yang multikolinearitas variabel bebasnya saling berkorelasi. Oleh karena
terdapat variabel bebas yang saling berkorelasi maka tidak semua variabel bebas hasil analisis regresi stepwise masuk dalam model. Hal ini disebabkan, variabel
bebas lain yang memiliki korelasi lebih besar dengan variabel tidak bebas sudah diwakilinya Iriawan dan Astuti, 2006. Pemilihan prosedur regresi stepwise ini
dimaksudkan untuk menghasilkan model regresi regresi berganda terbaik. Persamaan yang digunakan adalah sebagai berikut Supranto, 2004 :
Y1 = bo + b1x1 + b2x2 + .....+ b12x12 + ε Dimana :
Y1 = Lama waktu aktifitas owa jawa
bo = Nilai Intersep
bi = Nilai koefesien regresi ke-i
X1 = Tinggi Pohon m
X2 = Tinggi Bebas Cabang Pohon m
X3 = Diameter Pohon cm
X4 = Tajuk Pohon
X5 = Profil Pohon
X6 = Kerapatan Pohon
X7 = Kerapatan Tajuk LAI
X8 = Ketinggian tempat m dpl
X9 = Kemiringan Lereng
X10 = Jarak dari sungai m
X11 = Jarak dari jalan m
X12 = Jarak dari perkebunan m
Hipotesis yang dibangun adalah : H0: Tidak terdapat hubungan antara variabel x dengan variabel y
H1: Minimal terdapat satu hubungan antara variabel x dengan variabel y Keputusan yang diambil adalah jika nilai p ≤ 0.05, maka tolak H0 Terima
H1 begitupun sebaliknya, jika nilai p 0.05 maka terima H0 tolak H1.
4.3.2.4 Analisis Spasial Model Habitat Preferensial
Untuk membuat model spasial habitat preferensial, terlebih dahulu dilakukan pembangunan data spasial di CAGT. Data yang dikumpulkan meliputi
data spasial yang berupa: a Peta kawasan CAGT, b citra landsat ETM+5 path 122 row 65 wilayah Jawa Barat tahun 2007, c peta rupa bumi Jawa Barat d
data lapangan, titik koordinat plot owa. Pembangunan data spasial dilakukan
dengan mengolah dan menyimpan data yang diperoleh ke dalam bentuk peta-peta tematik di CAGT, yaitu: peta tutupan lahan, peta ketinggian tempat, peta
kemiringan lereng, peta sungai, peta jalur manusia jalan dan peta Normalize Digital Vegetation Index
NDVI. 4.3.2.4.1
Pembuatan peta LAI
Image fotografi
hemisphirical berasal
dari pengambilan
foto hemisphirical yang dilakukan dibeberapa tipe tutupan tajuk habitat owa jawa di
TNGP. Hal tersebut dilakukan dengan pertimbangan ketersediaan alat dan tipe tutupan tajuk yang mempunyai kemiripan antara TNGP dan CAGT. Untuk
presisi dugaan nilai LAI di CAGT, terlebih dahulu dibuat persamaan regresi antara nilai NDVI dari citra landsat TNGP dengan nilai LAI di TNGP
berdasarkan hasil analisis foto hemisphirical menggunakan software Hemiview. Persamaan tersebut akan menghasilkan model regresi untuk nilai LAI di TNGP.
Selanjutnya nilai LAI di TNGP diregresikan kembali dengan nilai NDVI dari Citra Landsat CAGT. Tahapan pembuatan peta LAI tersebut disajikan pada
Gambar 7 berikut ini :
Gambar 7. Bagan pembuatan peta LAI.
Citra Landsat TNGP dan CAGT
Koreksi Geometrik Peta LAI CAGT
Regresi
Nilai Leaf Area Index LAI di TNGP
Normalize Digital Vegetation Index
NDVI TNGP Fotografi Hemisphirical di TNGP
Nilai Leaf Area Index LAI di CAGT
Regresi Normalize Digital Vegetation
Index NDVI CAGT
Software Hemiview Nilai LAI di koordinat
Fotografi Hemisphirical di TNGP
4.3.2.4.2 Pembuatan peta ketinggian dan peta kemiringan lahan
Peta ketinggian dan kemiringan lereng dibuat dari data peta kontur vektor yang dianalisis dengan menggunakan software Arc View GIS 3.3
sehingga menghasilkan peta ketinggian dan kemiringan lereng digital yang diinginkan.
Gambar 8. Bagan pembuatan peta ketinggian dan peta kemiringan lereng.
4.3.2.4.3 Pembuatan peta jarak dengan jalan, sungai dan perkebunan
Peta jarak jalan buffer dibuat dari data peta jaringan jalan vektor, sungai dan enclave perkebunan yang dianalisis dengan menggunakan software
Arc View GIS 3.3.
Gambar 9. Bagan pembuatan peta jarak dari jalan, sungai dan perkebunan.
4.3.2.4.4 Pembuatan Peta Habitat Preferensial
Hasil dari analisis preferensial pada peubah yang dianalisis secara spasial menjadi acuan dalam pembobotan peta. Peubah fisik dan biotik yang mempunyai
indek preferensi 1, akan diberi kelas disukai dan sebaliknya untuk indeks preferensi 1.
Neu 1974 menyatakan bahwa preferensi didapatkan dari proporsi penggunaan berbanding ketersediaan, dalam penelitian ini proporsi
dimaksud adalah proporsi lama waktu aktifitas owa jawa pada peubah. Oleh
Data Vektor Kontur Digital elevation Model
DEM
Peta Kemiringan Lereng Peta Ketinggian
Peta Buffer Jalan Sungai Perkebunan Peta Jalan Sungai Perkebunan
karena itu, prosedur yang sama dilakukan pada pembuatan peta habitat preferensial.
Untuk analisis preferensi pada ketinggian dan kemiringan lereng, ketersediaan data didapatkan melalui peta raster DEM 30x30, yang berisi nilai
continues di setiap pikselnya. Berbeda dengan jarak dari sungai, jarak dari kebun
dan jarak dari jalan, yang berupa buffer, dalam bentuk data discrete. Agar peta- peta tersebut dapat memiliki nilai piksel, maka dilakukan transformasi peta
menggunakan Euclidean Distance pada software ArcGis 3.3. Adapun tahapan analisis dan pembuatan peta preferensial owa jawa terhadap jarak dari sungai,
kebun dan jalan akan disajikan pada gambar berikut ini :
Gambar 10. Tahapan Pembuatan Peta Preferensial Menggunakan Euclidean
Distance Peta-peta preferensi pada berbagai tipe peubah yang telah dibuat
selanjutnya ditumpang tindihkan overlay untuk mendapatkan peta habitat preferensial owa jawa di CAGT. Overlay dari peta-peta tematik preferensi owa
jawa dilakukan dengan menggunakan model persamaan analisis regresi berganda. Adapun model persamaan analisis regresi berganda dinotasikan sebagai berikut :
Y = ak1+bk2+ck3+dk4+ek5+fk6 Keterangan:
Y = Model habitat preferensial owa Jawa di CAGT a-f = Nilai bobot setiap variabel hasil analisis regresi
k1 = Ketinggiantempat k2 = Kemiringan lereng
Peta Jarak Dari Sungai Peta Jarak Dari Jalan
Analisis Preferensial Spatial Analyst Tools
Titik Koordinat Owa Jawa Peta Jarak Dari Kebun
Data Titik dari Sumber : Discrete Euclidean Distance
Data Titik dari Sumber : Continues Peta Preferensial Peubah
k3 = Kerapatan tajuk k4 = Jarak dari jalan
k5 = Jarak dari sungai k6 = Jarak dari perkebunan
Persamaan regresi menjadi pembobot dalam tumpang tindih overlay peta preferensial pada tiap tipe peubah. Peta berisi nilai piksel tertentu, dimana nilai
tersebut akan menjadi dasar dalam pengklasifikasian luas habitat preferensial dan habitat non preferensial di CAGT.
Adapun tahapan pembuatan peta habitat preferensial secara terperinci akan diuraikan pada gambar sebagai berikut :
Gambar 11. Tahapan Pembuatan Peta Habitat Preferensial Owa Jawa Di CAGT.
Titik Pengamatan Owa Jawa
Analisis Regresi Berganda Model Habitat Preferensial
Peta Habitat Preferensial Overlay
Peta Preferensi
Ketinggian Tempat
Peta Preferensi
Kemiringan Lereng
Ketinggian Tempat
Kemiringan Lereng
Analisis Preferensial Topografi
Euclidean Distance Peta
Buffer Jalan
Peta Preferensi
Jarak Dari Kebun
Peta Preferensi
Jarak Dari Sungai
Peta Preferensi
Jarak Dari Jalan
Jaringan sungai
Peta Buffer Jarak dari kebun
Lama Waktu Aktifitas Owa
Jawa
Peta Preferensi
LAI Peta LAI
Raster DEM 30x30
Peta NDVI
Nilai LAI Hemiview
Fotografi Hemisphirical
Citra Landsat Band 3 dan Band 4
Analisis Peta Habitat Preferensial
Regresi Linier Jalan
Tutupan Lahan
V
.
HASIL DAN PEMBAHASAN 5.1
HASIL
Jumlah plot sampling didapatkan sebanyak 49 buah dengan berbagai bentuk aktifitas, peubah, frekuensi dan lama waktu perjumpaan. Semua pohon yang menjadi
pusat kuadran adalah pohon pakan berdasarkan hasil studi pakan owa jawa yang telah dilakukan sebelumnya Kappeler, 1984; Iskandar, 2007; Sartika, 2008.
Hasil penelitian terbagi dalam 3 tiga bagian utama, yaitu hasil identifikasi terhadap
peubah determinan owa jawa, hasil analisis preferensial terhadap peubah determinan dengan konklusi berupa karakteristik habitat preferensial owa jawa dan model spasial
habitat preferensial owa jawa.
5.1.1 Identifikasi Peubah Determinan