Electronic Theses and Dissertation

Burung rangkong (Bucerotidae) merupakan salah satu spesies penting dalam ekosistem hutan tropis yang berperan sebagai penyebar biji dan indikator kesehatan hutan, namun keberadaan habitatnya semakin terancam. Distribusi habitat burung rangkong tidak merata secara spasial sehingga diperlukan pendekatan analisis untuk mengidentifikasi tingkat kesesuaian habitatnya. Penelitian ini bertujuan memetakan tingkat kesesuaian habitat burung rangkong di Provinsi Aceh, mengidentifikasi variabel lingkungan yang berpengaruh, serta mengevaluasi kinerja model menggunakan metode Maximum Entropy (MaxEnt), yaitu metode pemodelan berbasis presence-only yang digunakan untuk memprediksi distribusi spesies dengan memaksimalkan entropi berdasarkan hubungan antara titik kehadiran dan variabel lingkungan. Data yang digunakan berupa titik kehadiran burung rangkong sebanyak 459 titik pada tahun 2015–2025 serta 23 variabel lingkungan yang terdiri dari 19 variabel bioklimatik dan 4 variabel non-iklim. Sebelum dilakukan pemodelan, dilakukan pengujian autokorelasi spasial untuk mengurangi pengaruh pengelompokan titik kehadiran dan uji multikolinearitas untuk menyeleksi variabel lingkungan yang saling independen. Selanjutnya, pemodelan kesesuaian habitat dilakukan dengan 10 kali replikasi melalui pendekatan cross-validation untuk memperoleh model yang lebih stabil dan representatif. Peta kesesuaian habitat menunjukkan bahwa wilayah Provinsi Aceh didominasi oleh kategori tidak sesuai seluas 2.068.346,06 hektare dan kesesuaian rendah seluas 1.724.012,12 hektare, sedangkan kesesuaian sedang seluas 953.434,90 hektare dan kesesuaian tinggi seluas 729.723,51 hektare. Variabel yang berpengaruh meliputi faktor iklim seperti temperature seasonality (Bio4), precipitation seasonality (Bio15), annual mean temperature (Bio1), dan temperature annual range (Bio7), serta faktor non-iklim seperti jarak dari jalan yang menunjukkan pentingnya habitat alami yang minim gangguan manusia. Evaluasi model menghasilkan nilai AUC sebesar 0,713 dengan standar deviasi 0,098 yang menunjukkan kinerja model dalam kategori sedang dan cukup mampu menggambarkan tingkat kesesuaian habitat.

Hornbills (Bucerotidae) are an important species in tropical forest ecosystems, serving as seed dispersers and indicators of forest health; however, their habitats are increasingly threatened. The spatial distribution of hornbill habitats is uneven, necessitating an analytical approach to identify habitat suitability levels. This study aims to map hornbill habitat suitability in Aceh Province, identify influential environmental variables, and evaluate model performance using the Maximum Entropy (MaxEnt) method, a presence-only modelling approach used to predict species distribution by maximizing entropy based on the relationship between presence points and environmental variables. The data used consisted of 459 hornbill presence points from 2015 to 2025 and 23 environmental variables, including 19 bioclimatic variables and 4 non-climatic factors. Prior to modelling, spatial autocorrelation testing was conducted to reduce clustering effects, and multicollinearity testing was performed to select independent variables. Habitat suitability modelling was then carried out using MaxEnt with 10 replications through a cross-validation approach to obtain a stable and representative model. The results indicate that Aceh Province is dominated by the “unsuitable” category covering 2,068,346.06 hectares and the “low suitability” category covering 1,724,012.12 hectares, while moderate suitability covers 953,434.90 hectares and high suitability covers 729,723.51 hectares. Influential variables include climatic factors such as temperature seasonality (Bio4), precipitation seasonality (Bio15), annual mean temperature (Bio1), and temperature annual range (Bio7), as well as non-climatic factors such as distance from roads, highlighting the importance of natural habitats with minimal human disturbance. The model achieved an AUC value of 0.713 with a standard deviation of 0.098, indicating moderate performance and sufficient capability in describing habitat suitability.