IV. 4.1
METODOLOGI
Waktu dan Lokasi Penelitian dilakukan selama 1 (satu) bulan yaitu pada bulan Mei 2012 di
kawasan Resort Pengelolaan Taman Nasional Model Mandalawangi pada Seksi Pengelolaan Taman Nasional Wilayah I Cibodas, Bidang Pengelolaan Taman Nasional Wilayah I Cianjur, Taman Nasional Gunung Gede Pangrango (TNGGP). Lokasi penelitian merupakan jalur trekking/pendakian Cibodas – Puncak Pangrango sepanjang 11 km pada ketinggian 800 mdp – 3019 mdpl. Analisis data dilakukan di Laboratorium Analisis Spasial Lingkungan, Departemen Konservasi Sumberdaya Hutan dan Ekowisata, Fakultas Kehutanan, Institut Pertanian Bogor.
Gambar 4 Peta area studi Resort Cibodas TNGGP
4.2. Pemilihan Spesies Pemilihan spesies kirinyuh (Austroeupatorium inulaefolium Kunth R. M. King & H. Rob) dalam penelitian ini didasarkan pada kondisi dimana spesies ini tersebar di semua resort pada kawasan TNGGP dan telah menginvasi hampir
34
seluruh kawasan di hutan sub montana, hutan montana dan sub alpin hingga Puncak Pangrango. Spesies tumbuhan yang berasal dari Amerika Tengah dan Amerika Selatan ini ditemukan pada tepi kawasan yang berbatasan dengan penggunaan kawasan perluasan. Umumnya spesies ini menyebar dan berpengaruh ke dalam kawasan sampai tingkat tiang, pengaruh ini dicirikan dengan sifatnya yang mempunyai percabangan banyak, semak menahun dan seringkali mencapai ketinggian 7 m. Laju perkembangbiakannya sangat cepat, memiliki senyawa allelopaty pada anakan pohon, berkompetisi sangat kuat untuk mendapatkan unsur hara tanah dan terlindung dari herbivora karena memiliki minyak esensial dan senyawa sekunder yang tidak disukai oleh satwa (Carrol, 1992). Selain itu spesies ini merupakan pesaing penting bagi regenerasi vegetasi asli, memiliki dampak yang jauh lebih besar terhadap kebakaran di daerah yang berbatasan dengan lahan pertanian, kepadatan populasinya dapat menentukan resiko dari bahaya kebakaran, karena memiliki minyak esensial yang tinggi untuk proses kebakaran.
4.3. Alat dan Bahan Peralatan dan bahan yang digunakan dalam penelitian ini dibagi menjadi 2 (dua) bagian yaitu: 1. Perlengkapan lapangan untuk pengukuran komponen fisik seperti: kompas, pita ukur, tally sheet, tambang plastik, meteran, klinometer, GPS, kamera digital, binokuler. 2. Perangkat lunak komputer: a.
MINITAB 16
b.
SPSS Statistics 19
c.
Arc GIS versi 9.3
d.
Erdas Imagine versi 9.1
4.4. Jenis Data Data yang diambil pada penelitian ini adalah sebagai berikut: 1.
Data kehadiran/ketidakhadiran kirinyuh
35
2.
Data variabel/faktor biofisik tempat tumbuh kirinyuh yaitu: ketinggian tempat (elevation) dan kemiringan lereng (slope), arah kemiringan lereng (aspect), Normalization Difference Vegetation Infrared (NDVI)/penutupan vegetasi, Normalized Difference Moisture Index (NDMI)/kelembaban vegetasi, suhu dan faktor gangguan yaitu: jarak terdekat dari jalur patroli/trek, jarak terdekat dari kebun/aktivitas manusia
3.
Data spasial untuk prediksi model distribusi : Citra Landsat kawasan TNGGP, ASTER GDEM S07, E106 resolusi spasial 30 m, peta digital kawasan TNGGP skala 1:25.000, data koordinat sampel titik observasi di lapangan yang terdiri dari (a) data lokasi kehadiran (presence data) kirinyuh dan (b) data lokasi ketidakhadiran (absence data) kirinyuh dan variabel biofisik tempat tumbuh
4.5. Metode Pengambilan Data 4.5.1. Data Kehadiran dan Ketidakhadiran Kirinyuh (Austroeupatorium inulaefolium Kunth). Berdasarkan observasi yang telah dilakukan sebelumnya (TNGGP, 2006), lokasi
kirinyuh
(Austroeupatorium
inulaefolium
Kunth)
berada
hampir
disepanjang lokasi trek pendakian Cibodas pada ketinggian 800 mdp – 3.019 mdpl. Penentuan wilayah sampling pada penelitian ini ditentukan berdasarkan ketinggian yang mewakili 3 (tiga) tipe ekosistem kawasan hutan TNGGP yaitu (1) ekosistem hutan sub montana 1.000 mdpl – 1.500 mdpl (2) ekosistem hutan montana 1.500 mdpl – 2.400 mdpl dan ekosistem sub alpin 2.400 mdpl – 3.019 mdpl. Metode penempatan petak ukur pada masing-masing wilayah sampling dilakukan secara systematic pada jalur utama sepanjang 1 km dan terbagi menjadi 20 (dua puluh) segmen dengan jarak antar segmen 50 meter. Pada setiap segmen diletakkan 5 (lima) buah petak ukur di sebelah kiri jalur secara systematic yang masing-masing berukuran 5 x 5 meter, sehingga jumlah total petak ukur pada masing-masing wilayah sampling adalah sebanyak 100 petak ukur (Gambar 6). Pada tiap-tiap petak ukur dihitung data kehadiran kirinyuh (1-kehadiran, 0ketidakhadiran). Pengidentifikasian lokasi kehadiran dan ketidakhadiran kirinyuh
36
ditentukan dengan menandai posisi koordinat pada setiap petak ukur dengan menggunakan GPS. Penandaan lokasi dengan GPS dilakukan pada titik tengah petak ukur sebanyak tiga kali. Selain pengambilan posisi koordinat kirinyuh pada setiap petak ukur dilakukan pula pengambilan posisi koordinat kirinyuh disepanjang jalur pengamatan yang mana datanya dapat digunakan sebagai data validasi model. Pengambilan data yang digunakan untuk membangun prediksi model distribusi spasial kirinyuh diambil secara acak dari total data kehadiran dan ketidakhadiran kirinyuh yang didapat sebelumnya. Jumlah sampel petak ukur yang diambil untuk membangun model adalah 50% untuk lokasi kehadiran kirinyuh dan 50% untuk lokasi ketidakhadiran kirinyuh. Demikian juga jumlah sampel petak ukur yang diambil untuk validasi model adalah 50% untuk lokasi kehadiran kirinyuh dan 50% untuk lokasi ketidakhadiran kirinyuh.
Gambar 5 Bentuk petak pengamatan
4.5.2. Data Variabel Biofisik dan Gangguan Data faktor-faktor biofisik tempat tumbuh kirinyuh berupa ketinggian tempat (elevation) dan kemiringan lereng (slope), arah kemiringan lereng (aspect), Normalization
Difference
Vegetation
Index
(NDVI)/penutupan
vegetasi,
Normalized Difference Moisture Index (NDMI)/kelembaban vegetasi, suhu.
37
Adapun jarak terdekat dari jalur patroli/trek, jarak terdekat dari kebun/aktivitas manusia adalah data yang digunakan untuk mengetahui gangguan terhadap keberadaan kirinyuh. Data tersebut diperoleh dengan memverifikasi hasil pengambilan titik koordinat di lapangan menggunakan GPS dengan data citra.
4.6. Metode Analisis Data 4.6.1. Analisis Spasial Faktor-faktor variabel biofisik jika dirinci secara keseluruhan meliputi banyak sekali peubah-peubah ekologi yang berperan dalam membentuk seluruh komunitas dengan kompleks-kompleks hubungan biotik-fisik di mana spesies ini hidup (Odum 1993). Dalam pemodelan spasial, pemilihan peubah ekologi ini bergantung pada ketersediaan data spasial. Hal ini mengingat ketersediaan data spasial merupakan pembatas utama dalam membangun model-model terkait dengan perjumpaan spesies (Osborne et al. 2001). Sehubungan dengan hal tersebut diatas, untuk membangun model pada penelitian ini dipilih peubah ekologi yang diduga berpengaruh terhadap relung habitat kirinyuh secara fungsional sesuai dengan ekologi kirinyuh di mana peubah ekologi tersebut dapat dibuat data spasialnya (Tabel 1) berdasarkan nilai masingmasing titik koordinat yang diolah melalui proses zonal pada ArcGis. Peubah ekologi tersebut adalah: a)
Ketinggian tempat/Elevation (x1)
b) Kemiringan lereng/Slope (x2) c)
Arah kemiringan lereng /Aspect (x3) Ketiga faktor di atas merupakan representasi dari komponen fisik yang mendukung relung habitat kirinyuh secara fungsional.
d) Normalization Difference Vegetation Index (NDVI) atau penutupan vegetasi (x4) Penutupan vegetasi ini merupakan representasi dari tingkat kehijauan di sekitar habitat kirinyuh. Penutupan vegetasi ini didekati dengan indeks vegetasi dengan menggunakan NDVI. NDVI berdasarkan hasil reproject
38
image untuk transformasi resolusi spasial citra tersebut dari 20 meter menjadi 30 meter. e)
Suhu (x5)
f)
Normalized Difference Moisture Index (NDMI) atau kelembaban vegetasi (x6) Menurut Hemmleb et all. (2006) NDMI umumnya digunakan untuk mengevaluasi kelembaban vegetasi. Indeks ini dapat dinilai menggunakan band 4 yang sensitif terhadap reflektansi kandungan klorofil daun dan band 5 yang sensitif terhadap absorbansi kelembaban daun.
g) Jarak terdekat dari jalur patroli/trek (x7). Jarak terdekat dari jalur patroli merupakan representasi dari gangguan yang disebabkan oleh adanya aktivitas manusia yang dapat mempengaruhi distribusi kirinyuh. h) Jarak terdekat dari kebun atau aktivitas manusia (x8)
Tabel 1 Peubah-peubah ekologi sebagai variabel-variabel penduga No.
Variabel
Representasi
Satuan
Skala Data Rasio
1.
(x1) Ketinggian
Komponen fisik
Meter dpl.
2.
(x2) Kemiringan Lereng
Komponen fisik
Persen (%)
Rasio
3.
(x3) Arah Kemiringan Lereng (Aspect) (x4) Penutupan vegetasi /NDVI
Komponen fisik
Derajat (º)
Rasio
Kebutuhan akan perlindungan dan tempat mencari makan Komponen fisik Komponen fisik
-
Ordinal
Peta indeks vegetasi (NDVI)
Derajat (º) Persen (%)
Rasio
Citra Landsat Citra Landsat (NDMI)
4.
5. 6.
(x5) Suhu (x6) Kelembaban vegetasi/ND MI
Rasio
Teknik Ekstraksi Data
Sumber Peta ketinggian (DEM) Peta Kemiringan Lereng (DEM) Peta Kemiringan Lereng (DEM)
-
Analisis topografi Kemiringan Lereng permukaan
Analisis topografi Kemiringan Lereng permukaan ( (
4– 4 +
3) 3)
Landsat 7ETM band 6 ( (
4– 4 +
5) 5)
39
Tabel 1 Lanjutan No. 7
8
Variabel (x7) Jarak terdekat dari jalur patroli/trek (x8) Jarak dari kebun
Representasi
Satuan
Gangguan aktivitas manusia
Meter
Skala Data Rasio
Gangguan aktivitas manusia
Meter
Rasio
Sumber Peta jarak dari jalur patroli
Teknik Ekstraksi Data Analisis spasial dengan teknik Euclidean distance
Peta jarak dari jalur patroli
Analisis spasial dengan teknik Euclidean distance
Data variabel ketinggian, kemiringan lereng dan arah kemiringan lereng diperoleh dari pemanfaatan langsung data digital ASTER GDEM dan diturunkan menggunakan perangkat lunak ArcMap. Data variabel kemiringan lereng diperoleh dari hasil analisis topografi kemiringan lereng permukaan (surface slope topographic analysis) terhadap data digital ASTER GDEM tersebut menggunakan perangkat lunak ERDAS Imagine dengan persen (%) sebagai satuan luarannya. Data variabel NDVI diperoleh dari pengolahan citra landsat 7 TM TNGGP tahun 2011 menggunakan band 3 (visible red layer) dan band 4 (near infra red layer). Sebelumnya dilakukan ekstraksi data, terlebih dulu dilakukan pra pengolahan data dengan melakukan koreksi geometrik terhadap citra tersebut dengan peta digital kawasan TNGGP sebagai acuan. Selain itu juga dilakukan reproject image dengan nearest neighbor sebagai resample method-nya untuk transformasi resolusi spasial citra tersebut dari 20 meter menjadi 30 meter. Data variabel suhu menggunakan Erdas Imagine 9.1, kemudian dibangun sebuah model pada model maker yang sudah tersedia untuk mengkonversi nilainilai pixel pada Landsat 7ETM band 6. Hal yang perlu diperhatikan adalah nilai DN (Digital Number) untuk dilakukan konversi menjadi nilai radiansi. Berikut adalah rumus yang digunakan untuk mengkonversi nilai digital menjadi nilai radiansi (USGS 2002). Radiansi = gain x DN + offset Dengan nilai gain sebesar 0.055818, DN adalah dengan band 6 dan nilai offset sebesar 1.2378. Kemudian dilakukan konversi band 6 pada Landsat 7ETM untuk mengetahui nilai suhu permukaan denagn rumus dibawah ini (USGS 2002):
40
T = K2 / ln (K1/L ) Dimana T = Suhu Efektif; K1 = Konstanta Kalibrasi 1 (Tabel 1); K2 = Konstanta Kalibrasi 2 (Tabel 2); L = Spektral Radiansi (W/(m2*ster*µm)). Data kelembaban vegetasi diperoleh dengan Normalized Difference Moisture Index (NDMI) yang dihasilkan dari Landsat Image band 4 dan band 5 menurut Price dan Tinant (2000): NDMI =
(
(
–
)
)
Data variabel jarak dari jalur patroli/trek dan pemukiman/aktivitas manusia diperoleh dari hasil analisis spasial menggunakan teknik Euclidean distance untuk pemetaan kedekatan (proximity mapping), yaitu masing-masing sel diberi nilai terhadap objek terdekatnya, di mana objek terdekat ditentukan berdasarkan jarak Euclidean (Puntodewo et al.2003).
4.6.2. Analisis Regresi Logistik Biner (Binary Logistic Regression Analysis) Data kehadiran dan ketidakhadiran kirinyuh dan variabel biofisik tempat tumbuh dan gangguan diolah dengan Analisis Regresi Logistik Biner untuk mengetahui hubungan faktor-faktor lingkungan dengan keberadaan kirinyuh. Penyusunan model ini menggunakan 50% dari jumlah keseluruhan data yang tersedia. Penggunaan analisis regresi logistik biner pada hasil penelitian ini didasarkan atas 2 alasan yaitu model ini cocok digunakan untuk data biner dan tepat dalam memprediksi distribusi invasi kirinyuh pada skala spasial yang berbeda.
Pada dasarnya analisis regresi logistik sama dengan analisis
diskriminan, perbedaannya ada pada jenis data dari variabel dependen. Jika pada analisis diskriminan variabel dependen adalah data rasio, maka pada regresi logistik variabel dependen adalah data nominal. Data nominal di sini lebih khusus adalah data biner. Nilai duga regresi logistik biner ( ) ini merupakan nilai peluang (berkisar antara 0 – 1) di mana dalam penelitian ini adalah berapakah peluang suatu area secara potensial sesuai untuk habitat kirinyuh berdasarkan penilaiannya pada
41
variabel penduganya. Nilai peluang 0
<0,5 dikategorikan sebagai area yang
tidak sesuai untuk habitat kirinyuh, sedangkan nilai peluang 0,5
1
dikategorikan sebagai area yang sesuai untuk habitat kirinyuh. Nilai ambang batas (threshold) 0,5 ini telah digunakan secara luas dalam pendugaan distribusi spesies (Manel et al. 1999; Bailey et al. 2002; Stockwell & Peterson 2002). Dirumuskan model regresi logistik biner sebagai berikut: =
Dimana E
I
K
1 + =
(
…
(
)
…
)
atau: (
1 +
(
)
)
=
peluang titik observasi ke- i sesuai untuk habitat kirinyuh
=
bilangan natural (= 2,718281828)
=
variabel penduga ke- j
=
titik observasi ke- i
=
Intersep
=
koefisien regresi logistik biner dari variabel penduga ke- j
=
jumlah variabel penduga (= n)
Penghitungan regresi logistik ini menggunakan perangkat lunak SPSS 16. Hasil penghitungan menggunakan regresi logistik berupa persamaan regresi logistik yang kemudian diolah menggunakan perangkat lunak ArcGIS ver. 9.3 untuk menggabungkan data-data dari berbagai variabel bebas sehingga diperoleh peta kesesuaian habitat bagi kirinyuh. Model spasial regresi logistik kesesuaian habitat kirinyuh hanya menunjukkan area yang sesuai dan tidak sesuai bagi kirinyuh. Pembagian kelas dari sebaran data hasil penghitungan regresi logistik yang diperoleh pada seluruh area studi dilakukan untuk memperoleh gambaran area yang agak sesuai bagi habitat kirinyuh. Pada penelitian ini ditentukan tiga kelas kesesuaian, yaitu
42
kesesuaian rendah, sedang dan tinggi. Panjang interval setiap kelas kesesuaian sebagaimana disebutkan Supranto (2000) umumnya ditentukan dengan rumus: c = (Xn – X1) / k Dimana
: c = perkiraan besar interval k = banyaknya kelas Xn = nilai observasi (data) terbesar X1 = nilai observasi (data) terkecil
4.6.3. Analisis Komponen Utama (Principal Component Analysis/PCA) Analisis Komponen Utama dilakukan untuk mengetahui faktor fisik yang paling berpengaruh terhadap sebaran kirinyuh, berdasarkan letak ditemukan kirinyuh pada masing-masing layer yaitu ketinggian (elevation), kemiringan lereng (slope), arah kemiringan lereng (aspect), penutupan vegetasi (NDVI), kelembaban vegetasi (NDMI), suhu, jarak terdekat dari jalan trail, jarak terdekat dari kebun/aktivitas manusia. Data yang digunakan adalah data titik kehadiran kirinyuh di sepanjang petak pengamatan. Analisis Komponen Utama dilakukan dengan menggunakan software SPSS 15.0. dan hanya menggunakan data kehadiran kirinyuh. Selanjutnya dari hasil Analisis Komponen Utama ditentukan bobot masing-masing faktor yang paling berpengaruh terhadap sebaran kirinyuh sehingga diperoleh persamaan kesesuaian habitat sebagai berikut: F(x) = ax1 + bx2 + cx3 + dx4 + ex5 + fx6 + gx7 + hx8 dimana F(x) adalah indeks kesesuaian habitat; a-h adalah nilai bobot setiap variable. Data hasil perhitungan Analisis Komponen Utama kemudian dikelaskan dalam tiga kelas kesesuaian yaitu kesesuaian rendah, sedang, dan tinggi. Pembagian kelas ini menggunakan rumus (Supranto 2000): c = (Xn – X1) / k dimana c adalah perkiraan besar interval, k adalah banyaknya kelas, X n adalah nilai observasi (data) terbesar dan X1 nilai observasi (data) terkecil. Peta kelas kesesuaian dibangun dengan menggunakan perangkat lunak ArcGIS ver. 10
43
4.6.4. Uji Kelayakan dan Validasi Model Kelayakan model regresi logistik yang dibangun dapat dilihat dari penurunan nilai -2 Log Likelihood serta uji Hosmer and Lemeshow hasil pengolahan data menggunakan SPSS 19. Model dinilai layak apabila signifikansi penurunan nilai -2 Log Likelihood kurang dari 0,05.
Lain halnya dengan
penurunan nilai -2 Log Likelihood, uji Hosmer and Lemeshow digunakan untuk melihat kecocokan variabel prediktor dengan model yang dibangun. Variabel prediktor dinyatakan fit (cocok) dengan model jika signifikansi yang tertera pada hasil uji Hosmer and Lemeshow di atas 0,05. Kemampuan varibel yang dipergunakan dalam model untuk menjelaskan kesesuaian habitat kirinyuh ditunjukkan oleh nilai Negelkerke R2. Validasi model regresi logistik kesesuaian habitat kirinyuh dilakukan dengan menggunakan data kehadiran (presence) dan ketidakhadiran (absence). Data ini telah dipisahkan terlebih dahulu dan dipilih secara acak sebelum membangun model. Validasi ini berfungsi untuk meminimalisir kesalahan pada penggunaan model selanjutnya. Data yang dipergunakan untuk validasi model adalah sebesar 50% dari jumlah keseluruhan data yang tersedia. Nilai validasi dilakukan terhadap hasil ekstrapolasi model secara spasial. Tingkat validitas model dilihat dari tingginya prosentase nilai data titik kehadiran kirinyuh pada kelas kesesuaian tinggi bagi habitat kirinyuh.
4.6.5. Kajian Strategi Pengendalian dan Pengelolaan Pada tahap akhir dilakukan kajian hasil penelitian terhadap strategi pengendalian dan pengelolaan spesies tumbuhan asing invasif di TNGGP. Berdasarkan kajian tersebut selanjutnya dirumuskan masukan dan rekomendasi terkait rencana strategis pengelolaan dan pengendalian spesies asing invasif di TNGGP.
