Pengantar Teori &

Penggalian Kebutuhan
Variable Lingkungan

Tim Trainer Bimtek

Bimbingan Teknis Pemodelan Spasial Distribusi Spesies Forest Programme III – Sulawesi Tahun 2022
Kantor Direktorat PKK Ditjen KSDAE, Jl. Pajajaran No. 79, Bogor Utara, Kota Bogor
28 November - 9 Desember 2022
Pendahuluan
◊ Model distribusi spesies korelatif dibangun dari dua sumber data
utama: 1) Catatan kehadiran spesies pada suatu lokasi & (2) Prediktor
lingkungan dalam bentuk layer-layer GIS berformat raster (ASCII)
◊ Kehadiran atau eksistensi suatu populasi flora dan fauna pada suatu
tempat, demikian juga dengan penyebarannya berkaitan dengan apa
yang di sebut dengan habitat dan relung ekologi
Pendahuluan
◊ Kelimpahan populasi spesies ditentukan oleh kesesuaian terhadap
variabel lingkungan tertentu (Hutchinson 1957)
◊ Variabel lingkungan diklasifikasikan berdasarkan hubungan dan
pengaruhnya terhadap distribusi geografis spesies: Variabel Ideal,
Variabel Proksimal dan Variabel Distal

Dari berbagai jenis variabel lingkungan yang disebutkan,

pertanyaan kuncinya adalah yang mana dan berapa banyak
variabel yang dibutuhkan untuk pemodelan yang handal dari
suatu relung spesies?
Variabel Lingkungan
Kunci
 Berbagai variabel lingkungan telah digunakan dalam pemodelan
distribusi spesies
 Variabel yang paling umum adalah yang berkaitan dengan iklim
(misalnya suhu dan curah hujan), topografi (misalnya ketinggian dan
slope), jenis tanah, dan jenis tutupan lahan
 Secara umum, disarankan untuk menghindari variabel prediktor yang
memiliki pengaruh tidak langsung pada distribusi spesies  asosiasi
tidak langsung dapat menyebabkan kesalahan prediksi ketika model
digunakan untuk memprediksi distribusi spesies di wilayah baru atau di
bawah skenario iklim alternatif
 4 kelompok varibel lingkungan yang paling umum digunakan sebagai
predictor dalam model distribusi spesies: 1) Biotik (sumberdaya), 2)
Abiotik (Fisik, Kimia, dll), 3) Antropogenik (luaran dari aktivitas
manusia), dan 4) Iklim (suhu dan curah hujan)
Variabel Lingkungan
Kunci
Perbaikan
Konsultasi
Publik Diaplikasikan

Direplikasi
Validasi
Data

Prediksi
Lokasi Rilis

Desk Study
Persiapan
data
Variabel Lingkungan
Kunci• Verifikasi data
Point perjumpaan + Meta-data

• Tinjauan
Pengetahuan ahli, Arbitary
Desk literature + atau Sense peneliti
• Pembuatan matriks
Matriks kriteria habitat

• Penyusunan
Variable variable/
covariate

• Pemodelan
MaxEnt Spasial
Memulai
MAXENT
Struktur Folder dan File
ASCII Grids

Predictor atau
Variabel Lingkungan
Variabel Lingkungan
Kunci
Point
• Verifikasi data
+ Meta-data
perjumpaan

• Tinjauan
Desk literatur

• Pembuatan matriks
Matriks kriteria habitat

• Penyusunan
Variable variable/
covariate

• Pemodelan
MaxEnt Spasial

Ekspose Kegiatan “Pemodelan Spasial dalam Upaya Konservasi Keanekaragaman Hayati: Kajian Kesesuaian Habitat Sebagai
Lokasi Pelepasliaran Satwa di Taman Nasional Gunung Halimun Salak”
Variabel Lingkungan
Kunci
Variabel Lingkungan
Kunci

Lakukan Penggalian Predictor, dengan:

 Google
 Google Schoolar
 Researchgate
 Sci-hub.se, dll
Variabel Lingkungan
Kunci
Point
• Verifikasi data
perjumpaan

Desk • Studi literatur

• Pembuatan matriks
Matriks kriteria habitat

• Penyusunan
Variable variable/
covariate

• Pemodelan
MaxEnt Spasial
Variabel Lingkungan
Kunci
Variabel Lingkungan
Kunci
No Variabel
• Verifikasi d ata
Point Lingkungan Macan Owa
Satwa
Kukang Kucing Elang
perjumpaa n Tutul Jawa jawa hutan jawa
1 Ketinggian √ √ √ √ √
2 Kelerengan Desk • Studi √literatur √ √ √ √
3 Presipitasi √ √ - √ -
4 Sungai - √
embuatan √
matriks √ √
Matriks k riteria
• P
- a bitat -
5 Pakan √ - -
h
6 NDVI √ √ √ √ √
• Penyusunan
7 Tuplah √Variable√ variable/√ √ √
8 Jarak Pertanian √ √ covariate
- - -
9 Jarak hutan Primer √ √ - - √
• Pemodelan
10 Jarak Hutan Sekunder √ √MaxEnt √ S pasial√ √
11 Jarak Pemukiman √ √ √ √ √
Jumlah Variabel
Lingkungan
 Terlalu banyak variabel digunakan, model berisiko kehilangan faktor-
faktor penting  model distribusi cenderung menghasilkan area
distribusi potensial yang terlalu luas
 Jumlah variabel yang digunakan berlebihan  model overfit dan
distribusi geografis mungkin kurang terwakili, terutama ketika sejumlah
kecil catatan kehadiran digunakan
 Membatasi jumlah variabel lingkungan secara statistik dapat dilakukan
dengan uji korelasi antar variabel  Pearson Correlation, Principal
Component Analysis, Factor Analysis
Skala Ukuran Data

Level Skala Pengukuran

Skala Ukuran Data

Variabel lingkungan yang beragam diukur dalam

unit dan sistem pengukuran yang berbeda
Sebaran Normal
Terima
Kasih
Dede Aulia Rahman
Departemen Konservasi
Sumberdaya Hutan dan Ekowisata
| FAHUTAN IPB
dedeaulia@apps.ipb.ac.id
WA: 0812 9322 9500