REGRESI LOGISTIK : Alat Analisis Spasial dan Evaluasi Kawasan (Bagian 2)

I. Regresi Logistik pada SPSS

Untuk dapat mengolah data spasial kategorik menggunakan analisis regresi logistik, ada beberapa hal yang perlu didefinisikan pada tahap pra pengolahan :

  1. Definisi atau dasar teoritik yang digunakan untuk pembentukkan kelas/kategori. Dasar pengkelasan ini sangat penting khususnya untuk mengelompokkan data-data yang memiliki tingkatan rasio, interval maupun ordinal.
  2. Unit analisis yang dipergunakan seperti apa. Pengamatan dapat dilakukan dengan membandingkan antara kejadian dan tidak adanya kejadian pada kondisi area tertentu. Area analisis dapat berupa unit spasial dimana area-area dalam unit yang sama memiliki homogenitas. Dalam banyak kasus bidang kehutanan, banyak peneliti menggunakan unit area analisis yang dibatasi oleh wilayah administrasi, petak dan area hasil intersek data vector. Area analisis juga dapat menggunakan piksel dengan luasan tertentu. Kelemahan penggunaan batas piksel ini adalah batas-batas unit pengamatan tidak halus sehingga menyulitkan interpretasi kejadian pada batas antar unit pengamatan yang bersinggungan. Contohnya : terkadang ditemukan kebakaran di mangrove padahal di kondisi nyatanya terjadi di savana dekat mangrove. Sekali lagi, kondisi area dalam satu unit pengamatan diasumsikan homogen
  3. Penentuan kelas yang berfungsi sebagai kontrol atau pembanding. Misalnya ingin mengetahui pengaruh penunjukkan suatu kawasan dari semula bersatus sebagai Hutan Produksi menjadi Cagar Alam terhadap penurunan tingkat illegal logging. untuk kasus seperti ini maka dapat memilih area berstatus Hutan Produksi dengan kondisi biofisik yang mirip di sekitarnya sebagai kontrol/pembanding. Dari hasil analisis akan terlihat sejauh mana aktivitas manajemen di Cagar Alam dapat menurunkan illegal logging.

II. Tahapan Pengolahan Data

Setelah ketiga pertanyaan tersebut terjawab, pembentukkan kelompok dan input data spasial dapat dilakukan. Sebagai studi kasus teknik ini maka akan dilakukan analisis faktor yang paling berpengaruh terhadap kejadian kebakaran hutan dan lahan di Taman Nasional Rawa Aopa Watumohai.

Untuk mempermudah pemahaman, dalam contoh ini akan dilakukan penyederhanaan. Faktor yang akan diuji meliputi 2 variabel, yaitu penutupan lahan dan slope (dalam kondisi nyata tentunya banyak variabel). Variabel responnya berupa kejadian kebakaran hutan dan lahan di TNRAW yang diindikasikan oleh hotspot (asumsi : hotspot telah diverifikasi).

Langkah-langkah analisis regresi logistik dengan SPSS sebagai berikut :

  • Variabel penutupan lahan, slope dan  hotspot dibuat dalam bentuk data raster dengan ukuran tiap piksel 1 km x 1 km. Pengkelasan yang digunakan sebagai berikut : Jenis tutupan lahan : Hutan rawa; hutan mangrove; hutan pegunungan; pertanian dan pemukiman; badan air; savanna. Untuk kelerengan (slope) : 0-8 (datar) ; 8-30 (sedang); >30 (curam). Variabel respon : ada hotspot = 1; tidak ada hotspot = 0.
  • Lakukan intersek ketiga variabel dengan Arc GIS, maka akan terbentuk unit-unit area dengan 3 atribut, yaitu penutupan lahan, slope dan  variabel respon.
  • Dengan ArcGIS lakukan ekspor data spasial menjadi data atribut berbentuk Excel. Copy data Excel ini dan Paste kan di SPSS. Gunakan klik kanan. Hasilnya akan tampak seperti Gambar di bawah ini.
  • Regresi logistik SPSS - 2Kelas 1, 2, 3 dst merupakan symbol untuk masing-masing kelas dalam variabel. Untuk memberi definisi tiap symbol tersebut maka kita lakukan langkah berikut.
  • Regresi logistik SPSS - 3Pertama kali klik ‘Variable View (1)’, lalu ‘Values (2)’. Pada ‘Value (3)’ masukkan nilai angka symbol yang digunakan pada Data View. Pada ‘Label (4)’ isikan apa yang diwakili oleh symbol tersebut. Kalau sudah klik ‘Add (5)’. Lakukan sampai semua symbol didefinisikan lalu tekan ‘OK (6)’.
  • Regresi logistik SPSS - 4Lakukan hal yang sama pada variabel kedua. Setelah selesai tekan ‘OK’
  • Regresi logistik SPSS - 5Lakukan analisis regresi logistik. Caranya tekan ‘Analysis (1)’, ‘Regression (2)’ lalu ‘Binary Logistic (3)’
  • Regresi logistik SPSS - 6Masukkan variabel respon pada ‘Dependent (1)’ dan variabel independent di ‘Covariate (2)’Regresi logistik SPSS - 7
  • Lakukan pemilihan kelas pembanding. Caranya : klik tombol ‘Catagorical’, lalu pindahkan variabel bebas dari bar kiri ke kanan dengan ‘Panah (1)’, pilih ‘First (2)’ lalu klik ‘Change (3)’. Kalau sudah selesai klik ‘Continue (4)’
  • Regresi logistik SPSS - 8Sekarang klik tombol ‘Option (1)’, centrang ‘Hosmer and Lemeshow Test (2)’ lalu ‘Continue (3)’
  • Regresi logistik SPSS - 9Tekan ‘OK’

Regresi logistik SPSS - 10

  • Hasil out put regresi logistik akan keluar seperti gambar di atas.

III. Interpretasi Out Put Regresi Logistik

Regresi logistik SPSS - 13Interpretasi : unit analisis yang diolah dalam regresi ini berjumlah 1060 sel dan tidak ada data missing.

Regresi logistik SPSS - 11

Interpretasi : Variabel bebas yang digunakan adalah penutupan lahan dan slope. Sebagai kontrol (pembanding), variabel penutupan lahan menggunakan kelas hutan mangrove (parameter coding 0.000 semua) dengan frekuensi 53 sel. Hutan rawa dalam out put dikodekan dengan (1) ditandai angka 1.000 pada kolom (1), demikian juga kelas-kelas lainnya. Ketentuan ini juga berlaku untuk variabel slope.

Regresi logistik SPSS - 14Regresi logistik SPSS - 15Interpretasi : signifikansi model 0.000 < 0.05 berarti secara umum, model signifikan secara statistik.

Regresi logistik SPSS - 16Interpretasi :

  • Cox and Snell sebesar 0,259 yang berarti 25,9 persen variasi dari kejadian kebakaran (hotspot) di Taman Nasional Rawa Aopa Watumohai dapat dijelaskan oleh variabel independent yang digunakan.
  • Nagelkerke sebesar 0,381 yang berarti 38,1 persen variasi dari kejadian kebakaran (hotspot) di Taman Nasional Rawa Aopa Watumohai dapat dijelaskan oleh variabel independent yang digunakan.

Regresi logistik SPSS - 17Interpretasi : probabilitas 0.552 > 0.05, artinya model regresi binary layak dipakai untuk analisis selanjutnya karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati.

Regresi logistik SPSS - 12Interpretasi :

Kejadian kebakaran pada penutupan lahan savanna (sig. 0.000) berbeda secara signifikan terhadap hutan mangrove, sedangkan peluang kejadian kebakaran pada hutan rawa, hutan pegunungan dataran rendah, area pertanian/pemukiman dan badan air (terbakar saat air surut) tidak berbeda secara signifikan terhadap hutan mangrove.

Peluang terjadinya kebakaran di area savanna 17 kali lipat dibandingkan area control. Dari sisi kelerengan, kelas lereng datar (sig. 0.000) berbeda signifikan terhadap kelas lereng curam dimana peluang kejadian kebakaran pada kelas lereng ini 5.5 kali dibandingkan control.

IV. Kesimpulan

Berdasarkan hasil regresi logistik, area yang paling rawan kebakaran di kawasan Taman Nasional Rawa Aopa Watumohai adalah pada area-area bertopografi datar yang ditumbuhi vegetasi savanna. Berdasarkan kriteria pembagian kelas slope di atas, maka pengaruh tutupan lahan savana lebih tinggi dari pada pengaruh slope datar dengan pembanding kelas kontrol masing-masing, dimana nilai Odd Rasio untuk penutupan lahan savanna 17.19 dan kelas topografi datar 5.5.

Artikel Terkait:
Baca Juga artikel lainnya:

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s