aliran FA, ketinggian tempat di atas permukaan laut Elev, ketinggian tempat di atas saluran ZC, kemiringan lereng SG, luas catchment
MCA, Faktor LS LSF, profile curvature KP, contour curvature KC, aspek lereng AZ, indeks posisi topografi TPI, dan indeks kebasahan
WI dimana arti penting setiap kovariat itu berbeda-beda antara sifat tanah.
2. Duapuluh tujuh model penaksir tergolong memuaskan berdasarkan hasil analisis ragam dan analisis lack of fit yaitu: model penaksir fraksi klei
Clay, fraksi pasir Sand, karbon organik tanah SOC, bahan organik tanah SOM, Total Nitrogen Ntot, pH, kapasitas tukar kation CEC dan
kejenuhan basa BS masing-masing untuk tiga kelas kedalaman serta model penaksir kedalaman tanah Soildepth, ketebalan horizon A
Athick, dan kedalaman ke horizon B DepthtoB. 3. Hasil validasi mengindikasikan bahwa model penaksir Soildepth, Athick,
DepthtoB, Clay semua kelas kedalaman, SOC semua kelas kedalaman, SOM semua kelas kedalaman, Total N semua kelas kedalaman, pH semua
kelas kedalaman, CEC semua kelas kedalaman, dan BS pada kedalaman 0- 30 cm mempunyai daya taksir yang tergolong baik dengan kelas daya
taksir tinggi, sedang atau rendah sehingga dapat digunakan untuk menaksir sifat tanah menggunakan kovariat yang ada.
4. Kovariat dan model tanah-lanskap memperkaya alat bantu untuk mempercepat pemetaan tanah baik dalam membantu delineasi kondisi
lahan seperti relief dan drainase maupun dalam menduga keragaman sifat tanah di lapangan.
5. Sifat tanah hasil taksiran model yang disajikan secara kuantitatif menawarkan alternatif penyajian data yang diperlukan untuk pemodelan
lingkungan dalam pengembangan data dan informasi spasial. 3.5.2 Saran
Perlu dikaji hasil taksiran model jika kovariat diturunkan dari DEM yang resolusinya lebih kecil misalnya 30 m x 30 m.
IV. PENGEMBANGAN MODEL REGRESI POHON TANAH-LANSKAP
4.1 Pendahuluan
Metode pengembangan model yang telah diadaptasi di ilmu tanah bermacam-macam. Secara garis besar model ini dapat dikelompokan ke dalam i
pendekatan statistika univariate dan multivariate, ii pendekatan geostatistika, iii pendekatan hibrida yaitu metode geostatistika yang dikombinasikan dengan
pendekatan lain, iv pendekatan pemodelan berbasis proses, v pendekatan analisis pohon keputusan decision tree, dan vi pendekatan sistem pakar Scull
et al. 2003; Grundwald 2009; Grundwald 2010. Knowledge-based modelling Bockheim McLeod 2008; MacMillan et al. 2010 masih jarang digunakan
untuk menaksir sifat tanah dibandingkan metode stokastik atau deterministik. Bishop dan Minasny 2006 telah membandingkan keragaan beberapa
teknik pemodelan. Parameter pembanding meliputi kemudahan penggunaan, parsimoni, kemudahan interpretasi, penanganan ketidaklinearan, penaksiran data
kualitatif, dan lainnya. Teknik yang sering digunakan adalah simple linear model SLM, logistic regression, generalized linear model, dan generalized additive
model, serta classification and regression tree CRT. Kecuali SLM, teknik pemodelan lainnya dapat menaksir target bertipe dikotomi ya atau tidak maupun
kategorik tiga kategori atau lebih.
Tree-based model TBM merupakan metode pengepasan fitting method yang mengoptimalkan hubungan antara input yaitu faktor lingkungan dan output
yaitu sifat tanah atau kelas sifat tanah menggunakan algoritma CRT. Metode ini semakin populer karena mudah digunakan dan mampu menaksir dengan baik
Breiman et al. 1984; Breiman 1996; Hand et al. 2001. TBM dapat dibedakan atas classification tree untuk peubah respon bertipe
kategorik atau boolean dan regresion tree untuk peubah respon bertipe kontinyu. Regression tree adalah tipe non parametrik dari model regresi yang membagi nilai
peubah respon berurutan menggunakan peubah-peubah penaksir. Pembagian spliting terus dilakukan menggunakan algoritma binary recursive partitioning
Breiman et al. 1984 sampai galat mencapai batas kriteria yang ditetapkan. Cara
yang sama dilakukan untuk classification tree. Kelemahan dari TBM adalah bahwa ia bersifat overfitting, kurang robust jika ditransfer ke wilayah geografis
lain, serta keragaan yang rendah pada dataset yang sedikit misalnya 22 dataset. Keragaman sifat tanah dikontrol oleh faktor-faktor pembentuk tanah yakni
iklim, bahan induk, relief, organism, dan umur Jenny 1941. Diduga daya kontrol setiap faktor tersebut terhadap suatu sifat tanah berbeda-beda di setiap wilayah,
dimana keragaman nilai sifat tanah ditentukan oleh faktor yang paling dominan. Tantangan yang ada adalah: i bagaimana memilih kovariat yang tepat untuk
mewakili kelima faktor pembentuk tanah tersebut, ii bagaimana mengukur tingkat kepentingan kovariat yang tersedia terhadap setiap sifat tanah, dan iii
bagaimana model hubungan antara kovariat dengan sifat tanah tersebut. Di Indonesia data lingkungan yang tersedia dan dapat diperoleh dengan
mudah adalah i peta zone agroklimat untuk data iklim, ii SRTM DEM untuk data iklim mikro dan relief, dan iii peta geologi untuk litologi dan bahan induk.
Sementara itu, beberapa perangkat lunak pengolah data raster tersedia secara gratis dan bisa dipergunakan secara bebas misalnya SAGA GIS. Data lingkungan
dan data tanah yang tersedia dengan didukung penuh oleh perangkat lunak pengolahan data dapat digunakan untuk menggali hubungan-hubungan antara sifat
tanah dengan kovariat yang diturunkan dari ketiga data tadi, terutama bila mencakup areal luas dan memerlukan banyak data.
Bab II telah membahas dataset tanah-lanskap yang dapat digunakan untuk membuat model. Bab III telah menggunakan dataset ini untuk membuat model
regresi tanah-lanskap. Penelitian ini bertujuan untuk: i mengembangkan model rule tanah-lanskap dari data tanah warisan dari Pulau Jawa, dan ii menguji daya
taksir model yang dikembangkan dengan teknik validasi silang. Pemodelan pada Bab III menggunakan kovariat diturunkan dari terain. Pada penelitian ini, penaksir
adalah kovariat yang mewakili zone agroklimat curah hujan, ketinggian tempat di atas permukaan laut untuk mewakili temperatur, bahan induk, posisi lereng, dan
umur lahan. Kovariat ini digunakan untuk menaksir 12 sifat tanah yang sama seperti pemodelan pada Bab III.
