Professional Documents
Culture Documents
https://ejournal.unib.ac.id/index.php/hayati/
p-ISSN: 0216-9487 email:konservasihayati@unib.ac.id e-ISSN: 2722-1113
1
Program Studi Geografi, Fakultas Ilmu Sosial, Universitas Negeri Padang
*corresponding author : rizkiatthoriq99@gmail.com
ABSTRACT
Helmeted hornbill is a protected species in Indonesia based on Law No. 5 of 1990 concerning Conservation
of Living Natural Resources and their Ecosystems and Government Regulation No 7 of 1999 concerning
Preservation of Plants and Animals. The habitat of the ivory hornbill is spread across five regions of the
country, namely Myanmar, Thailand, Malaysia (Malayan Peninsula and Sarawak), Brunei, and Indonesia
(Sumatra and Kalimantan). The Silokek Geopark area, Sijunjung Regency, West Sumatra Province is one of
the areas identified as the habitat of Helmeted Hornbill. Apart from their unique physical form, this animal
has an ecological function as a seed emitter in the forest. The utilization of Remote Sensing (RS) Technology
and Geographic Information System (GIS) is highly needed to identify the distribution of the Helmeted
Hornbill habitat distribution in this research. The data set used are Landsat OLI 8 imagery and geospatial
data related to the Silokek Geopark . This study aims to determine priority area for the conservation of the
Helmeted Hornbill in the Silokek Geopark area. By utilizing MaxEnt (maximum entropy) algorithm based
on wildlife point, the probability of the distribution of hornbill habitat in the Silokek Geopark area can be
predicted. Based on the research results, the potential areas for hornbill conservation in the Silokek Geopark
area are located in the hills of protected forest area in the north and northeast part. The most influential
parameters in this modeling are distance from river, slope, and land use.
ABSTRAK
Rangkong gading merupakan jenis satwa yang dilindungi di Indonesia berdasarkan Undang-Undang No. 5
Tahun 1990 tentang konservasi Sumber Daya Alam Hayati dan Ekosistemnya dan Peraturan Pemerintah
No.7 Tahun 1999 tentang Pengawetan Tumbuhan dan Satwa. Habitat rangkong gading tersebar di lima
wilayah negara, yaitu Myanmar, Thailand, Malaysia (Semenanjung Malaysia dan Serawak), Brunei, dan
Indonesia (Sumatera dan Kalimantan). Kawasan Geopark Silokek, Kabupaten Sijunjung, Sumatera Barat
merupakan salah satu wilayah yang teridentifikasi sebagai habitat rangkong gading. Selain bentuk fisiknya
yang unik, satwa ini memiliki fungsi ekologis sebagai pemancar biji di dalam hutan. Pemanfaatan Teknologi
Penginderaan Jauh (PJ) dan Sistem Informasi Geografis (SIG) sangat dibutuhkan untuk mengidentifikasi
persebaran habitat rangkong gading dalam penelitian ini. Data yang digunakan adalah citra Landsat OLI 8
dan data geospasial terkait Geopark Silokek. Penelitian ini bertujuan untuk menentukan Kawasan prioritas
konservasi Rangkong gading di kawasan Geopark Silokek. Dengan menggunakan algoritma Maximum
Entropy (MaxEnt) berdasarkan titik satwa, maka dapat diprediksi probabilitas persebaran habitat rangkong di
kawasan Geopark Silokek. Berdasarkan hasil penelitian, wilayah yang potensial untuk konservasi rangkong
di kawasan Geopark Silokek terdapat di Kawasan perbukitan hutan lindung bagian utara dan timur laut.
Parameter yang paling berpengaruh dalam pemodelan ini yaitu jarak dari sungai, lereng, dan penggunaan
lahan.
Gambar 1. Lokasi Penelitian di Geopark Silokek, Kabupaten Sijunjung, Provinsi Sumatera Barat (sumber peta : Citra
Satelit Landsat 8 OLI)
https://ejournal.unib.ac.id/index.php/hayati 37
KONSERVASI HAYATI Hidayat RA, Febriani N
band 5. Nilai NDVI memiliki nilai yang dalam hal ini digambarkan penerapannya
berkisar antara -1 sampai 1. berikut adalah dalam pemodelan probabilitas sebaran habitat
persamaan NDVI: rangkong gading. Elith et al. (2006)
(NIR Re d ) menyajikan sebuah analisis komprehensif
NDVI
(NIR Re d ) tentang kegunaan algoritma pemodelan yang
Dimana : berbeda mengenai keberadaan data dan
NDVI = Nilai Indeks Vegetasi (antara -1 menyimpulkan bahwa MaxEnt adalah salah
hingga 1) satu algoritma yang paling berguna.
λNIR = Nilai reflektan kanal inframerah Pemodelan MaxEnt sangat potensial untuk
dekat (Band 5) mengidentifikasi distribusi dan pemilihan
λRed = Nilai reflektan kanal inframerah habitat kehidupan liar dengan
(Band 4) pertimbangannya bergantung pada lokasi
keberadaan (Baldwin, 2009). Dengan fungsi
Euclidean Distance logistik statistik yang dijalankan dengan
Euclidean distance digunakan untuk metode ini, mampu mencari lokasi-lokasi yang
menghitung jarak lurus setiap sel pada suatu memiliki kesamaan dengan titik lokasi
data raster terhadap lokasi sumber keberadaan satwa.
(source)/lokasi tujuan (destination) (Indarto Baldwin (2009) mengemukakan
dan Faisol, 2012). Data input dalam beberapa kelebihan dari algoritma MaxEnt ini,
perhitungan jarak euclidean ini adalah yaitu dari pengambilan sampel bahwa Maxent
shapefile sungai yang ada di lokasi penelitian kurang begitu sensitif dibandingkan
yang kemudian dihitung jarak antar sungai pendekatan lain terhadap jumlah lokasi
satu dengan sungai-sungai lainnya. kehadiran yang diperlukan untuk
mengembangkan model yang akurat (Elith et
Pengolahan Data SRTM al. 2006; Hernandez et al. 2006; Philips et al.
Data SRTM yang sebelumnya dijelaskan 2006), didorong oleh prosedur regularisasi
merupakan data yang mengandung informasi yang mengkompensasi overfitting ketika hanya
elevasi atau ketinggian di suatu lokasi. Nilai- menggunakan beberapa lokasi. Kelebihan
nilai tiap piksel pada SRTM merupakan nilai selanjutnya adalah kesalahan pada lokasi yang
yang memuat informasi ketinggian (dalam mana MaxEnt tidak dipengaruhi secara kuat
mdpl). pengolahan data SRTM ini digunakan oleh kesalahan spasial tingkat sedang
untuk menentukan elevasi, kemiringan lereng (moderate spatial error). Fitur pemetaan juga
dihitung dengan mengolah nilai ketinggian, merupakan kelebihan dari MaxEnt ini karena
aspect yang merupakan arah yang output akhir yang berupa peta, MaxEnt
menunjukkan hadapan lereng, serta hillshade menghasilkan peta yang menunjukkan
yang merupakan gambaran yang kemungkinan ditemukannya spesies yang kita
memperlihatkan tekstur bentuk permukaan kaji di kawasan tertentu (Philips et al., 2009).
bumi. Perhitungan MaxEnt menghasilkan kesesuaian
habitat yang ditunjukkan dengan rentang nilai
Maximum Entropy (MaxEnt) antara 0 sampai dengan 1 (Phillips & Dudik,
Maximum Entropy (MaxEnt) merupakan 2008), semakin mendekati angka 1 nilai piksel
salah satu metode yang digunakan dalam pada peta, maka semakin sesuai untuk habitat
pemodelan distribusi. Pemodelan dengan rangkong gading.
menggunakan algoritma Maximum Entropy
(MaxEnt) digunakan untuk menentukan HASIL DAN PEMBAHASAN
kawasan prioritas habitat yang nantinya dapat
Faktor Lingkungan
dijadikan sebagai kawasan prioritas untuk
konservasi rangkong gading. Kerangka Faktor lingkungan yang menjadi
pemodelan MaxEnt dapat dijelaskan dalam penentu dalam pemodelan spasial ini datanya
berbagai perspektif (Merow et al., 2013), diperoleh dari data mentah yang pada dasarnya
https://ejournal.unib.ac.id/index.php/hayati 38
KONSERVASI HAYATI Hidayat RA, Febriani N
berasal dari data citra Landsat 8 OLI, SRTM, pertimbangan terhadap kesesuaian habitat,
dan data vektor sungai yang diolah semakin dekat dengan sungai maka semakin
menggunakan fitur analisis yang ada pada mudah air didapat, jarak dari sungai di lokasi
software ArcGIS. Faktor lingkungan ini diduga penelitian berkisar dari 0 - 3824,26 mdpl.
memiliki pengaruh terhadap potensi Aspect merupakan fungsi untuk mencari arah
keberadaan rangkong gading. Faktor dari penurunan yang paling tajam dari masing-
lingkungan tersebut adalah penggunaan lahan, masing sel raster dengan nilai outputnya
elevasi, jarak dari sungai, aspect, sungai, dan merupakan sudut-sudut arah mata angin,
NDVI. aspect diaplikasikan dalam perhitungan
Penggunaan lahan menggambarkan iluminasi matahari pada lokasi penelitian
kondisi fisik yang ada pada lokasi penelitian untuk menentukan keragaman hayati pada
yang terdiri dari hutan, semak, sawah, lokasi tersebut. Parameter kemiringan lereng
permukiman, badan air, dan perkebunan. pada lokasi penelitian sangat kompleks dari
Dengan adanya penggunaan lahan ini, maka kelerengan datar (0º) hingga sangat curam
kita dapat mengidentifikasi habitat rangkong (348,045º), kompleksnya kemiringan lereng
gading. Elevasi memiliki pengaruh karena ini karena di lokasi penelitian didominasi oleh
berhubungan dengan keterdapatan vegetasi perbukitan-perbukitan kapur dan struktural
berdasarkan ketinggian, elevasi pada lokasi serta tebing-tebing terjal, sementara lereng
penelitian cukup beragam, yaitu pada lembah datar cenderung terdapat di sepanjang tepi
dengan titik terendah pada 129,96 mdpl dan sungai. Nilai NDVI yang diperoleh dalam
titik tertingginya pada perbukitan yang penelitian ini adalah dari -0,227 sampai 0,600,
memiliki tinggi 1201 mdpl. Sungai merupakan apabila nilai vegetasi mendekati 1 maka
faktor penting dalam ketersediaan air dalam vegetasi semakin rapat dan apabila mendekati
mencukupi kebutuhan hidup satwa, oleh -1 maka akan vegetasi semakin jarang bahkan
karena itu keterjangkauan terhadap sungai tidak bervegetasi.
merupakan hal yang harus menjadi
Gambar 2. Peta indikator lingkungan untuk membangun model habitat potensial rangkong gading (Rhinoplax vigil),
yaitu: a) penggunaan lahan; b) elevasi/ketinggian; c) jarak dari sungai; d) hadapan lereng (aspect) ; e)
kemiringan lereng; dan f) NDVI
https://ejournal.unib.ac.id/index.php/hayati 39
KONSERVASI HAYATI Hidayat RA, Febriani N
Gambar 3. Peta pemodelan probabilitas sebaran habitat yang potensial untuk rangkong gading di kawasan Geopark
Silokek, Kabupaten Sijunjung
https://ejournal.unib.ac.id/index.php/hayati 40
KONSERVASI HAYATI Hidayat RA, Febriani N
berdasarkan lokasi temuan satwa di lapangan kontribusi paling tinggi, yaitu Penggunaan
dan studi literatur berkaitan mengenai habitat Lahan (35,5%), sungai (25,6%), dan
rangkong gading. kemiringan lereng (24,4%). Ketiga variabel
Pada diagram berikut (Gambar 4) tersebut yang mendominasi penentuan
menunjukkan persentase kontribusi variabel kawasan habitat potensial rangkong gading
dalam pemodelan ini. Ditemukan bahwa tiga dalam pemodelan ini.
variabel teratas yang memiliki persentase
4,10% 2,60%
Penggunaan Lahan
7,70%
Jarak dari Sungai
35,50%
Kemiringan Lereng
24,40% Aspect
NDVI
Elevai
25,60%
Gambar 4. Diagram persentase kontribusi variabel lingkungan dalam pemodelan menggunakan MaxEnt
membuat variabel jarak dari sungai ini
Penggunaan lahan merupakan memiliki persentase tertinggi setelah
persentase paling besar dalam pemodelan ini. penggunaan lahan. Karena letak sungai yang
Penggunaan lahan yang menjadi penentu berbatasan langsung dengan hutan, maka hal
tingginya persentase kontribusi variabel ini menunjukkan tingginya kebutuhan satwa
lingkungan adalah kelas hutan, karena semua terhadap air. Pada peta, kesesuaian habitat
titik koordinat yang diolah dalam MaxEnt pada indeks sangat tinggi cenderung berada di
terletak di dalam hutan yang mana di sini sepanjang aliran sungai. Sungai yang
merupakan ekosistem yang sangat sesuai merupakan pasokan energi dan sumber
untuk habitat rangkong gading karena terdapat penghidupan bagi apa saja yang ada
banyak pohon-pohon berukuran besar, baik disekitarnya termasuk juga rangkong gading.
diameter maupun tingginya sehingga sangat Di lapangan, ditemukan rangkong gading yang
aman untuk ditinggali oleh rangkong gading. terbang di sekitar sungai yang diduga tempat
Tingginya biodiversitas yang terdapat dalam tinggalnya berada di lereng curam yang ada di
hutan menyediakan banyak sumber makanan pinggir sungai. Kelerengan yang curam
bagi rangkong gading, terutama buah ara/ficus. mendominasi kawasan penelitian karena
Di Sumatera diperkirakan 98% pakannya morfologi yang berupa perbukitan, baik
berupa buah ara/ficus (Hadiprakarsa & perbukitan karst (kapur) ataupun perbukitan
Kinnaird, 2004). Pada Gambar 3, semua struktural. Indeks kesesuaian habitat sangat
habitat rangkong baik dari yang kurang sesuai tinggi pada peta juga terletak pada lereng
maupun sangat sesuai adalah kelas dengan kemiringan yang tinggi, yang
penggunaan lahan hutan, sementara non- merupakan tempat yang aman bagi satwa.
habitat merupakan kelas tutupan lahan yang Sementara pada kebanyakan kelas lereng
bukan hutan (sawah, semak, perkebunan, lahan rendah (datar dan landai) sangat tidak sesuai
terbangun, dan sungai) dan tidak ada potensi bagi rangkong gading, pada peta tutupan lahan
untuk habitat rangkong gading di Geopark tampak pada lereng datar yang telah
Silokek. Kawasan Geopark Silokek dialiri oleh dimanfaatkan untuk permukiman, perkebunan,
sungai besar yaitu Batang Kuantan yang dan sawah.
berinteraksi langsung dengan tebing-tebing
tinggi yang dan perbukitan dengan hutan lebat
https://ejournal.unib.ac.id/index.php/hayati 41
KONSERVASI HAYATI Hidayat RA, Febriani N
Gambar 5. Grafik yang menunjukkan respon terhadap variabel lingkungan berkontribusi tinggi; (a) Penggunaan lahan,
(b) Jarak dari sungai, dan (c) Kemiringan lereng
https://ejournal.unib.ac.id/index.php/hayati 42
KONSERVASI HAYATI Hidayat RA, Febriani N
5. Aspect yang digunakan perhitungan Hernandez, P.A., Graham, C.H., Master, L.L.,
iluminasi matahari, Albert, D.L. (2006). The effect of
6. NDVI dari -0,227 sampai 0,600 sample size and species characteristics
on performance of different species
Probabilitas rangkong gading berdasarkan
distribution modeling methods.
pemodelan Maxent, berada pada di Kawasan
Ecography Vol. 29, 773–785.
perbukitan hutan lindung bagian utara dan
Indarto, Faisol, A. (2012). Konsep dasar
timur laut yang ditunjukkan dengan nilai
analisis spasial. Penerbit ANDI:
mendekati 1, maka indeks potensi habitat
Yogyakarta. (2018).
semakin sesuai yang ditandai dengan semakin
Latifiana, K. (2018). Pemetaan potensial
berwarna hijau gelap pada peta dan apabila
Hepterofauna pada daerah terdampak
nilainya mendekati 0 maka indeks potensi
erupsi gunung Merapi 2010. Seminar
habitat semakin rendah atau kurang sesuai
Nasional Geomatika 2018:
ditandai dengan warna yang semakin kuning.
Penggunaan dan Pengembangan
DAFTAR PUSTAKA Produk Informasi Geospasial
Mendukung Daya Saing Nasional :
Baldwin, R. (2009). Use of maximum entropy 497 - 510.
modeling in wildlife research. Entropy, KLHK. (2018). Strategi Dan Rencana Aksi
11: 864 - 866. Konservasi Rangkong Gading
Elith, J., Graham C.H., Anderson, R.P., Dudik, (Rhinoplax Vigil) Indonesia 2018-
M., Ferrier, S., Guisan, A., Hijmans, 2028.
R.J., Huettmann, F., Leathwick, J.R., Merow, C., Smith, M.J., Silander, J.A. (2013).
Lehmann, A., Li, J., Lohmann, L.G., A practical guide to MaxEnt for
Loiselle, B.A., Manion, G., Moritz, C., modeling species distributions: what it
Nakamura, M., Nakazawa, Y., does, and why inputs and settings
Overton, J.M., Peterson, A.T., Phillips, matter. Ecography 36(10):1058–1069.
S.J., Richardson, K., Scachetti-Pereira, https://doi.org/10.1111/j.1600-
R., Schapire, R.E., Soberon, J., 0587.2013.07872.x
Williams S., Wisz, M.S., & Perumal, K., & Bhaskaran, R. (2010).
Zimmermann, N.E. (2006). Novel Supervised Classification Performance
methods improve prediction of species’ of Multispectral Images. Journal of
distributions from occurrence data. Computing, Vol. 2(2): 124:129.
Ecography 29(2):129–151. Phillips, S. J., & Dudik, M. (2008). Modeling
Kumara, I. (2006). Karakteristik spasial habitat of species distribution with Maxent:
burung rangkong di Taman Nasional new extensions and a comprehensive
Danau Sentarum. Tesis Sekolah evaluation. Ecography, 31: 161–175.
Pascasarjana Institut Pertanian Bogor: Phillips, S.J., Anderson, R.P., & Schapire,
Bogor. R.E. (2006). Maximum entropy
Kusuma, D. (2019). Geopark Silokek modeling of species geographic
Sijunjung Menuju UNESCO Global distributions. Ecol. Model.190: 231–
Park. Jurnal Pembangunan Nagari, 259.
Vol. 4 (1): 17-32. Phillips, S.J. A brief tutorial on Maxent,
Hadiprakarsa, Y., & Kinnaird. M.F. (2004). versions: 3.3.1. Available online:
Foraging characteristics of an http://www.cs.princeton.edu/~schapire/
assemblage of four Sumatran hornbill maxent/ (accessed on August 19,
species. Bird Conservation 2009).
International 14:S53- S62-S53-S62.
https://ejournal.unib.ac.id/index.php/hayati 43