yang umumnya digunakan untuk mengetahui kelembaban vegetasipermukaan tutupan area Hemmleb et al. 2006. Nilai NDMI dihitung berdasarkan analisa Citra Landsat Image band 4 dan band 5 menurut Price dan Tinant 2000. Penilaian menggunakan indeks NDMI terhadap sebaran titik kirinyuh di kawasan jalur pendakian Cibodas menghasilkan peta sebagaimana tersaji pada Gambar 21 dimana terdapat 3 tiga kelas nilai NDMI yaitu -0,261 – 0,1; 0,1 – 0,2 dan 0,2 – 0,3. Gambar 19 memperlihatkan bahwa sebaran kirinyuh di kawasan jalur pendakian Resort Mandalawangi pada umumnya berada pada daerah dengan kisaran nilai NDMI -0,261 hingga 0,3 dengan jumlah terbanyak pada kisaran nilai 0,1 – 0,2. 5 10 15 20 25 30 -0,35-0,2 0,2-0,4 0,4 27 21 Ju m la h K ir in y u h i n d iv id u NDVI Gambar 19 Jumlah titik kirinyuh berdasarkan NDMI Sebagai salah satu indeks vegetasi lain selain NDVI, NDMI mempunyai hubungan yang signifikan dengan nilai NDVI suatu kawasan dimana semakin tinggi nilai NDVI maka semakin tinggi pula nilai NDMI kawasan tersebut. Hal ini dapat dipahami karena jika suatu kawasan memiliki tutupan vegetasi yang bagus atau rapat maka dengan demikian kawasan tersebut juga memiliki kelembaban vegetasi atau kelembaban permukaan tutupan area yang tinggi. Berdasarkan hasil penilaian NDMI pada lokasi penelitian yang berada pada kisaran nilai 0,1 – 0,2 maka dapat dikatakan bahwa kelembaban permukaan tutupan area atau kelembaban vegetasi di lokasi penelitian ini cukup baik. Hal ini disebabkan karena masih banyaknya vegetasi yang dapat menyerap panjang gelombang spektral dari band 4 dan 5 yang digunakan dalam menilai NDMI pada suatu kawasan. 5 10 15 20 25 30 35 -0,261 - 0,1 0,1 - 0,2 0,2 - 0,3 34 14 Ju m la h K ir in y u h i n d iv id u NDM I Gambar 20 Peta sebaran kirinyuh berdasarkan NDVI Gambar 21 Peta sebaran kirinyuh berdasarkan NDMI

5.2.7 Jarak terdekat dari jalantrail

Berdasarkan beberapa hasil penelitian terhadap penyebaran tumbuhan asing invasif yang dilakukan oleh peneliti asing di luar negeri, membuktikan bahwa gangguan akibat aktivitas manusia merupakan faktor yang paling kuat dalam mempengaruhi percepatan penyebaran tumbuhan asing invasif. Salah satu hasil penelitian yang dilakukan oleh Liu et al. 2011 menunjukkan bahwa kehadiran Japanese honeysukcle sangat berhubungan erat dengan gangguan antropogenik pada umumnya. Pada penelitian ini disimpulkan bahwa jika kawasan DAS dikaitkan dengan campur tangan kegiatan manusia, maka faktor-faktor seperti jarak dari jalan utama, kelembaban tanah, intensitas cahaya, dan kekayaan spesies semua signifikan terkait dengan distribusi spasial spesies invasif. Hasil penelitian di Panther Creek yang hampir seluruh kawasannya berhutan sangat sesuai dengan kesimpulan yang disebutkan diatas. Kondisi tersebut diatas sangat relevan dengan hasil penelitian di sepanjang jalur trail pendakian cibodas, dimana kirinyuh banyak ditemukan pada kondisi dimana dekat dengan jalan trail Gambar 23. Gambar 22 Jumlah titik kirinyuh berdasarkan jarak jalan trail 5 10 15 20 25 30 35 40 45 50 0 - 300 300 - 1.000 1.000 48 Ju m la h K ir in y u h i n d iv id u Jarak dari jalan trail m Gambar 23 Peta sebaran kirinyuh berdasarkan jarak jalan trail

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. Tabel 2 Taraf signifikansi dan koefisien regresi variabel prediktor tahap Enter 1 No. Variabel predictor Koefisien regresi Signifikansi 1. Ketinggian elv 6,334 0,269 2. Kelerengan slp 0,026 0,414 3. Arah kelerengan asp 0,001 0,652 4. Penutupan Vegetasi NDVI -45,789 0,010 5. Suhu sh 1,623 0,039 6. Kelembaban vegetasi NDMI -30,675 0,035 7. Jarak dari trail jt -72,932 0,000 8. Jarak dari kebun jk -0,153 0,901 Konstanta -22,938 0,261 Dari hasil perhitungan tahap ke-2 ini diperoleh tiga variabel prediktor yang memiliki taraf signifikansi kurang dari 0,05 dan satu variabel dengan taraf signifikansi lebih dari 0,05 Lampiran 4. Konstanta persamaan regresi logistik sebesar 13,588 dengan koefisien regresi masing-masing variabel prediktor dan taraf signifikansinya sebagaimana disajikan pada Tabel 3. Tabel 3 Taraf signifikansi dan koefisien regresi variabel prediktor tahap Enter 2 No. Variabel prediktor Koefisien regresi Signifikansi 1. Suhu sh 0,253 0,315 2. Penutupan vegetasi NDVI -32,046 0,026 3. Kelembaban vegetasi NDMI -24,742 0,048 4. Jarak dari trail jt -66,290 0.000 Konstanta 13,588 0,096 Hasil perhitungan ke-2 pada persamaan regresi ini masih menunjukkan adanya satu prediktor yang masih memiliki nilai probabilitas signifikansi lebih dari 0,05 begitu pula dengan nilai konstantanya, sehinggga masih dapat dimungkinkan untuk dilakukan analisa regresi yang ke-3 dengan hanya memasukkan prediktor NDVI, NDMI dan jarak dari trail sebagai variabel independennya, dengan hasil sebagaimana disajikan pada Tabel 4. Tabel 4 Taraf signifikansi dan koefisien regresi variabel prediktor tahap Enter 3 No. Variabel prediktor Koefisien regresi Signifikansi 1. Penutupan vegetasi NDVI -30,571 0,030 2. Kelembaban vegetasi NDMI -28,092 0,021 3. Jarak dari trail jt -64,988 0,000 Konstanta 19,455 0,001 Hasil perhitungan ke-3 menunjukkan bahwa konstanta dan tiga variabel prediktor adalah signifikan secara statistik dimana semuanya memiliki nilai signifikan dibawah 0,05 yang berarti bahwa ketiga variabel tersebut berpengaruh nyata terhadap model kesesuaian habitat atau penyebaran kirinyuh. Dengan demikian, dari hasil ketiga perhitungan tersebut maka hasil analisa regresi yang ke-3 merupakan model regresi yang lebih baik digunakan untuk memprediksi variabel peluang keberadaan kirinyuh. Dengan demikian, bentuk persamaan regresi logistiknya adalah: Z = 19,455-30,571NDVI-28,092NDMI-64,988jt Nilai persamaan P= [e z 1+e z ] adalah = , , , , 1 + , , , , Hasil perhitungan nilai P pada persamaan tersebut menunjukkan bahwa ketiga peubah tersebut yaitu NDVI, NDMI dan jarak dari trail memberikan pengaruh nyata terhadap frekuensi kehadiran kirinyuh pada suatu habitat. Sifat dan besarnya hubungan antara ketiga peubah tersebut dengan frekuensi kehadiran kirinyuh pada suatu habitat dapat diketahui dari besarnya nilai koefisien determinasi R². Nilai R² sebesar 50,1 mengindikasikan bahwa keragaman frekuensi kehadiran kirinyuh pada suatu habitat dipengaruhi oleh peubah NDVI, NDMI dan jarak dari trail secara simultan sebesar 50,1 sedangkan sisanya 49,9 dipengaruhi oleh peubah lain yang tidak digunakan dalam model ini. Peubah NDVI, NDMI dan jarak dari trail merupakan peubah yang signifikan dengan semua koefisiennya bernilai negatif. Koefisien regresi variabel NDVI sebesar -30,571 menunjukkan bahwa semakin tinggi nilai NDVI atau semakin tingginya derajat kehijauan suatu vegetasi berhutan, maka semakin kecil kemungkinan kehadiran kirinyuh. Koefisien regresi variabel NDMI sebesar -28,092 menunjukkan bahwa semakin tinggi nilai NDMI atau semakin tingginya derajat kelembaban vegetasi, maka semakin kecil kemungkinan kehadiran kirinyuh begitupula dengan interpretasi yang sama terhadap nilai koefisien regresi variabel untuk jarak ke jalan trail sebesar -64,988. Hasil tersebut di atas mampu menjelaskan teori yang ada bahwa keberadaan spesies tumbuhan asing invasif sangat tergantung pada ketersediaan cahaya matahari yang sangat tinggi Parendes Jones 2000; Hawbaker Radeloff 2004. Hal ini dapat dijelaskan dengan nilai peubah NDVI dan NDMI yang secara langsung berhubungan dengan sinaran cahaya matahari. Faktor gangguan antropogenik dalam bentuk jalan setapak atau jalan raya juga merupakan faktor yang berpengaruh besar terhadap penyebaran spesies tumbuhan asing invasif dibandingkan dengan gangguan alam Rew et al. 2006. Selain itu, banyak penelitian yang berhasil menemukan bahwa aktivitas manusia sepanjang jalur setapak seperti menunggang kuda Tyser Worley 1992; Campbell Gibson 2001 dapat meningkatkan kemungkinan masuk dan menyebarnya spesies tumbuhan asing sepanjang jalur tersebut Campbell Gibson 2001.

5.3.1.2 Uji Kelayakan Model Regresi Logistik

Kelayakan suatu model regresi logistik dapat dilihat dari signifikansi penurunan nilai -2 Log Likelihood serta hasil uji Hosmer and Lemeshow pada pengolahan menggunakan perangkat lunak SPSS 16 sebagaimana terlampir dalam lampiran 4. Penurunan nilai -2 Log Likelihood dari 133,084 menjadi 87,806 dengan signifikansi 0,000 0,05 menunjukkan bahwa model regresi layak untuk digunakan. Uji Hosmer and Lemeshow digunakan untuk melihat kecocokan variabel prediktor yang digunakan dalam membangun model dengan model yang dihasilkan. Berkebalikan dengan signifikansi penurunan nilai -2 Log Likelihood dimana model layak jika nilai signifikansi berada dibawah taraf signifikansi 0,05, signifikansi nilai uji Hosmer and Lemeshow harus lebih besar dari taraf signifikan 0,05 untuk dapat dikatakan model itu cocok fit dengan variabel prediktor yang digunakan. Nilai uji Hosmer and Lemeshow menunjukkan nilai 3,643 dengan signifikansi 0,888 0,05. Nilai signifikansi ini menunjukkan bahwa model cocok dengan variabel prediktor yang digunakan.

5.3.1.3 Kelas Kesesuaian Habitat

Kesesuaian habitat kirinyuh ditentukan dari besarnya nilai Indeks Kesesuaian Habitat. Nilai tersebut kemudian dikelas untuk menentukan tingkat kesesuaian habitat yaitu kesesuaian tinggi, kesesuaian sedang dan kesesuaian rendah. Penentuan selang kelas kesesuaian habitat dilakukan dengan membagi tiga selisih nilai Indeks Kesesuaian Habitat yang tertinggi dan terendah. Luas tiap kelas kesesuaian habitat disajikan pada Tabel 5. = 0,999 3 = 0,333 Tabel 5 Kelas kesesuaian habitat kirinyuh beserta luas areal No. Kelas Kesesuaian Habitat IKH Luas Areal 1 Kesesuaian rendah 0 – 0,333 1335,99 Ha 2 Kesesuaian sedang 0,333 – 0,666 31,61 Ha 3 Kesesuaian tinggi 0,666 – 0,999 91,46 Ha

5.3.2 Analisis Komponen Utama Priciple Component AnalysisPCA

5.3.2.1 Model kesesuaian habitat kirinyuh

Pada dasarnya, Priciple Component AnalysisPCA atau Analisis Komponen Utama AKU merupakan suatu teknik mereduksi banyak data untuk mengubah suatu matrik data awalasli menjadi satu set kombinasi linear yang lebih sedikit akan tetapi menyerap sebagian besar jumlah varian dari data awal. Banyaknya faktor komponen yang dapat diekstrak dari data awal adalah sebanyak variabel yang ada. Kita harus mereduksi data asli dengan sedikit mungkin komponenfaktor akan tetapi masih memuat sebagian besar variasi dari data asli katakan lebih dari 80 Supranto 2004. Data yang digunakan dalam analisis komponen utama ini adalah data 48 titik kehadiran kirinyuh. Hasil Analisis Komponen Utama yang dilakukan terhadap faktor peubah yang mempengaruhi tempat tumbuh kirinyuh menunjukkan bahwa dari 8 faktor lingkungan fisik yang diamati dapat dikelompokkan menjadi 3 faktor komponen utama. Hal ini diindikasikan dengan eigenvaluenya 1. Ketiga komponen baru tersebut dapat menjelaskan sebesar 73,51 dari variabilitas keseluruhan variabel faktor yang diamati Tabel 6. Meskipun komponen pertama relatif lebih besar daripada komponen kedua dan ketiga, perbedaannya tidaklah terlalu besar. Hal ini dapat mengindikasikan bahwa antara kedua faktor komponen memberikan informasi yang relatif sama besar untuk dapat menggambarkan kondisi habitat kirinyuh. Tabel 6 Keragaman total komponen utama Komponen Akar Ciri Initial Eigen Values Total Keragaman Kumulatif Keragaman 1 2.873 35.909 35.909 2 2.004 25.052 60.961 3 1.004 12.545 73.506 4 0.946 11.826 85.332 5 0.549 6.868 92.200 6 0.506 6.321 98.521 7 0.099 1.238 99.759 8 0.019 0.241 100.000 Hasil analisis tersebut nilai total dari akar ciri kemudian digunakan untuk menentukan bobot masing-masing variable. Keeratan hubungan antara keempat variable kesesuaian habitat kirinyuh. dengan komponen utama seperti disajikan pada Tabel 7 berikut. Tabel 7 Vektor ciri PCA Variabel Komponen Utama 1 2 3 Slope 0.198 0.274 0.378 Aspect -0.104 -0.762 0.173 Suhu -0.915 0.229 0.194 NDVI -0.019 0.820 .116 NDMI 0.266 0.486 0.596 Elevasi 0.979 0.020 -0.002 Jarak Jalan Trail -0.038 -0.616 0.652 Jarak Kebun 0.977 -0.083 -0.010 Komponen variabel elevasiketinggian adalah variabel yang cukup berpengaruh pada faktor komponen pertama PC1, diikuti jarak dari kebun. Komponen penutupan vegetasi NDVI adalah variabel yang berpengaruh pada faktor komponen kedua PC2, sedangkan komponen kelembaban vegetasi NDMI serta jarak dari jalan trail merupakan variabel yang berpengaruh pada faktor komponen ketiga PC3. Hasil di atas menunjukan bahwa variabel elevasi dan jarak kebun mempunyai hubungan positif yang tinggi terhadap komponen utama pertama. Sedangkan variabel NDVI mempunyai hubungan positif yang tinggi terhadap komponen kedua. Dan terakhir variabel NDMI dan nilai jarak dari sungai dan kemiringan lereng mempunyai hubungan positif yang tinggi terhadap komponen utama ketiga. Dengan demikian besarnya bobot masing-masing variabel sajikan dalam Tabel 8. Tabel 8 Koefisien tiap variable kesesuaian habitat kirinyuh No. Variable Nilai Bobot 1. Elevasi elv 2,873 2. Jarak Kebun jkb 2,873 3. NDVI NDVI 2,004 4. NDMI NDMI 1,004 5. Jarak jalan taril jtr 1,004

5.3.2.2 Kelas Kesesuaian Habitat Kirinyuh

Untuk menentukan indeks kesesuaian habitat kirinyuh digunakan bobot dari tiap variabel yang sudah masuk ke dalam persamaan. Sebelum dilakukan perhitungan kesesuaian habitat terlebih dahulu dilakukan pengkelasan tiap variabel habitat untuk menentukan skor tiap kelas dari variabel tersebut. Setiap kelas dalam satu variabel memiliki nilai yang berbeda satu dengan yang lainnya. Skor dari masing-masing kelas variabel ditentukan oleh banyaknya titik- titik keberadaan dari habitat kirinyuh sebagaimana yang disajikan pada Tabel 9. Tabel 9 Skor variabelfaktor kesesuaian habitat No. Variabel Kelas Skor 1 ElevasiKetinggian 1.000 - 1.500 m dpl 3 1.500 – 2.400 m dpl 2 2.400 m dpl 1 2 Jarak dari kebun 0 – 1.500 m 3 1.500 – 3.000 m 2 3.000 m 1 3 NDVI -0,35 – 0,2 1 0,2 – 0,4 2 0,4 3 4 NDMI -0,261 – 0,1 1 0,1 – 0,2 2 0,2 – 0,3 3 5 Jarak dari jalan trail 0 – 300 m 3 300 – 1.000 m 2 1.000 m 1 Persamaan model kesesuaian habitat kirinyuh didapat melalui perhitungan terhadap masing-masing variabel yang digunakan sebagai prediktor menggunakan SPSS 19, sehingga didapatkan persamaan sebagai berikut: Y=2,873elv + 2,873jkb + 2,004NDVI+ 1,004NDMI+1,004jtr Persamaan di atas menunjukkan bahwa elevasi, jarak kebun dan NDVI mempunyai koefisien bobot yang paling tinggi diantara variable yang lain, dimana Y adalah Indeks Kesesuaian Habitat dan nilai variabel yang dimasukkan adalah skor dari masing-masing variabel yang terdapat di dalam persamaan tersebut. 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. Pesatnya perkembangan penduduk diikuti peningkatan kebutuhan yang semakin kompleks memaksa banyak jalur hijau beralih fungsi menjadi jalan raya dan bangunan fisik lainnya. Pembukaan areal dan pembangunan fisik pun terus berlangsung hingga kini baik untuk pemukiman, industri, tambang, dsb. Akibatnya lambat laun terjadi ketimpangan ekologi yang ada di sekitarnya dan kini telah dirasakan dampaknya oleh masyarakat luas berupa banjir dan kekeringan. Di sisi lain luas kawasan konservasi yang ditetapkan untuk menunjang keseimbangan tata air bagi wilayah di sekitarnya tidak banyak mengalami peningkatan karena tekanan perkembangan penduduk, bahkan cenderung mengalami degradasi fungsi akibat berbagai faktor, salah satu diantaranya adalah terhambatnya regenerasi spesies endemik akibat masuknya spesies tumbuhan eksotik yang bersifat invasif. Beberapa instrumen telah dikeluarkan oleh oleh pemerintah Indonesia dalam rangka membatasi atau meminimalkan penyebaran spesies asing di Indonesia antara lain dengan peraturan yang terkait dengan karantina dan lain- lain, namun instrumen tersebut belum cukup dalam menangani permasalahn spesies asing invasif di Indonesia. Kendala yang dihadapi dalam hal ini karena masih kurangnya pengetahuan masyarakat mengenai spesies asing invasif, akses informasi mengenai spesies asing invasif yang masih terbatas, masih lemahnya sistem monitoring terhadap masuknya atau penyebaran spesies asing invasif dan koordinasi antar instansi terkait masih lemah. Pengelolaan dan pengendalian invasi biologi telah menjadi tantangan besar bagi peneliti, pemerintah, dan masyarakat lainnya. Penelitian tentang keberadaan tumbuhan invasif sudah banyak dilakukan di berbagai tempat termasuk di beberapa kawasan taman nasional di Indonesia, namun data mengenai pola distribusi spasial dan kesesuaian habitat tumbuhan invasif tersebut kurang didokumentasikan. Melalui hasil penelitian yang diwakili dengan spesies asing kirinyuh ternyata dapat menjawab pertanyaan mengenai hubungan antara faktor- faktor biofisik sebagai peubah-peubah ekologi yang mempengaruhi pola distribusi dan kesesuaian habitat kirinyuh dan hasil ini dapat dijadikan bahan masukan strategis bagi pengelolaan spesies tumbuhan asing invasif di TNGGP secara umum. Ada beberapa hal yang dapat dilakukan sebagai upaya atau strategi dalam pengendalian dan pengelolaan spesies tumbuhan asing invasif pada kawasan koservasi khususnya di TNGGP yaitu:

1. Pencegahan

Menurut Utomo 2006 pertumbuhan dan perkembangan spesies tumbuhan asing invasif di suatu kawasan hutan terjadi karena adanya celah-celah terbuka di dalam kawasan hutan yang memberi kesempatan tumbuh dan berkembangnya spesies tumbuhan asing invasif di tempat terbuka tersebut, karena itu pencegahan yang terbaik adalah mengusahakan agar celah-celah tidak dibiarkan terbuka, yaitu dengan melakukan penanaman spesies-spesies pohon lokal yang rendah populasinya terutama dari spesies-spesies klimaks yang mencirikan komunitas vegetasi hutan saat ini agar tidak terjadi pergeseran dan mempertahankan kelestarian keanekaragaman hayati di TNGGP. Pencegahan dilakukan dengan melakukan pengaturan terhadap berbagai aktifitas dan kegiatan masyarakat seperti kegiatan pertanian, perkebunan dan lain- lain pada areal penyangga kawasan konservasi dan pengunjung juga dilakukan untuk mencegah masuknya spesies tumbuhan asing ke dalam kawasan TNGGP. Pengaturan terhadap pengunjung dilaksanakan baik terhadap pengunjung pendakian, penelitian maupun expedisi. Hal tersebut dilakukan dengan memberlakukan SIMAKSI yang memuat aturan-aturan untuk masuk dalam kawasan konservasi. Walaupun SIMAKSI belum memuat hal-hal spesisfik atas pencegahan IAS, namun aturan ini dapat menjadi filter saringan terhadap potensi penyebaran IAS yang lebih luas. Sehubungan dengan hal tersebut maka perlu dibuat suatu Standard Operational Procedure SOP sebagai bagian dari SIMAKSI untuk pencegahan penyebaran IAS baru dalam TNGGP. Penetapan kuota pendakian sebanyak 600 orang perhari, selain sebagai upaya pengelolaan terhadap sistem keamanan dan kenyamanan pendakian juga merupakan upaya pengelolaan sampah di TNGGP. Dengan adanya penetapan kuota, pemantauan pendakipengunjung juga lebih mudah dilakukan terutama