5.1 Peta Tematik untuk Membuat Model
5.2.2 Model kesesuaian habitat
Berdasarkan bobot hasil PCA yang telah diperoleh maka Model Kesesuaian Habitat Owa Jawa di Cagar Alam Gunung Tilu adalah sebagai berikut:
33 Selang = 23,4124 – 2,088 3 = 7,1081 0 50000 100000 150000 200000 250000 300000 350000 2. 09 3. 09 4. 09 5. 09 6. 1 7. 1 8. 1 9. 1 10. 1 11. 1 12. 1 13. 1 14. 1 15. 1 16. 1 17. 1 18. 1 19. 1 nilai piksel poi nt s
dimana: Y = Model kesesuaian habitat FLAI = skor kesesuaian LAI
Fjalan = skor kesesuaian jarak dari jalan
Ftinggi = skor kesesuaian ketinggian
Ftinggi = skor kesesuaian ketinggian
Flereng = skor kesesuaian kemiringan lahan tempat
Model kesesuaian habitat owa Jawa dianalisis secara spasial dengan menggunakan beberapa metode yaitu pembobotan dan overlay.
Gambar 12 Grafik nilai piksel model kesesuaian habitat.
Pada hasil overlay didapatkan nilai piksel terendah adalah 2,088 dan tertinggi 23,4124 sehingga selang kesesuaiannya adalah selisih nilai maksimum dan minimum piksel dibagi 3 (tiga), karena akan diklasifikasi menjadi 3 (tiga) kelas kesesuaian, yaitu:
Berdasarkan nilai selang tersebut, maka klasifikasi kesesuaian habitat owa Jawa di CAGT adalah sebagai berikut:
34 Tabel 7 Klasifikasi kesesuaian habitat owa Jawa
Klasifikasi Kesesuaian Nilai
Kesesuaian Kategori
Rendah 2,088-7,1081 KH1
Sedang 7,1081-14,2162 KH2
Tinggi >14,2162 KH3
Peta kesesuaian habitat owa Jawa di Cagar Alam Gunung Tilu dapat dilihat pada Gambar 13.
Berdasarkan tabel tersebut didapat bahwa model kesesuaian habitat terdiri dari tiga kelas, yaitu kelas kesesuaian rendah, sedang, dan tinggi. Klasifikasi kesesuaian didasarkan pada pembagian nilai piksel, semakin tinggi nilai piksel pada suatu daerah maka semakin sesuai daerah tersebut bagi owa Jawa. Daerah dengan klasifikasi kesesuaian tinggi berada pada nilai piksel di atas (>) 14,2162 dengan luas sebesar 8784,63 Ha. Daerah tersebut menyebar di seluruh kawasan, daerah yang paling luas kesesuaian habitat tinggi berada pada wilayah timur laut dan selatan wilayah batas studi.
Pada wilayah selatan batas studi terdapat perkebunan Dewata, aktivitas manusia pada daerah tersebut dapat dipastikan memiliki tingkat aktivitas yang tinggi, hal tersebut mungkin diakibatkan karena pada awalnya daerah tersebut merupakan daerah yang sesuai bagi owa Jawa. Namun berdasarkan data Seksi Konservasi Wilayah (SKW) I tahun 2004 dalam Siswoyo et al. (2005), kegiatan pencurian hasil hutan dan perambahan di CAGT sering terjadi dan perambahan terbesar terjadi pada tahun 2001 dengan luas perambahan sebesar 283,5 Ha. Chivers (1984) dan Kappeler (1984) dalam Tobing (1999) dalam Dewi (2005) menyatakan bahwa penggunaan ruang pada owa Jawa dalam melakukan aktivitas adalah bersifat teritorial (daerah tetap). Dengan demikian apabila terjadi destruksi hutan sebagai habitatnya, sangat kecil kemungkinannya bagi owa Jawa untuk bermigrasi ke daerah baru (Dewi 2005). Hal tersebut yang mungkin menyebabkan daerah di sekitar perkebunan berada pada klasifikasi kesesuaian tinggi bagi owa Jawa, didukung dengan variabel habitat lain yang sesuai bagi owa Jawa, seperti ketinggian dan kemiringan lahan pada daerah tersebut.
35 Daerah dengan klasifikasi kesesuaian habitat sedang memiliki luas sebesar 5951,25 Ha, dengan nilai piksel antara 7,1081-14,2162. Daerah tersebut menyebar dengan luasan yang relatif lebih kecil dibandingkan dengan klasifikasi kesesuaian tinggi. Daerah terluas pada klasifikasi kesesuaian sedang berada pada wilayah tengah khususnya bagian utara dan timur laut wilayah tersebut. Pada peta model kesesuaian habitat tidak ditemukan wilayah dengan klasifikasi kesesuaian rendah, karena luas pada klasifikasi kesesuaian tersebut adalah nol (0). Maka dapat dikatakan bahwa klasifikasi kesesuaian rendah dengan nilai piksel antara 2,088-7,1081 tidak ada.
5.3 Validasi
Validasi dilakukan untuk mengetahui tingkat kepercayaan terhadap model yang dibangun. Jumlah titik pertemuan kelompok owa Jawa untuk validasi diperoleh sebanyak (delapan) 8 titik di daerah blok Binatang, Dewata.
Tabel 8 Validasi setiap kelas kesesuaian
Tingkat
Kesesuaian Nilai Kesesuaian
Klasifikasi
Kesesuaian Luas (Ha)
Jumlah kelompok owa Jawa Validasi (%) 1 2,088-7,1081 Rendah 10263,125 0 0 2 7,1081-14,2162 Sedang 6197,3125 1 12,5 3 >14,2162 Tinggi 8538,5625 7 87,5
Berdasarkan uji validasi, ternyata model yang dibangun dapat diterima dengan tingkat validasi mencapai 87,5% untuk tingkat kesesuaian tinggi. Sedangkan pada tingkat kesesuaian sedang tingkat validasinya bernilai 12,5% oleh karena kekurangan data untuk validasi, khususnya pada kelas kesesuaian sedang dan rendah.
36 Gambar 13 Peta kesesuaian habitat.
6.1 Kesimpulan
Model kesesuaian habitat owa Jawa yang dihasilkan adalah:
Y = (2,154xFLAI) + (2,154xFjalan) + (1,044xFtinggi) + (1,044xFlereng). Model tersebut menunjukkan bahwa varibel habitat yang paling berpengaruh bagi owa Jawa adalah kerapatan tajuk (Leaf area index) dan faktor manusia (jarak dari jalan). Habitat dengan klasifikasi kesesuaian tinggi, dengan nilai piksel di atas (>) 14,2162 memiliki luas sebesar 8784,63 Ha. Daerah tersebut menyebar di seluruh kawasan, daerah yang paling luas kesesuaian habitat tinggi berada pada wilayah timur laut dan selatan wilayah batas studi. Berdasarkan uji validasi, ternyata model yang dibangun dapat diterima dengan tingkat validasi mencapai 87,5% untuk tingkat kesesuaian tinggi.
6.2 Saran
Model kesesuaian habitat owa Jawa yang dihasilkan diharapkan dapat menjadi penunjang bagi pihak pengelola Cagar Alam Gunung Tilu, khususnya dalam hal pengelolaan owa Jawa di CAGT, demi menunjang kelestariannya. Perlu penelitian lebih lanjut mengenai keberadaan owa jawa pada wilayah lain di Cagar alam tersebut guna meningkatkan kepercayaan terhadap model yang dibangun (validasi).
[CII] Consevation International Indonesia. 2000. Javan gibbon.
http://www.conservation.or.id [17 Juni 2008].
Dewi H. 2005. Tingkat kesesuaian habitat owa Jawa (Hylobates moloch Audebert, 1798) di Taman Nasinoal Gunung Halimun Salak [tesis]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.
Ensiklopedia Indonesia. 1992. Ensiklopedia Indonesia seri Fauna. Jakarta: PT. Intermasa.
[IUCN] International Union for Consevation of nature and Natural Resources. 2000. IUCN Red List of Threatened Species: Hylobates moloch.
http://www.iucnredlist.org [17 Juni 2008].
______. 2008. IUCN Red List of Threatened Species: Hylobates moloch.
http://www.iucnredlist.org [26 Feb 2009].
Howard J. 1987. Penginderaan Jauh untuk Sumberdaya Hutan. Yogyakarta: Gadjah Mada University Press.
Iskandar E. 2007. Habitat dan populasi owa Jawa (Hylobates moloch Audebert, 1798) di Taman Nasional Gunung Halimun Salak Jawa Barat [disertasi]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.
Lillesand TM dan Kiefer FW. 1990. Penginderaan Jauh dan Interpretasi Citra. Dulbahari R, alih bahasa. Yogyakarta: Gadjah Mada University Press. Lo CP. 1995. Penginderaan Jauh Terapan. Purbowaseso B, penerjemah. Jakarta:
Penerbit Universitas Indonesia.
McDonnell DE. 1998. Leaf area index (LAI), Landsat 7 ETM+ satellite images, and GIS used to determine fire and restoration activity along the Rio Grande in the Albuquerque area for June 2000 and June 2001.
http://www.unm.edu [17 Juni 2008].
Muntasib EKSH. 2002. Penggunaan ruang habitat oleh badak Jawa di Taman Nasional Ujung Kulon [disertasi]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.
39 Napier JR dan PH Napier. 1967. A Hand Book of Living Primates. New York:
Academic Press.
Nijman V. 2004. Conservation of the Javan gibbon Hylobates moloch: population estimates, local extinctions, and conservation priorities. The Raffles Bulletin of Zoology. 52(1): 271-280.
Pareira MHY. 1999. Karakteristik habitat beo Flores (Gracula religiosa mertensi) di desa Tanjung Boleng, Kabupaten Manggarai, Pulau Flores [skripsi]. Bogor: Fakultas Kehutanan. Institut Pertanian Bogor.
Prahasta E. 2001. Konsep-konsep Dasar Sistem Informasi Geografis. Bandung: Informatika.
Rowe N. 1996. The pictorial Guide to the Living Primates. New York: Pogonias Press.
Rusli SN. 1998. Penataan ruang wilayah dengan peran serta masyarakat menggunakan sistem informasi geografis [disertasi]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.
Siswoyo, Wajihadin W, Jahidi A, Efendi AJ. 2005. Identifikasi permasalahan di konservasi wilayah Bandung Selatan II. http://www.bplhdjabar.go.id [17 Juni 2008].
Soenarmo SH. 2003. Penginderaan Jarak Jauh dan Pengenalan Sistem Informasi Geografi untuk Bidang Ilmu Kebumian. Bandung: Penerbit ITB.
Supriatna J dan Wahyono EH. 2000. Panduan Lapang Primata Indonesia. Jakarta: Yayasan Obor Indonesia.
41 Lampiran 1. Tabel Keterangan variabel pada setiap titik kelompok owa jawa
(hasil survei lapang Konservasi Alam Nusantara (KONUS) di Cagar Alam Gunung Tilu dan Cagar Alam Burangrang Jawa Barat tanggal 14 Juli 2008 – 2 September 2008)
X Y Ketinggian Jarak dari
Jalan Kelerengan LAI 107 28 29.3 -7 14 28.8 1037 1325,2358 53 3,8440 107 28 26.5 -7 14 26.5 1057 1281,1128 47 4,8880 107 28 44.6 -7 14 30.5 1094 1470,5441 52 3,2580 107 28 30.4 -7 14 59.1 1030 760,3453 36 2,8660 107 29 06.2 -7 15 00.2 1053 1423,4641 55 3,3560 107 29 11.3 -7 14 46.3 1075 1792,5192 19 3,1510 107 29 21.1 -7 14 59.7 1250 1825,1713 28 2,2080 107 29 37.0 -7 14 40.9 1268 1487,0272 56 3,2890 107 29 38.8 -7 14 26.8 1288 1611,8700 72 4,2730 107 29 33.8 -7 14 08.3 1279 1629,8007 22 2,7440 107 27 51.9 -7 14 14.6 1199 1025,0000 40 2,7590 107 27 46.3 -7 14 34.0 1225 1040,4326 40 3,9170 107 27 53.8 -7 14 31.6 1282 1196,3486 54 4,8200 107 28 06.6 -7 14 38.0 1117 1127,4972 33 4,1230 107 27 09.1 -7 14 28.7 1403 75,0000 35 1,0240
42 Lampiran 2. Hasil analisis PCA pada SPSS 14.0
Factor Analysis
Correlation Matrix
Ketinggian Distance Slope Lai
Correlation Ketinggian 1,000 -,402 -,012 -,449 Distance -,402 1,000 ,050 ,746 Slope -,012 ,050 1,000 ,397 Lai -,449 ,746 ,397 1,000 Communalities Initial Extraction Ketinggian 1,000 ,597 Distance 1,000 ,772 Slope 1,000 ,943 Lai 1,000 ,886
Extraction Method: Principal Component Analysis.
Total Variance Explained Com
pone nt
Initial Eigenvalues Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2,154 53,852 53,852 2,154 53,852 53,852 2,013 50,321 50,321 2 1,044 26,111 79,963 1,044 26,111 79,963 1,186 29,642 79,963 3 0,634 15,847 95,809 4 0,168 4,191 100,000
43 Component Matrix(a) Component 1 2 Lai 0,930 0,142 Distance 0,848 -0,230 Ketinggian -0,661 0,400 Slope 0,364 0,900
Extraction Method: Principal Component Analysis. a 2 components extracted.