HASIL DAN PEMBAHASAN
5.2 Faktor Penentu Kesesuaian Habitat Metroxylon spp
5.3.2 Analisis regresi logistik (Logistic Regression Analysis) .1 Model kesesuaian habitat Metroxylon spp
Logistic Regression Analysis didefinisikan oleh Gotelli dan Ellison (2004)
sebagai satu bentuk khusus dari persamaan regresi dengan variable respon bersifat kategoris, dan variabel masukan bersifat kuntinyu. Variabel masukan yaitu variabel kesesuaian yang digunakan dalam membangun model regresi logistik yaitu enam data spasial antara lain jenis tanah, jarak sungai, ketinggian, kemiringan lereng, dan nilai tutupan vegetasi (NDVI). Titik obyek Metroxylon spp. pada lampiran 3, digunakan untuk mngetahui kedudukan Metroxylon spp. pada setiap variabel data spasial. Kemudian nilai digital number dari kedudukan titik Metroxylon spp. pada tiap variabel data spasial diolah dengan menggunakan analisis regresi logistik biner pada SPSS 19.
Hasil perhitungan dengan SPSS 19 dengan taraf kepercayaan 95%, kelima variable kesesuaian yang digunakan memiliki taraf signifikansi kurang dari 0,05 (lampiran 4). Konstanta persamaan regresi yang didapatkan (β0) sebesar -10,182, dengan koefisian pada setiap variabelnya dapat dilihat pada Tabel 12.
Tabel 12 Koefisien regresi dan taraf signifikansi variable kesesuaian habitat
Metroxylon spp.
No. Variabel kesesuaian Koefisien regresi Signifikansi
1. Jenis tanah (tn) 2,537 0,003
2. Kemiringan lereng (slp) 0,463 0,018
3. Ketinggian (elv) -0,008 0,001
4. Jarak sungai (js) -0,005 0,000
5. Tutupan vegetasi (ndvi) 5.836 0,000
Berdasarkan hasil perhitungan tersebut, maka didapatkan bentuk persamaan regresi logistic biner seperti dibawah ini:
Z= -10,182+(2,537*tn)+( 0,463*slp)+( -0,008*elv)+( -0,005*js)+( 5.836*ndvi) Z= -10,182+(2,537*tn)+( 0,463*slp)-( 0,008*elv)-(0,005*js)+( 5.836*ndvi) Kemudian persamaan P= [ez /(1+ez)]
Semua variabel memberikan nilai yang signifikan terhadap model kesesuaian habitat yaitu kurang dari 0,05. Dapat diartikan bahwa semua variable berpengaruh nyata terhadap model kesesuaian habitat. Pada variabel jenis
tanah(tn), kemiringan lereng (slp), dan tutupan vegetasi (ndvi) mempunyai korelasi positif terhadap model, sedangkan untuk variabel ketinggian (elv) dan variabel jarak sungai (js) mempunyai korelasi negative dengan model kesesuaian.
Bobot dari tiap variabel kemudian digunakan untuk menentukan indeks kesesuaian habitat Metroxylon spp, sebelum dilakukan perhitungan kesesuaian habitat terlebih dahulu dilakukan klasifikasi pada tiap variabel guna menentukan skor tiap kelas dari variabel tersebut. Skor dari masing-masing kelas variabel ditentukan oleh banyaknya ditemukan titik-titik keberadaan dari habitat
Metroxylon spp pada kelas-kelas yang telah ditentukan. Skor dari kelas variabel
disajikan pada Tabel 13.
Tabel 13 Skor variabel/faktor kesesuaian habitat
No. Variabel Kelas Skor
1 Ketinggian 0 - 250 m dpl 3 250 - 500 m dpl 2 > 500 m dpl 1 2 kemiringan lereng 0 - 8% 5 8 - 15% 4 15 - 25% 3 25 - 40% 2 > 40% 1 3 Jarak sungai 0 - 300 m 3 300 - 600 m 2 > 600 m 1
4 Tutupan Vegetasi (NDVI) (-1) - (-0,5) 1
(-0,5) - (-0,25) 3
(-0,25) - 0,25 5
0,25 - 0,5 4
0,5 – 1 2
5 Jenis Tanah Aluvial 3
Phyllite 2
Limestone 1
5.3.2.2 Kelas kesesuaian habitat Metroxylon spp.
Berdasarkan persamaan atau model kesesuaian yang telah didapatkan, dihitung nilai maksimum dan nilai minimum kesesuaian. Hasil penghitungan menunjukkan nilai maksimum P = 1. Sedangkan nilai minimum P = 0,21. Kemudian dilakukan penghitungan selang kelas kesesuian yaitu dengan membagi tiga selisih nilai indeks kesesuaian habitat yang tertinggi dan terendah.
41
Kesesuaian Metroxylon sp. di Pulau Seram dikelompokkan menjadi tiga kelas kesesuaian yang tersaji pada Tabel 14 berikut luasan arealnya.
Tabel 14 Kelas kesesuaian habitat Metroxylon spp. beserta luas areal
No. Kelas Kesesuaian Habitat Selang Luas (Ha)
1 Kesesuaian rendah 0 – 0,33 1.111.759,61
2 Kesesuaian sedang 0,33 – 0,67 114,75
3 Kesesuaian tinggi 0,67 – 1 617.50,.23
5.3.2.3 Pengujian kelayakan model kesesuaian habitat Metroxylon spp.
Pengujian kelayakan model kesesuaian habitat dengan analisis regresi logistik dapat dilakukan dengan menurunkan nilai -2 Log-likelihood serta uji
Hosmer and Lemeshow hasil pengolahan data menggunakan SPSS 19.0
berdasarkan penurunan nilai -2 Log-likelihood, model diterima jika signifikansi penurunan nilai -2 Log-Likelihood kurang dari 0,05. Berdasarkan hasil analisis regresi logistik yang terlampir pada lampiran 4, dapat dilihat bahwa nilai -2
Log-likelihood adalah 70,177 dengan signifikansi 0,000 atau kurang dari 0,05.
Berdasarkan Uyanto (2006), jika taraf signifikansi (P-value) <0,05 maka hasil uji signifikan dan model layak untuk digunakan.
Uji Hosmer and Lemeshow digunakan untuk mengetahui kesesuaian variabel masukan yang digunakan untuk membangun model kesesuaian dengan model yang dihasilkan. Nilai uji Hosmer and Lemeshow adalah 8,704 dengan taraf signifikansi uji adalah 0,368. Hal ini berarti bahwa variabel masukan (jenis tanah, ketinggian, kemiringan lereng, jarak dari sungai dan NDVI) dinyatakan sesuai dengan model, karena taraf signifikansi lebih besar dari 0,05. Kemudian kemampuan variabel untuk menjelaskan kesesuaian habitat Metroxylon sp. dalam penyusunan model dapat ditunjukkan dengan nilai Negelkerke R2. Hasil penghitungan nilai Negelkerke R2 sebesar 0, 563 (56,3%). Hal ini menunjukkan bahwa kesesuaian habitat Metroxylon spp. dapat dijelaskan oleh variable yang dipergunakan dalam penyusunan model.
5.3.3 Validasi
Validasi model dilakukan dengan menguji model menggunakan data validasi. Data validasi yang digunakan sebanyak 128 titik terdiri dari titik 64 titik
ditemukan sagu dan 64 titik tidak ditemukan sagu (Lampiran 5). Validasi dilakukan dengan mengoverlaykan data titik validasi Metroxylon spp. dengan peta kesesuaian yang telah dibuat. Baik peta kesesuaian berdasarkan hasil analisis komponen utama ataupun analisis regresi logistik. Nilai validasi diperoleh dengan membagi banyaknya titik Metroxylon spp. pada suatu kelas kesesuaian terhadap jumlah total titik Metroxylon spp. yg ditemukan. Hasil validasi tiap kelas kesesuaian habitat Metroxylon spp. dapat dilihat pada Tabel 15.
Tabel 15 Hasil validasi model kesesuaian habitat Metroxylon spp.
No. Kelas Kesesuaian
Model Berdasarkan Analisis Komponen Utama
Model Berdasarkan Analisis Regresi Logistik Jumlah Titik Metroxylon spp. Persentase (%) Jumlah Titik Metroxylon spp. Persentase (%) 1. Tinggi 42 65,62 53 82,81 2. Sedang 19 29,68 - - 3. Rendah 3 4,68 41 64,06
43 Ga mbar 17 P eta k ese sua ian ha bit at M etrox ylon spp. di P ulau Ser am Maluku be rda sa rka n An ali sis R egr esi Logi sti k .
6.1 Kesimpulan
1. Metroxylon spp. dapat ditemukan pada daerah-daerah dengan karakteristik seperti: 1) Ketinggian tempat antara 0 m dpl hingga 250 mdpl. 2) Kemiringan lereng yang datar yaitu 0 – 8%. 3) Pada jenis tanah Alluvial. 4) Jarak dari sungai < 300 m. 5) Dengan nilai NDVI kisaran -0,25 hingga 0,25. Kelima faktor fisik tersebut mempengaruhi kesesuaian habitat Metroxylon spp. secara signifikan dengan nilai signifikansi kurang dari 0,05 atau lebih dari 95%. 2. Model kesesuaian habitat Metroxylon spp. yang dipilih adalah model
kesesuaian berdasarkan Analisis Regresi Logistik, dengan persen validasi
82,81%, yang berarti model sangat baik untuk digunakan. Model regresi
logistik yang dihasilkan adalah:
6.2 Saran
1. Melakukan inventarisasi Metroxylon spp. di Pulau Seram secara menyeluruh untuk mendapatkan data sebaran Metroxylon spp. dan secara temporal agar dapat diketahui kondisi sebaran Metroxylon spp. dari waktu ke waktu.
2. Luas areal potensial Metroxylon spp. berdasarkan prediksi model analisis regresi untuk lahan sesuai tinggi sebesar 617.500,225 Ha, sedang luas aktual sebesar 18.239,76 Ha. Hal ini menunjukkan masih banyak lahan potensial
Metroxylon spp. belum dimanfaatkan. Oleh karenanya perlu menggalakkan