Berdasarkan hasil pengukuran peubah kerapatan tajuk dan diameter rata-rata tajuk di lapangan dan di citra, maka diperoleh nilai korelasi antar peubah. Korelasi antar peubah bebas C (kerapatan tajuk) dan D (diameter rata-rata tajuk) yang diamati di lapangan dan pada citra IKONOS disajikan pada Tabel 11.
Tabel 11 Nilai Korelasi Antar Peubah
Peubah D-citra C-citra D-lap C-lap V-lap
D-citra 1
C-citra 0,4710 1
D-lap 0,9973 0,3658 1
C-lap 0,4854 0,9966 0,3821 1
V-lap 0,9176 0,4321 0,8675 0,3713 1
Keterangan: nilai korelasi dihitung dengan nilai r
Berdasarkan nilai korelasi di atas, dapat dilihat bahwa diameter tajuk di lapangan memiliki nilai korelasi yang tinggi dengan volume lapangan (0,8675). Antara diameter tajuk di citra dengan diameter tajuk di lapangan juga memiliki korelasi yang tinggi, sehingga peubah diameter tajuk di citra dapat digunakan sebagai peubah bebas dalam menduga potensi tegakan. Peubah diameter tajuk lebih berkorelasi dengan volume karena dalam hal ini volume dihitung per kelas umur dan kesesuaian tempat tumbuh (bonita) tanaman jati, dimana semakin tua kelas umurnya dan tempat tumbuh semakin subur, maka pohon akan semakin besar dan diameter tajuk akan semakin lebar akibat kegiatan pemeliharaan tegakan. Berbeda halnya dengan kerapatan tajuk pada tiap kelas umur yang dapat berubah karena adanya kegiatan pemeliharaan seperti penjarangan pada tegakan.
Persamaan regresi kemudian disusun dengan menggunakan peubah diameter tajuk pada citra. Data yang digunakan untuk penyusunan persamaan regresi disajikan pada Lampiran 2. Volume per hektar yang diperoleh dari citra untuk tiap kelas umur (Tabel 12), digunakan untuk penghitungan etat dimana akan diperoleh jumlah tebangan yang seharusnya diambil pada tahun 2006. Persamaan regresi yang digunakan untuk menduga potensi / volume tiap kelas umur pada wilayah Bagian Hutan Bancar disajikan pada Tabel 12.
Tabel 12 Persamaan Regresi Tiap Kelas Umur
KU Persamaan Regresi R-sq R-sq adj Volume citra (m3/ha) I V = -0.6077 D2 + 3.9931 D - 4.0384 0,8421 0,8079 13,36 II V = -0.7926 D2 + 6.9254 D - 11.619 0,6905 0,5603 30,86 III V = -0.4296 D2 + 5.0458 D - 5.4095 0,6196 0,5789 75,75 IV V = 0.8726 D2 - 6.0939 D + 18.334 0,8277 0,7069 90,31 V V = 0.2171 D2 - 2.5236 D + 16.765 0,9871 0,8738 102,14 VI V = -0.4617 D2 + 11.605 D - 60.329 0,7079 0,6398 109,02 VII V = 0.1135 D2 - 1.5451 D + 17.635 0,9063 0,8875 158,29 VIII V = -0.1108 D2 + 3.7446 D - 7.8119 0,8965 0,8650 189,22 MR V = 0.3571 D2 - 3.3294 D + 15.486 0,7231 0,6062 94,07 Berdasarkan hasil digitasi citra IKONOS, luas keseluruhan tutupan lahan lebih kecil dibandingkan data perusahaan, dimana terdapat perbedaan luas tutupan lahan tiap kelas umur dengan luas dari data peta kelas hutan KPH Jatirogo. Pada masing-masing kelas umur, terdapat luasan hasil digitasi yang lebih besar dan ada pula yang lebih kecil dibanding data peta kelas hutan yang dimiliki perusahaan. Proses digitasi untuk luas areal berhutan dapat dilakukan sehingga luasan yang diperoleh sesuai dengan luasan area yang terekam pada citra, namun hal ini sangat tergantung pada ketelitian interpreter melakukan digitasi. Pada Gambar 12 disajikan peta tutupan hutan Bancar hasil digitasi. Berdasarkan hasil penafsiran kelas potensi penutupan tajuk (C) dan kelas diameter rata-rata tajuk (D) pada citra IKONOS, maka dapat disusun salah satu bentuk analisis data yang berbentuk visual. Penyajian data potensi secara klasifikasi demikian ini didasarkan atas pertimbangan bahwa potensi yang diperoleh merupakan pengetahuan awal yang digunakan untuk penyusunan kebijakan bersifat garis besar atau umum. Hasil interpretasi citra IKONOS untuk masing- masing kelas C (kerapatan tajuk) dan D (diameter rata-rata tajuk) pada Bagian Hutan Bancar disajikan pada Gambar 13 sampai dengan Gambar 19.
Gambar 12 Tutupan Hutan Bancar Hasil Digitasi Citra
Gambar 14 Hasil Interpretasi Kelas Klasifikasi C2D1
Gambar 16 Hasil Interpretasi Kelas Klasifikasi C4D1
Gambar 18 Hasil Interpretasi Kelas Klasifikasi C3D2
A. Spesifikasi Model
Spesifikasi model dilakukan dengan membuat persamaan (equation) matematika, sehingga model yang disusun dapat disimulasikan dengan program komputer (Stella Research 8). Equation yang disusun dalam model menggunakan data dari KPH Jatirogo dan informasi luas serta potensi tegakan dari citra IKONOS serta menggunakan asumsi-asumsi yang membatasi lingkup penelitian. Satuan waktu (Basic Time Unit) yang digunakan dalam penyusunan model adalah tahun, karena model ditujukan guna menentukan besarnya jatah tebangan yang diambil per tahun. Rincian equation yang digunakan disajikan pada Lampiran 7.
B. Evaluasi Model
Evaluasi model dilakukan dengan membandingkan data luas pada masing-masing Kelas Umur jati hasil prediksi model dengan data aktual. Pengujian dilakukan dengan uji Khi-kuadrat (X2), karena data yang digunakan bersifat time series sehingga dapat dibandingkan besar keragamannya. Hasil evaluasi model disajikan pada Tabel 13.
Tabel 13 Hasil Evaluasi Model
Kelas Umur Luas aktual Luas model Volume aktual Volume model
I 2.056,4 1.908,29 248.824,4 154.000 II 658,2 620,06 71.743,8 112.542,79 III 344,1 360,49 33.033,6 27.224,49 IV 152,1 237,48 16.426,8 21.239,08 V 11,1 11,31 1.243,2 1.158,29 VI 105,9 111,97 16.308,6 12.169,96 VII 54,8 54,79 9.370,8 8.697,03 VIII 151 140,54 25.821 14.191,1 Jumlah 3.533,6 3.444,93 422.772,2 351.222,74 Nilai X2hitung 8,800 Nilai X2tabel 14,067
Nilai X² tabel pada tingkat kepercayaan 95% dengan derajat bebas (v) = 7. Wilayah kritik = X² hitung < 14,067 Terima H0.
Berdasarkan hasil evaluasi model, kriteria yang terpenuhi adalah “Terima H0”, artinya hasil prediksi simulasi model tidak berbeda nyata dengan data sistem nyata, sehingga model dapat diterima dan digunakan.
C. Aplikasi Model Perhitungan Etat
Model yang telah disusun digunakan untuk membuat simulasi kegiatan pengaturan hasil hutan di Bagian Hutan Bancar KPH Jatirogo. Simulasi dilakukan untuk mengetahui besarnya etat yang dapat diambil pada tahun 2006. Hasil perhitungan etat yang diperoleh dengan metode pengaturan hasil secara statis dibandingkan dengan metode pengaturan hasil yang memanfaatkan informasi citra satelit IKONOS. Hasil yang diperoleh disajikan pada Tabel 14. Tabel 14 Aplikasi Model Perhitungan Etat
Variabel Metode statis Pemanfaatan citra
Etat Luas (Ha) 49,18 43,06
Etat Volume (m3) 4.448 4.390,28
Dari hasil penggunaan model terlihat perbedaan antara metode statis dan metode dinamis untuk besarnya etat yang diambil pada tahun 2006 di Bagian Hutan Bancar KPH Jatirogo. Perbedaan antara metode statis dengan pemanfaatan citra sebesar 6,12 hektar untuk etat luasnya, sedangkan perbedaan volumenya sebesar 57,72 m3. Selisih tersebut terjadi karena dengan metode statis, perhitungan tidak mengikutsertakan perubahan pada tegakan yang terjadi di tahun 2006. Pada pemanfaatan informasi dari citra IKONOS 2006, dapat dihitung luas areal berhutan pada setiap kelas umur dengan melakukan proses on screen digitizing sehingga dapat diketahui berapa perubahan luas yang terjadi pada tegakan. Dari hasil perhitungan luas diperoleh luas produktif yang lebih kecil dari luas yang digunakan oleh perusahaan, sehingga potensi tegakan yang dihasilkan dari informasi citra juga lebih kecil. Penurunan potensi ini disebabkan oleh gangguan terhadap keamanan hutan, dimana dalam perhitungan secara statis faktor gangguan tersebut tidak dimasukkan.
Metode statis yang digunakan dalam pengaturan hasil hutan memiliki kelemahan mengenai perubahan kondisi tegakan yang terjadi secara cepat di lapangan. Sedangkan dengan menggunakan metode pengaturan hasil yang memanfaatkan teknologi citra satelit, maka akan didapatkan perhitungan etat yang sesuai kondisi aktual di lapangan. Keunggulan lain menggunakan data citra IKONOS adalah dapat digunakan untuk menduga potensi tegakan secara cepat dan akurat karena kemampuan spasialnya yang tinggi sehingga dapat
dimanfaatkan untuk aplikasi yang meminta tingkat detail yang tinggi. Jangkauan citra IKONOS juga luas dalam mendeteksi obyek, sehingga dapat membedakan banyak kelas tutupan lahan di areal penelitian. Sedangkan kelemahan penggunaaan citra IKONOS dalam kegiatan pengaturan hasil adalah dalam membedakan kelas umur tanaman yang hanya berdasarkan interpretasi secara visual, sehingga pengolahan citra dalam hal ini sangat tergantung pada kemampuan interpreter dalam kegiatan interpretasi citra. Secara umum, kegiatan pengolahan citra harus dibekali dengan pengetahuan mengenai penginderaan jauh dan analisis citra digital agar pengolahan dapat dilakukan secara benar. Hal ini dapat menjadi bahan pertimbangan bagi pembuat kebijakan untuk melakukan pengelolaan hutan dengan memperhatikan adanya perubahan pada kondisi tegakan dengan memanfaatkan teknologi citra satelit resolusi tinggi, termasuk juga dalam penentuan etat tebangan dalam pengaturan hasil hutan untuk menjaga kelestarian hutan.