Variabel Lingkungan Metodologi Penelitian

peubah lingkungan yang berpengaruh nyata ke dalam sebuah peta kesesuaian dengan fungsi regresi logistik Syartinilia dan Tsuyuki, 2008. Rumus yang digunakan untuk menggambarkan fungsi regresi logistik LR sebagai berikut:                     k j ji j x i P 1 exp 1 1   Keterangan : Pi : Peluang titik observasi ke-i sesuai untuk habitat SMA  : Intersep k : Jumlah variabel penduga =n j  : Koefisien regresi logistik biner dari variabel penduga ke-j ji x : Variabel penduga ke-j Tingkat kesesuaian habitat ditentukan berdasarkan pada dua kategori yaitu tidak sesuai non suitability dengan nilai probabilitas 0,0 dan sesuai suitability dengan nilai probabilitas 1,0. Penelitian ini juga menggunakan nilai ambang batas 0,5 untuk mengidentifikasi setiap patch dimana subpopulasi SMA dapat bertahan hidup. Threshold sebesar 0,5 digunakan dalam memprediksi distribusi spesies Syartinilia dan Tsuyuki, 2008. Beberapa penelitian yang menggunakan regresi logistik sebagai metode analisis data antara lain : 1 Penelitian elang jawa di Taman Nasional Gunung Gede Pangrango oleh Syartinilia and Tsuyuki 2008. Penelitian ini menggunakan sarang burung elang jawa sebagai variabel terikatrespon P, sedangkan variabel bebaspenjelas Xij antara lain kemiringan, ketinggian tempat, NDVI, Sun Index, jarak ke jalan, jarak ke sungai dan jarak ke permukiman. 2 Penelitian burung hantu kerdil utara di Pegunungan Rocky, Kanada oleh Piorecky and Prescott 2006. Penelitian ini menggunakan lokasi perjumpaan dengan burung hantu kerdil utara sebagai variabel terikatrespon Z, sedangkan variabel ebbaspenjelas Xij antara lain kelembaban, tutupan tajuk, komposisi vegetasi, komposisi umur vegetasi, komposisi tinggi tegakan, indeks fragmentasi, struktur alternatif, dan lain-lainnya.\ 3 Penelitian pemetaan kebakaran permukaan oleh Koutsias 2003. Penelitian ini menggunakan piksel dimana terdapat titik kebakaran sebagai variabel terikatrespon P. 4 Penelitian mengenai kesesuaian habitat potensial spesies banteng oleh Rekyanto 2010 dengan asumsi : jarak 0-1,5 km dari tepi padang pengembalaan merupakan lokasi presence data dan jarak 1,5 km dari tepi padang pengembalaan merupakan lokasi pseudo-absence data. Pengambilan sampel titik observasi untuk lokasi presence data dilakukan dengan pengamatan banteng, jejak tapak, dan jejak fesesnya. Variabel penduga yang diuji meliputi : ketinggian x1, kelerengan x2, penutupan vegetasi [NDVI] x3, jarak terdekat dari padang rumput x4, jarak terdekat dari sungai x5, jarak terdekat dari pantai x6, dan jarak terdekat dari jalur patroli x7.

3.3.4 Uji Kelayakan Model

Uji kelayakan model menilai bagaimana sebuah model dapat menggambarkan variabel terikat. Penilaian kelayakan model berkaitan dengan penelusuran seberapa dekat nilai prediksi dari sebuah model terhadap nilai pengamatan. Untuk melakukan uji kelayakan model, maka digunakan uji Hosmer- Lemeshow 0,05 model dinyatakan layak. Uji ini cocok untuk model yang terdiri dari beberapa variabel bebas baik yang bernilai kontinu atau kategorik Hosmer et al. 1997. Koefisien determinasi ditentukan dengan menggunakan model Nagelkerke R 2 yang analog dengan R2 pada metode kuadrat terkecil untuk fungsi regresi linear berganda Piorecky dan Prescott 2006. Nagelkerke R 2 menunjukkan seberapa penting variabel bebas dalam memprediksi variabel terikat.

3.3.5 Validasi Model

Validasi model berguna untuk menujukkan apakah model dapat diektrapolasi di kawasan lain atau tidak. Validasi model dilakukan di lokasi yang sama dengan lokasi pengambilan cara untuk membangun model. Teknis pelaksanannya adalah 30 data pengamatan atau 118 titik yang digunakan sebagai data untuk menyusun model kesesuaian habitat, sedangkan sisanya yakni 70 atau 500 titik digunakan untuk keperluan validasi model. Validasi model ditentukan berdasarkan dua kesalahan error. Terdapat dua kesalahan error yang dijumpai dalam tahap validasi model baku pertama comission error, dimana model memprediksi suatu lokasi atau bisa disdefinisikan sebagai kesalahan karena mendeteksi kawasan yang tidak ditemukan adanya SMA Syartinilia et al. 2013 dan kedua, ommision error, dimana model memprediksi suatu lokasi sebagai habitat yang sesuai namun tidak pernah dilaporkan adanya burung Sikep Madu Asia pada lokasi tersebut atau didefiniskan sebagai kesalahan karena gagal untuk memprediksi terjadinya spesies yang benar-benar hadir Syartinilia et al. 2013.

3.3.6 Analisis Vegetasi

Menurut Indriyanto 2006, analisis vegetasi merupakan suatu cara mempelajari susunan atau komposisi jenis dan bentuk atau struktur vegetasi. Dalam ekologi hutan, satuan vegetasi yang dipelajari atau diselidiki berupa komunitas tumbuhan yang merupakan asosiasi konkret dari semua spesies tumbuhan yang menempati suatu habitat. Untuk melihat gambaran habitat yang dilakukan SMA dengan cara menganalisis vegetasi menggunakan lima petak contoh berukuran 20 m x 20 m yang ditempatkan secara acak pada masing-masing habitat yaitu di Core Habitat dan Edge Habitat. Parameter yang diamati terdiri dari diameter batang, tinggi pohon serta jumlah individu dan jenis pohon. Pengukuran diameter batang Dbh dilakukan pada ketinggian 1,3 meter atau 20 cm di atas akar papan jika akar papan lebih tinggi dari 1,3 meter Loetch et al. 1973. Menurut Husch et al.2003, diameter merupakan salah satu peubah pohon yang mempunyai arti penting dalam pengumpulan data tentang potensi hutan untuk keperluan pengelolaan. Rekaman