Angka bentuk dan model volume Kayu afrika (Maesopsis eminii Engl) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat^

(1)

ANGKA BENTUK DAN MODEL VOLUME

KAYU AFRIKA (

Maesopsis eminii

Engl)

DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI,

JAWA BARAT

DIANTAMA PUSPITASARI

DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN

INSTITUT PERTANIAN BOGOR BOGOR

(2)

(3)

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Angka Bentuk dan Model Volume Kayu Afrika (Maesopsis eminii Engl.) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

(4)

ABSTRAK

DIANTAMA PUSPITASARI. Angka Bentuk dan Model Volume Kayu Afrika (Maesopsis eminii Engl.) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat. Dibimbing oleh TATANG TIRYANA

Beberapa model volume dan angka bentuk telah dikembangkan untuk beberapa jenis pohon di Hutan Pendidikan Gunung Walat (HPGW), namun belum ada model volume dan angka bentuk untuk jenis kayu afrika. Penelitian ini bertujuan menentukan angka bentuk dan menyusun model volume kayu afrika di HPGW. Sebanyak 87 pohon contoh digunakan untuk penyusunan model dan 37 pohon contoh untuk validasi model yang dipilih secara purpossive pada tegakan kayu afrika dengan kisaran diameter antara 5.7 sampai 73.5 cm. Pengukuran pohon contoh dilakukan dengan menggunakan Laser Criterion (untuk mengukur diameter) dan Laser Rangefinder (untuk mengukur tinggi pohon). Hasil penelitian menunjukkan bahwa kayu afrika di HPGW memiliki angka bentuk absolut 0.562 dan angka bentuk buatan 0.699, sedangkan model terbaik untuk menduga volume kayu afrika adalah V = 0.000264D2.35. Model volume tersebut memberikan ketelitian pendugaan yang lebih baik (dengan nilai bias sebesar 0.032) daripada pendugaan volume dengan angka bentuk.

Kata kunci: angka bentuk, kayu afrika, model volume, Hutan Pendidikan Gunung Walat

ABSTRACT

DIANTAMA PUSPITASARI. Form Factor and Volume Model for Maesopsis eminii Engl. in Gunung Walat University Forest, Sukabumi, West Java. Supervised by TATANG TIRYANA.

Some volume models and form factors have been developed for several trees species in Gunung Walat University Forest (GWUF), but no volume model and form factor are available yet for Maesopsis eminii. The objective of this study was to determine form factor and to develop volume model for M. eminii in GWUF. Eighty seven sample trees were used to develop volume models and 37 sample trees were used to validate the volume models, which were purpossively selected from the M. eminii stands with diameters ranging from 5.7 to 73.5 cm. The measurements of sample trees were conducted by using a Laser Criterion (for measuring tree diameter) and Laser Rangefinder (for measuring tree height). The results showed that M. eminii had an absolute form factor of 0.562 and an artificial form factor of 0.699, while the best model for estimating its volume was V = 0.000264D2.35. This volume model provided better precision (with a bias of 0.032) than the use of form factors.

(5)

Skripsi

sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan

pada

Departemen Manajemen Hutan

ANGKA BENTUK DAN MODEL VOLUME

KAYU AFRIKA (

Maesopsis eminii

Engl)

DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI,

JAWA BARAT

DIANTAMA PUSPITASARI

DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN

INSTITUT PERTANIAN BOGOR BOGOR

(6)

(7)

(8)

PRAKATA

Puji dan syukur penulis panjatkan atas kehadirat Allah subhanahu wa ta’ala yang telah memberikan rahmat, hidayah, serta karunia-Nya sehingga skripsi ini dapat diselesaikan. Skripsi ini adalah hasil penelitian yang berlangsung pada bulan Juni 2014, dengan judul “Angka Bentuk Kayu Afrika (Maesopsis eminii Engl.) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat”.

Terima kasih penulis sampaikan kepada Bapak Dr. Tatang Tiryana, S.Hut, M.Sc selaku pembimbing yang dengan sabar memberikan pengarahan dan bimbingan kepada penulis, kepada Ayah, Ibu, dan Adik, serta seluruh keluarga besar atas segala doa, kasih sayang, dan dukungannya, kepada seluruh staf karyawan Hutan Pendidikan Gunung Walat atas bantuan yang di berikan secara langsung maupun tidak langsung dalam proses pengambilan data di lapangan, dan seluruh pihak yang membantu yang tidak dapat disebutkan satu persatu.

Semoga skripsi ini dapat memberikan manfaat dan kebaikan bagi banyak pihak. Penulis pun mengharapkan kritik dan saran untuk penyempurnaan skripsi ini.

(9)

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vi

PENDAHULUAN 1

Latar Belakang 1

Tujuan Penelitian 1

Manfaat Penelitian 1

METODE 2

Lokasi dan Waktu Penelitian 2

Alat dan Bahan 2

Prosedur Pengumpulan Data 2

Prosedur Analisis Data 3

HASIL DAN PEMBAHASAN 7

Angka Bentuk Kayu Afrika 7

Model Volume Kayu Afrika 8

SIMPULAN DAN SARAN 11

Simpulan 11

Saran 11

DAFTAR PUSTAKA 11

LAMPIRAN 13

(10)

DAFTAR TABEL

1 Jumlah pohon contoh untuk penyusunan dan validasi model 3 2 Deskripsi statistik dimensi pohon contoh dalam penyusunan dan validasi

model 3

3 Koefisien korelasi antara satu peubah dengan peubah lainnya 4 4 Deskripsi statistik angka bentuk absolut dan angka bentuk buatan 8 5 Hasil perhitungan uji validasi pendugaan volume menggunakan angka

bentuk absolut dan buatan 8

6 Nilai-nilai dugaan parameter, standard error (SE), dan statistik

kesesuaian model-model volume 9

7 Hasil perhitungan uji validasi menggunakan model volume 10

DAFTAR GAMBAR

1 Grafik analisis sisaan model Berkhout 10

DAFTAR LAMPIRAN

(11)

PENDAHULUAN

Latar Belakang

Hutan merupakan sumber daya alam yang memiliki manfaat melimpah, seperti hasil kayu, hasil hutan bukan kayu, dan juga sebagai penyangga kestabilan ekosistem lingkungan. Pengelolaan hutan lestari perlu memperhatikan aspek ekologi, ekonomi, dan sosial. Perencanaan hutan perlu dilakukan agar tercipta pengelolaan hutan yang lestari, sehingga diperlukan data dan informasi mengenai hutan yang dikelola. Salah satu informasi yang dibutuhkan sebagai dasar kegiatan perencanaan adalah informasi mengenai potensi volume pohon dan tegakan. Struktur tegakan dipengaruhi oleh waktu, sehingga terjadi perubahan dimensi dan jumlah pohon. Oleh karena itu, pembaharuan model-model volume perlu dilakukan terhadap berbagai jenis tegakan untuk mengetahui potensi tegakan yang dikelola.

Kawasan Hutan Pendidikan Gunung Walat (HPGW) didominasi oleh tegakan damar, pinus, puspa, dan jenis lainnya seperti kayu afrika. Kayu afrika merupakan jenis kayu endemik Afrika dan termasuk dalam famili Rhamnaceae. Kayu afrika digunakan sebagai tanaman pengayaan, seperti tanaman tepi dan tanaman pembatas (JICA 2003 dalam Wulandari 2008) dan merupakan jenis pohon cepat tumbuh (fast growing species). Kayu ini memiliki kelas kekuatan sedang sampai kuat sehingga baik digunakan sebagai kayu konstruksi, kotak, dan tiang (Dephut 2002 dalam Wulandari 2008). Menurut Wahyudi et al. (1990) dalam Wulandari (2008), kayu ini berpotensi sebagai bahan pembuat pulp, bahan baku kayu lapis, dan papan partikel.

Pendugaan volume pohon dapat dilakukan menggunakan model volume dan angka bentuk pohon. Perbedaan jenis dan karakteristik pohon dapat mempengaruhi angka bentuk yang digunakan, sehingga perlu dilakukan pengukuran untuk jenis pohon berbeda agar memperoleh angka bentuk yang sesuai. Pendugaan volume dan angka bentuk di HPGW telah diteliti untuk beberapa jenis seperti agathis (Wardasanti 2011), puspa (Juliantari 2013), dan pinus (Rianto 2012), namun belum ada penelitian serupa untuk untuk jenis kayu afrika.

Tujuan Penelitian

Penelitian ini bertujuan menentukan angka bentuk dan menyusun model volume kayu afrika (Maesopsis eminii Engl.) di HPGW.

Manfaat Penelitian

(12)

2

METODE

Lokasi dan Waktu Penelitian

Penelitian dilaksanakan di Hutan Pendidikan Gunung Walat (HPGW), Sukabumi, Jawa Barat pada bulan Juni–Juli 2014. Berdasarkan administrasi pemerintahan, HPGW yang luasnya 359 ha terletak di Kecamatan Cibadak dan Cicantayan, Kabupaten Sukabumi, sedangkan berdasarkan administrasi kehutanan termasuk dalam wilayah Dinas Kehutanan Kabupaten Sukabumi. HPGW terletak pada ketinggian 460‒726 mdpl. Topografi di HPGW bervariasi dari landai sampai bergelombang, terutama di bagian selatan, sedangkan pada bagian utara mempunyai topografi yang semakin curam. Jenis tanah di HPGW adalah podsolik, litosol, dan latosol. Sekitar 70% tutupan lahan di HPGW didominasi oleh tegakan agathis (Agathis loranthifolia) dan campuran (Pinus merkusii, Pinus ocarpa, dan Schima walichii). Sekitar 30% lainnya merupakan tanaman yang berumur 1–40 tahun yang terdiri dari sonokeling (Dalbergia latifolia), Acacia auriculiformis, Acacia mangium, dan rasamala (Altingia excelsa), serta beberapa jenis asli yang dipertahankan. Selain pepohonan juga terdapat jenis paku-pakuan, epifit, dan berbagai jenis perdu dan rumput (Kosmaryandi 2013).

Alat dan Bahan

Alat yang digunakan dalam penelitian ini adalah Laser Rangefinder, Criterion RD 1000, phi band, tally sheet, dan kamera. Analisis data menggunakan software Minitab versi 14 dan Microsoft Excel 2013. Bahan yang digunakan adalah tegakan kayu afrika (Maesopsis eminii Engl.) di HPGW.

Prosedur Pengumpulan Data

(13)

3

Tabel 1 Jumlah pohon contoh untuk penyusunan dan validasi model Kelas diameter (cm) Jumlah pohon contoh

Total Model Validasi

Tabel 2 Deskripsi statistik dimensi pohon contoh dalam penyusunan dan validasi model

Peubah Data penyusunan model (n = 87) Data penyusunan validasi (n = 37)

Mean Min Max SD Mean Min Max SD

Keterangan: Mean (rata-rata); Min (minimum); Max (maksimum); SD (Standar deviasi); n (jumlah pohon)

Prosedur Analisis Data

Perhitungan Dimensi Pohon

Penentuan volume aktual (Va) untuk setiap pohon dilakukan dengan

menjumlahkan volume pohon per seksi batang (Vsi). Pengukuran volume per seksi

tersebut menggunakan rumus Smalian (Simon 1996):

Vsi= (gl+₂gs) ×l (1)

(14)

4

r = ∑ni=1xiyi-(∑i=1n xi)∙(∑ni=1yi) n⁄ √ ∑ni=1xi2-(∑ni=1xi)2⁄n ∙ ∑ni=1yi2-(∑ni=1yi)2⁄n

(3)

Tabel 3 menyajikan nilai-nilai koefisien korelasi antarpeubah yang diukur. Menurut Walpole (1993) bila r mendekati +1 atau -1, hubungan antara dua peubah itu kuat dan dapat dikatakan adanya korelasi yang tinggi antara dua peubah tersebut.

Tabel 3 Koefisien korelasi antara satu peubah dan peubah lainnya Koefisien korelasi pada peubah Dp, Dbh, Tt, Tbc, Va

Peubah Va Dp Dbh Tt bebas cabang); Va (volume aktual); *signifikan pada P-value < 0,01

Berdasarkan Tabel 3, diameter (Dp, Dbh) dan tinggi pohon (Tt, Tbc) memiliki hubungan keeratan yang signifikan dengan volume pohon (Va), sehingga pendugaan volume pohon dapat diduga dengan menggunakan satu peubah bebas (diameter pohon) atau dua peubah bebas (diameter dan tinggi pohon). Walaupun antara peubah Dp dan Tbc terdapat hubungan yang erat, pendugaan volume tetap dilakukan dengan menggunakan peubah Dbh dan Tt. Hal ini disebabkan oleh kemudahan pengerjaan di lapangan dan nilai korelasinya lebih besar. Menurut Simon (1996) untuk pohon-pohon yang tidak berbanir, pengukuran diameter dilakukan pada Dbh, karena adanya korelasi yang kuat antara Dbh dengan volume pohon.

Penentuan Angka Bentuk

Angka bentuk merupakan suatu nilai atau angka hasil perbandingan antara volume pohon dan volume silinder yang besarnya kurang dari satu. Menurut Simon (1996), penentuan angka bentuk absolut merupakan angka bentuk yang didasarkan pada diameter pangkal, sedangkan angka bentuk buatan didasarkan pada diameter setinggi dada dimana perhitungan volume kayu dihitung mulai dari pangkal pohon. Penghitungan angka bentuk absolut dan buatan dihitung menggunakan persamaan:

� = Va

Vdp (4)

� = Va

Vdbh (5)

Keterangan: fa : faktor/angka bentuk absolut fb : faktor/angka bentuk buatan Va : volume aktual (m3)

Vdp : volume diameter pangkal (m3)

(15)

5

Kedua macam angka bentuk tersebut selanjutnya digunakan untuk menduga volume pohon dengan menggunakan persamaan (Krisnawati et al 2012):

� =0.25π× Dbh₁₀₀ 2H× f (6) Keterangan: Dbh : diameter setinggi dada (cm)

Va : volume aktual (m3) H : tinggi (m)

f : angka bentuk absolut (fa) atau buatan (fb)

Penyusunan Model Volume

Penyusunan model volume kayu afrika dilakukan dengan analisis regresi menggunakan satu peubah bebas (diameter) dan dua peubah bebas (diameter dan tinggi). Model-model regresi dengan peubah bebas diameter pohon adalah (Simon 1996) :

V = b0 Db1 (Berkhout) (7)

V = b0 + b1D2 (Kopksky-Gehrhardt) (8)

V = b1D + b2D2 (Dissescu-Meyer) (9)

V = b0 + b1D + b2D2 (Hohenadl-Krenn) (10)

sedangkan Model-model regresi dengan peubah bebas diameter dan tinggi pohon adalah (Simon 1996):

Model Berkhout dan Schumacher-Hall merupakan model pangkat yang parameter-parameter modelnya ditentukan melalui transformasi logaritma menjadi model linier. Model tersebut perlu dikoreksi karena transformasi balik nilai-nilai logaritma menyebabkan terjadinya bias atau kesalahan sistematis dengan menggunakan rumus correction factor (CF) (Sprugel 1983 dalam Tiryana dan Muhdin 2012). Kemudian nilai CF dikalikan dengan nilai dugaan volume dari model tersebut (dengan mengalikan b0 (hasil anti ln b0)) untuk mendapatkan nilai

dugaan terkoreksi:

CF=exp( SEE2⁄2) (15)

(16)

6

Pemilihan Model Terbaik

Model terbaik dipilih berdasarkan nilai koefisien determinasi terkoreksi (R2

adj) dan simpangan baku (s). Kemudian dilakukan uji keberartian model regresi.

R2adj=1- JKS(n-p)

JKT(n-1) (Draper dan Smith 1992) (16)

s= √JKS_n-p (Draper dan Smith 1992) (17)

Keterangan: R2adj : koefisien determinasi terkoreksi (n-p) : derajat bebas sisa

(n-1) : derajat bebas total JKS : jumlah kuadrat sisa JKT : jumlah kuadrat total s : simpangan baku

Menurut Baroroh (2006), nilai simpangan baku (s) menunjukkan besarnya penyimpangan antara data aktual dengan dugaan model, sehingga model terbaik adalah model yang memiliki nilai s terkecil, sedangkan untuk nilai R2adj yang terbaik adalah yang terbesar atau yang mendekati 1.

Adanya hubungan yang nyata antara peubah bebas dan peubah terikat, dilakukan uji signifikasi, yaitu dengan membandingkan Fhitung dengan Ftabel.

Hipotesis: H0 : βi = 0

H1 : sekurang-kurangnya ada βi≠ 0 dimana i = 1, 2 , 3,.., n

Kriteria uji: Fhitung = KTR/KTS

keterangan: KTR : Kuadrat tengah regresi KTS : Kuadrat tengah sisaan Kaidah keputusan:

Fhitung > Ftabel (Tolak H0)

Fhitung ≤ Ftabel (Terima H0)

Selain itu, dilakukan pula uji t parsial untuk mengetahui berperannya atau tidak berperannya masing-masing peubah bebas dalam tiap model regresi.

Validasi Model

(17)

7

Apabila hasil uji χ2_{(khi-kuadrat) menunjukkan hasil yang tidak berbeda nyata}

(terima H0), maka model volume tersebut layak digunakan, karena memberikan

hasil dugaan volume yang sama dengan volume aktual. Nilai-nilai statistik yang dihitung pada tahap validasi adalah bias, simpangan agregat (SA), simpangan rata-rata (SR), dan Root Mean Square Error (RMSE):

e= ∑(��- �)/n (Akca 1995 dalam Juliantari 2013) (18) simpangan rata-rata (SR) tidak lebih dari 10%, nilai RMSE dan bias yang kecil.

HASIL DAN PEMBAHASAN

Angka Bentuk Kayu Afrika

(18)

8

Tabel 4 Deskripsi statistik angka bentuk absolut dan angka bentuk buatan Angka bentuk Minimal Maksimal Rata-rata Standar deviasi

Buatan 0.071 0.932 0.699 0.110

Absolut 0.053 0.840 0.562 0.113

Tabel 4 menunjukkan bahwa angka bentuk buatan kayu afrika sebesar 0.699 dan angka bentuk absolut sebesar 0.562. Angka bentuk absolut dan buatan kayu afrika tersebut berbeda karena bentuk diameter pangkal (Dp) dan diameter setinggi dada (Dbh) berbeda pula. Menurut Simon (1996) perbedaan bentuk batang yang tidak berbentuk lingkaran melainkan elips disebabkan karena pengaruh arah angin yang kontinu dan lereng. Ada pula peneliti yang mengatakan karena berkaitan dengan bentuk magnetik bumi. Perbedaan ini mengakibatkan bentuk batang pohon yang tidak silindris dari pangkal hingga ujung pohon, sehingga nilai angka bentuk absolut dan buatan menjadi berbeda dengan selisih 0.137.

Menurut Banyard (1973) dalam Simon (1996), angka bentuk umum memiliki nilai sebesar 0.7 dan menurut Krisnawati dan Harbagung (1996), angka bentuk umum yang digunakan sebesar 0.6. Nilai 0.7 dan 0.6 bersifat universal, karena setiap batang pohon memiliki bentuk batang yang berbeda. Hal ini terjadi dikarenakan perbedaan tempat tumbuh, kondisi lingkungan, dan juga jenis pohonnya.

Penggunaan angka bentuk buatan dalam perhitungan volume pohon menghasilkan nilai bias yang lebih besar (yaitu 1.008) dibandingkan dengan penggunaan angka bentuk absolut (yaitu 0.464, Tabel 5). Hal ini menunjukkan bahwa pendugaan volume dengan angka bentuk buatan akan menghasilkan nilai dugaan yang lebih besar dari volume sebenarnya. Namun, angka bentuk absolut

Buatan 26.095 52.192 59.893 36.39 32.15% 1.008 1.479

Absolut 7.626 52.192 59.893 20.80 19.12% 0.464 0.769

Model Volume Kayu Afrika

Peubah diameter dan tinggi pohon pada model Berkhout dan Schumacher-Hall berperan nyata (P-value <0.05) dan mampu menjelaskan variasi volume pohon berturut-turut sebesar 98.3% dan 98.8,% (Tabel 6, Lampiran 1). Namun peubah diameter dalam model Kopksky-Gehrhardt, Dissescu-Meyer, dan Hohenadl-Krenn tidak berpengaruh nyata (karena nilai P-value >0.05) dan hanya mampu menjelaskan variasi volume pohon berturut-turut sebesar 91.7%, 95.3%, dan 91.8%.

(19)

9 menjelaskan volume karena nilai P-value lebih dari 0.05, sehingga penambahan peubah tinggi tersebut tidak cukup berarti. Ketiga persamaan tersebut hanya menjelaskan keragaman volume secara berturut-turut sebesar 91.7%, 92.5%, dan 92.6%.

Tabel 6 Nilai-nilai dugaan parameter, standard error (SE), dan statistik kesesuaian model-model volume

Model Regresi Parameter Koefisien SE P-value R2_adj _s

Model Volume Lokal

Berkhout b0 0.00026 0.1177 <0.001 0.983 0.202

b1 2.35471 0.0336 <0.001

Kopksky-Gehrhardt b0 -0.02121 0.0733 0.773 0.917 0.428

b1 0.00103 0.0000 <0.001

Dissescu-Meyer b0 0.00075 0.0045 0.87 0.953 0.429

b1 0.00101 0.0001 <0.001

Hohenadl-Krenn b0 -0.20330 0.1838 0.272 0.918 0.428

b1 0.01230 0.0114 0.283

b2 0.00087 0.0002 <0.001

Model Volume Standar

Schumacher-Hall b0 0.00011 0.1574 <0.001 0.989 0.164

b1 1.98601 0.0608 <0.001

b2 0.68710 0.1014 <0.001

Spurr b0 0.17390 0.0688 0.013 0.917 0.431

b1 0.00003 0.0000 <0.001

Stoate b0 -0.23300 0.1839 0.209 0.925 0.408

b1 0.00061 0.0002 0.002

b2 0.00001 0.0000 0.063

b3 0.01658 0.0095 0.084

Meyer b0 -0.30008 0.1531 0.053 0.926 0.404

b1 0.02676 0.0077 0.001

b2 0.00002 0.0000 <0.001

b3 -0.00000 0.0000 0.826

Keterangan: SE (Sampling error); R2_{adj (Koefisien determinasi terkoreksi); s (simpangan baku)}

Penambahan peubah tinggi pada persamaan Schumacher-Hall bisa menjadi sebuah pilihan dalam menduga volume pohon. Namun, penggunaan peubah diameter dalam persamaan Berkhout sudah cukup memuaskan dalam menduga volume. Pendugaan volume menggunakan peubah diameter lebih menguntungkan karena lebih praktis dan membutuhkan waktu yang lebih singkat. Selain itu, tidak perlu dilakukan pengukuran tinggi sehingga dapat mengurangi bias pada hasil pengukuran.

(20)

10

penilaian ketelitian model pendugaan volume pohon didasarkan oleh besarnya simpangan agregatif (SA) dan simpangan rata-rata (SR). Persamaan Berkhout menghasilkan nilai SR sebesar >10% dan SA sebesar >1% (Tabel 7). Hal ini menunjukkan bahwa persamaan tersebut akan menimbulkan bias yang lebih besar atau memiliki ketelitian yang rendah dalam menduga volume pohon sebenarnya. Nilai SA dan SR menunjukkan angka yang lebih besar dari kriteria yang ditentukan, namun model tersebut masih dapat digunakan karena memiliki nilai SA lebih kecil jika dibandingkan dengan model Schumacher-Hall dan nilai bias yang lebih kecil dari model Schumacher-Hall yaitu 0.032. Hal ini berarti dalam menduga volume memiliki nilai dugaan yang lebih besar 0.032 m3 dalam menduga volume sebenarnya.

Tabel 7 Hasil perhitungan uji validasi menggunakan model volume

Model χ2

hit χ20.05 χ20.01 e RMSE SA(%) SR(%)

Model volume lokal

Berkhout 2.358 50.998 58.619 0.032 0.341 1.82 16.7

Kopksky-Gehrhardt 2.986 50.998 58.619 -0.007 0.345 -0.41 19.6

Dissescu-Meyer 3.456 49.802 57.342 0.007 0.351 0.40 23.0

Hohenadl-Krenn 3.943 49.802 57.342 -0.002 0.358 -0.09 11.2

Model volume standar

Schumacher-Hall 2.368 49.801 57.342 0.118 0.334 6.27 13.24

Spurr 5.808 50.998 58.619 0.074 0.331 4.06 24.44

Stoate 3.588 48.602 56.061 0.058 0.303 3.19 6.51

Meyer 4.406 48.602 56.061 0.098 0.321 5.27 11.98

Menurut Kuncahyo (1991) dalam Seputra (2013), suatu model regresi dapat digunakan dengan baik apabila salah satu asumsi penting mengenai kenormalan dari nilai sisaan terpenuhi, sehingga perlu dilihat apakah sisaan tersebut menyebar normal atau tidak. Oleh karena itu, untuk meyakinkan bahwa model Berkhout adalah model terbaik dalam menduga volume kayu afrika, selanjutnya dilakukan analisis terhadap sisaan.

(21)

11 Pada Gambar 1, grafik normal probability plot nilai sisaan pada model Berkhout menyebar normal dengan membentuk pola garis linier. Hal ini berarti nilai-nilai sisaan mendekati nilai tengah nol, sehingga model ini memenuhi asumsi kenormalan sisaan. Selain itu, kehomogenan ragam sisaan dapat dilihat dari grafik residual vs fitted values. Nilai sisaan pada model tersebut tidak membentuk pola tertentu. Hal ini menunjukkan bahwa model ini memenuhi asumsi kehomogenan ragam sisaan. Menurut Sembiring (1995), sisaan memberi keterangan tentang data yang tidak mengikuti pola umum model yang digunakan, ditandai oleh sisaan yang relatif besar. Sisaan yang relatif besar tersebut menunjukkan bahwa model yang digunakan belum sesuai.

SIMPULAN DAN SARAN

Simpulan

Kayu afrika di HPGW memiliki angka bentuk absolut 0.562 dan angka bentuk buatan 0.699. Model volume terbaik yang dihasilkan untuk kayu afrika di HPGW adalah V = 0.000264D2.35 untuk kisaran diameter 5.7 cm hingga 73.5 cm. Model ini dapat menjelaskan keragaman volume sebesar 98.3%. Pendugaan volume dengan menggunakan model regresi lebih baik dari pendugaan volume dengan angka bentuk, karena nilai bias yang dihasilkan oleh model volume tersebut lebih kecil, yaitu sebesar 0.032.

Saran

Perlu dilakukan penelitian serupa untuk jenis lainnya di HPGW seperti rasamala, sengon, dan sebagainya. Selain itu perlu dilakukan penelitian terkait pendugaan biomassa kayu afrika di HPGW.

DAFTAR PUSTAKA

Baroroh AN. 2006. Karakteristik biometrik pohon Shorea leprosula Miq. (studi kasus pada Hutan Tanaman Haurbentes, Kecamatan Jasinga, Kabupaten Bogor) [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Draper NR, H Smith. 1992. Analisis Regresi Terapan Edisi Kedua. Jakarta (ID): PT. Gramedia Pustaka Utama.

Haryanto A. 2004. Penyusunan tabel volume pohon untuk jenis mahoni daun besar (Swietenia marcophylla King) di BKPH Tanggeung KPH Cianjur Perum Perhutani Unit II Jawa Barat dan Banten [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Husch B. 1963. Forest Mensuration and Statistics. New York (US): The Ronald Press Company.

(22)

12

Kosmaryandi N. 2013. Sejarah Pengelolaan Hutan Gunung Walat. Bogor (ID): Fakultas Kehutanan IPB.

Krisnawati H dan Harbagung. 1996. Kajian Angka Bentuk Batang untuk Pendugaan Volume Jenis-Jenis Hutan Primer. Prosiding Diskusi Hasil-Hasil Penelitian dalam Menunjang Pemanfaatan Hutan yang Lestari; 11-12 Maret 1996; Cisarua, Bogor. Bogor (ID): Indonesia. hlm 177-191.

Krisnawati H, Adinugroho WC, Imanuddin R.2012. Monograf: Model-Model Alometrik untuk Pendugaan Biomassa Pohon pada Berbagai Tipe Ekosistem Hutan di Indonesia. Bogor (ID): Pusat Penelitian dan Pengembangan Konservasi dan rehabilitasi, Badan Penelitian dan Pengembangan Kehutanan.

Rianto A. 2012. Karakteristik biometrik pohon Pinus merkusii Jungh et. De Vriese di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Sembiring RK. Analisis Regresi. Bandung (ID): Institut Teknologi Bandung. Seputra DD. 2013. Penyusunan tabel volume lokal jenis nyatoh (Palaquium spp) di

IUPHHK-HA PT. Memberamo Alasmandiri, Propinsi Papua [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Siahaan H, Suhendang E, Rusolono T, Sumadi A. 2011. Pertumbuhan Tegakan Kayu Bawang (Disoxylum mollissium Bl.) pada Berbagai Pola Tanaman dan Kerapatan Tegakan. Jurnal Penelitian Hutan Tanaman [Internet]. [diunduh 2014 Okt 6]; 8(4): 225-237. Tersedia pada: http://forda-mof.org/files/Hengki% 20Siahaan%20,Endang%20Suhendang%20,Teddy%20Rusolono%20dan%20A gus%20Sumadi.pdf.

Simon H. 1996. Metode Inventore Hutan. Yogyakarta (ID): Aditya Media.

Tiryana T, Muhdin. 2012. Modul Pelatihan Teknik Pendugaan Potensi Serapan Karbon Dioksida (CO2) pada Areal Revegetasi. Bogor (ID): Fakultas Kehutanan Institut Pertanian Bogor.

Walpole RE. 1995. Pengantar Statistika Edisi Ke-3. Sumantri B, Penerjemah. Jakarta (ID): Gramedia Pustaka Utama. Terjemahan dari: Introduction to Statistics 3rd Edition.

Wardasanti CE. 2011. Persamaan penduga volume pohon pinus (Pinus merkusii Jungh et de Vriese) di Hutan Pendidikan Gunung Walat Kabupaten Sukabumi, Jawa Barat [skripsi]. Bogor (ID): Institut Pertanian Bogor.

(23)

13 Lampiran 1 Hasil pengolahan data dengan menggunakan Minitab 14

Regression Analysis: Ln V (m3_{) versus Ln Dbh (cm)}

The regression equation is

Ln V (m3_{) = - 8,26 + 2,35 Ln Dbh (cm)}

Predictor Coef SE Coef T P Constant -8,2565 0,1177 -70,18 0,000 Ln Dbh (cm) 2,35471 0,03360 70,08 0,000

S = 0,202366 R-Sq = 98,3% R-Sq(adj) = 98,3%

Analysis of Variance

Source DF SS MS F P Regression 1 201,13 201,13 4911,27 0,000 Residual Error 85 3,48 0,04

Total 86 204,61

Unusual Observations

Ln Dbh

Obs (cm) Ln V (m3_{) Fit SE Fit Residual St Resid}

1 1,74 -4,3077 -4,1582 0,0611 -0,1495 -0,78 X 2 1,84 -3,9428 -3,9225 0,0580 -0,0203 -0,10 X 3 1,97 -3,6787 -3,6081 0,0539 -0,0706 -0,36 X 6 2,25 -3,4917 -2,9554 0,0455 -0,5363 -2,72R 32 3,39 0,1371 -0,2793 0,0218 0,4164 2,07R 44 3,63 0,7554 0,3028 0,0226 0,4526 2,25R 84 4,19 1,0900 1,6160 0,0333 -0,5261 -2,64R

(24)

14

Lampiran 1 (lanjutan)

Regression Analysis: Va (m3_{) versus Dbh}2_(cm2₎

Va (m3_{) = - 0,0212 + 0,00103 Dbh}2_(cm2₎

Predictor Coef SE Coef T P Constant -0,02121 0,07327 -0,29 0,773

Dbh2_(cm2_{) 0,00103248 0,00003339 30,92 0,000}

S = 0,428382 R-Sq = 91,8% R-Sq(adj) = 91,7%

Total 86 191,03

Dbh2

Obs (cm2_{) Va (m}3_{) Fit SE Fit Residual St Resid}

76 3376 4,7634 3,4640 0,0721 1,2994 3,08R 81 4083 6,0141 4,1946 0,0916 1,8195 4,35R 83 4290 3,4456 4,4084 0,0976 -0,9628 -2,31R 84 4382 2,9742 4,5036 0,1004 -1,5294 -3,67R 86 4665 3,7681 4,7952 0,1088 -1,0271 -2,48R 87 4789 4,5945 4,9230 0,1126 -0,3285 -0,79 X

(25)

15 Lampiran 1 (lanjutan)

Regression Analysis: Va (m3_{) versus Dbh (cm); Dbh}2_(cm2₎

Va (m3_{) = 0,00074 Dbh (cm) + 0,00101 Dbh}2_(cm2₎

Predictor Coef SE Coef T P Noconstant

Dbh (cm) 0,000745 0,004543 0,16 0,870

Dbh2_(cm2_{) 0,00101134 0,00008562 11,81 0,000}

S = 0,428525 R-Sq = 96,5% R-Sq(adj) = 95,3%

Total 87 455,64

Source DF Seq SS Dbh (cm) 1 414,41 Dbh2 (cm2) 1 25,62

Obs Dbh (cm) Va (m3_{) Fit SE Fit Residual St Resid}

76 58,1 4,7634 3,4572 0,0725 1,3062 3,09R 81 63,9 6,0141 4,1771 0,0984 1,8370 4,40R 83 65,5 3,4456 4,3877 0,1072 -0,9421 -2,27R 84 66,2 2,9742 4,4814 0,1113 -1,5072 -3,64R 85 67,8 5,4521 4,6995 0,1211 0,7526 1,83 X 86 68,3 3,7681 4,7687 0,1243 -1,0006 -2,44RX 87 69,2 4,5945 4,8945 0,1302 -0,3000 -0,73 X

(26)

16

Regression Analysis: Va (m3_{) versus Dbh (cm); Dbh}2_(cm2₎

Va (m3_{) = - 0,203 + 0,0123 Dbh (cm) + 0,000872 Dbh}2_(cm2₎

Predictor Coef SE Coef T P Constant -0,2033 0,1838 -1,11 0,272 Dbh (cm) 0,01230 0,01140 1,08 0,283

Dbh2_(cm2_{) 0,0008723 0,0001520 5,74 0,000}

S = 0,427965 R-Sq = 91,9% R-Sq(adj) = 91,8%

Total 86 191,034

Source DF Seq SS Dbh (cm) 1 169,620 Dbh2 (cm2) 1 6,029

(27)

R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.

Regression Analysis: Ln V (m3_{) versus Ln Dbh (cm); Ln Tt(m)}

Ln V (m3_{) = - 9,11 + 1,99 Ln Dbh (cm) + 0,687 Ln Tt(m)}

Predictor Coef SE Coef T P Constant -9,1055 0,1574 -57,86 0,000 Ln Dbh (cm) 1,98601 0,06084 32,64 0,000 Ln Tt(m) 0,6871 0,1014 6,77 0,000

S = 0,163709 R-Sq = 98,9% R-Sq(adj) = 98,9%

Total 86 204,61

Source DF Seq SS Ln Dbh (cm) 1 201,13 Ln Tt(m) 1 1,23

Ln Dbh

Obs (cm) Ln V (m3_{) Fit SE Fit Residual St Resid}

(28)

18

49 3,73 0,2480 0,6168 0,0233 -0,3689 -2,28R 84 4,19 1,0900 1,5959 0,0271 -0,5059 -3,13R

R denotes an observation with a large standardized residual.

Regression Analysis: Va (m3_{) versus Dbh}2_Tt

Va (m3_{) = 0,174 + 0,000033 Dbh}2_Tt

Predictor Coef SE Coef T P Constant 0,17390 0,06883 2,53 0,013

Dbh2_{Tt 0,00003307 0,00000108 30,75 0,000}

S = 0,430523 R-Sq = 91,8% R-Sq(adj) = 91,7%

Total 86 191,03

Obs Dbh2_{Tt Va (m}3_{) Fit SE Fit Residual St Resid}

(29)

Regression Analysis: Va (m3_{) versus Dbh}2_(cm2_{); Dbh}2_{Tt; Tt (m)}

Va (m3_{) = - 0,233 + 0,000600 Dbh}2_(cm2_{) + 0,000012 Dbh}2_{Tt + 0,0166 Tt (m)}

Predictor Coef SE Coef T P Constant -0,2330 0,1839 -1,27 0,209

Dbh2 (cm2_{) 0,0006001 0,0001852 3,24 0,002}

Dbh2_{Tt 0,00001189 0,00000631 1,88 0,063}

Tt (m) 0,016587 0,009471 1,75 0,084

S = 0,407735 R-Sq = 92,8% R-Sq(adj) = 92,5%

Total 86 191,034

Source DF Seq SS Dbh2 (cm2) 1 175,435 Dbh2Tt 1 1,290 Tt (m) 1 0,510

Dbh2

(30)

20

64 2510 2,2070 2,1370 0,1565 0,0700 0,19 X 76 3376 4,7634 3,5061 0,0716 1,2573 3,13R 77 3600 4,3521 4,0897 0,1662 0,2624 0,70 X 81 4083 6,0141 4,3087 0,1122 1,7054 4,35R 83 4290 3,4456 4,3294 0,1010 -0,8838 -2,24R 84 4382 2,9742 4,5750 0,1190 -1,6008 -4,10R 85 4597 5,4521 4,9341 0,1618 0,5180 1,38 X 86 4665 3,7681 4,6203 0,1194 -0,8522 -2,19R

Regression Analysis: Va (m3_{) versus Dbh (cm); Dbh}2_{Tt; Dbh Tt}3

Va (m3_{) = - 0,301 + 0,0268 Dbh (cm) + 0,000023 Dbh}2_{Tt - 0,000000 Dbh Tt}3

Predictor Coef SE Coef T P Constant -0,3008 0,1531 -1,96 0,053 Dbh (cm) 0,026768 0,007673 3,49 0,001

Dbh2_{Tt 0,00002280 0,00000465 4,90 0,000}

Dbh Tt3_{-0,00000004 0,00000017 -0,22 0,826}

S = 0,404409 R-Sq = 92,9% R-Sq(adj) = 92,6%

Total 86 191,034

(31)

Dbh (cm) 1 169,620 Dbh2Tt 1 7,831 Dbh Tt3 1 0,008

44 37,9 2,1284 1,8250 0,1670 0,3034 0,82 X 54 44,3 1,7975 2,4206 0,1711 -0,6231 -1,70 X 76 58,1 4,7634 3,5176 0,0705 1,2458 3,13R 77 60,0 4,3521 4,1823 0,1795 0,1698 0,47 X 81 63,9 6,0141 4,3174 0,1085 1,6967 4,36R 83 65,5 3,4456 4,2648 0,1110 -0,8192 -2,11R 84 66,2 2,9742 4,5582 0,1203 -1,5840 -4,10R 85 67,8 5,4521 4,9566 0,1527 0,4955 1,32 X

(32)

22

RIWAYAT HIDUP

Penulis dilahirkan di Bogor, Jawa Barat pada tanggal 7 Januari 1993. Penulis merupakan anak pertama dari tiga bersaudara pasangan Bapak Rachmat Santoso dan Ibu Sri Budi Lestari. Riwayat pendidikan penulis dimulai dari tahun 1997–1998 di TK Melati kemudian pada tahun 1998–2004 melanjutkan pendidikan di SD Negeri Cibuluh 1 Bogor, pada tahun 2004–2007 melanjutkan ke SMP Negeri 5 Bogor, pada tahun 2007–2010 melanjutkan ke SMA Negeri 3 Bogor. Pada tahun 2010, penulis melanjutkan studi S1 di Institut Pertanian Bogor (IPB) melalui seksi masuk Ujian Talenta Mandiri (UTM) dengan Mayor Manajemen Hutan, Fakultas Kehutanan.

Kegiatan Praktik yang pernah diikuti penulis diantaranya adalah kegiatan Praktek Pengenalan Ekosistem Hutan (P2EH) di Sancang Timur-Papandayan, Garut, Jawa Barat; Preaktek Pengelolaan Hutan (P2H); Praktek Kerja Lapang di PT. Indexim Utama, Kalimantan Tengah. Selama mengikuti pendidikan, penulis aktif dalam kegiatan Himpunan Propesi FMSC (Forest Management Student Club) sebagai anggota divisi PSDM pada periode 2011–2012 dan 2012–2013 serta anggota PC Silva Indonesia IPB pada periode 2011–2012. Penulis juga aktif pada kegiatan Ecological Social Mapping (ESM) pada periode tahun 2012–2013 di Hutan Pendidikan Gunung Walat dan pada periode 2013–2014 di Haurbentes, Kabupaten Bogor.