Penyusunan Tabel Volume Lokal Jenis Nyatoh (Palaquium spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua.

(1)

DIMAS DARMA SEPUTRA. Penyusunan Tabel Volume Lokal Jenis Nyatoh

(Palaquium spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua.

Dibimbing oleh BUDI PRIHANTO.

Inventarisasi hutan adalah kegiatan yang dilaksanakan untuk mengetahui dan memperoleh data serta informasi tentang sumberdaya, potensi serta lingkungannya secara lengkap. Tujuan utama dari kegiatan inventarisasi hutan adalah mendapatkan data mengenai kondisi sediaan tegakan hutan. Untuk membantu kegiatan inventarisasi hutan dibutuhkan suatu alat bantu inventarisasi guna mempercepat kegiatan dan memperkecil kesalahan yang terjadi dalam pengukuran. Alat bantu yang dimaksud yaitu tabel volume pohon. PT. Mamberamo Alasmandiri memiliki keanekaragaman jenis pohon yang heterogen, salah satunya pohon nyatoh (Palaquium spp.) Penelitian ini bertujuan untuk

menyusun tabel volume lokal pohon nyatoh (Palaquium spp.). Penyusunan model

tabel volume menggunakan 150 pohon yang sudah direbahkan, dipilih secara

purpossive sampling. Persamaan regresi yang digunakan antara lain persamaan

Berkhout, Kopezky-Gehrhardt, dan Horenald-Krenn. Beberapa uji yang digunakan untuk pemilihan model terbaik adalah uji keberartian model, analisis sisaan dan analisis data pencilan. Validasi model menggunakan metode Jacknife berdasarkan nilai Predicted Residual of Sum Square (PRESS). Kriteria pemilihan

model terbaik yang digunakan seperti nilai koefisien determinasi (R²), koefisien determinasi terkoreksi (Ra²), simpangan baku (s), simpangan agregrat (SA),

simpangan rata-rata (SR), dan Root Mean Square Error (RMSE). Persamaan

terbaik jenis nyatoh (Palaquium spp) di IUPHHK-HA PT. Mamberamo Alasmandiri adalah V = 0,000158 Dbh2,48.

(2)

DIMAS DARMA SEPUTRA. The Construction of the Local Volume Tables

of Nyatoh (Palaquium spp.) in IUPHHK-HA PT. Mamberamo Alasmandiri,

Papua Province. Supervised by BUDI PRIHANTO.

Forest inventory is activities to know and obtain data along information about resources, potential values, and full of environments . The main objective of forest inventory activities is getting data about the condition of timber standing stock. To help forest inventory activities is needed supporting tools to facilitated this measurement and as well as to reduce human error that include tree’s volume table. PT. Mamberamo Alasmandiri have a heterogeneous diversity of tree’s species, one of them is nyatoh (Palaquium spp.). The main objective of this

research is to establish local volume table nyatoh (Palaquium spp.). The volume

table model using 150 trees that have been felled, selected by purpossive sampling. The regression equation that used including Berkhout equation, Kopezky- Gehrhardt, and Horenald-Krenn. Some of test that used for selecting the best model are analysis of variance, residual analysis, and outlier analysis. Validation model using Jacknife Procedures base on predicted residual sum of square (PRESS) value. The criteria used for selecting the best model is coefficient of determination (R²), adjusted coefficient of determination (Ra²), standard

deviation (s), aggregate deviation (SA), average deviation (SR) and RMSE. The best model of nyatoh (Palaquium spp.) in IUPHHK-HA PT. Mamberamo

Alasmandiri is V = 0,000158 Dbh2,48.

(3)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Inventarisasi hutan adalah kegiatan yang dilaksanakan untuk mengetahui dan memperoleh data serta informasi tentang sumberdaya, potensi serta lingkungannya secara lengkap. Tujuan utama dari kegiatan inventarisasi hutan adalah untuk mendapatkan data mengenai kondisi sediaan tegakan hutan (timber

standing stock). Sediaan tegakan hutan dapat dikuantifikasikan dalam besaran

volume.

Volume produksi dari suatu pohon dapat diperoleh dari data dimensi pohon yang diukur saat kegiatan inventarisasi. Hubungan antara dimensi pohon yang diukur dengan volume pohon dapat dinyatakan dalam model penduganya. Berdasarkan model penduganya tersebut dapat dibuat suatu tabel volume pohon, yaitu nilai-nilai volume dalam feet kubik, meter kubik atau satuan lain yang disusun dalam bentuk tabel berdasarkan satu atau lebih dimensi pohon penduganya.

IUPHHK-HA PT. Mamberamo Alasmandiri memiliki tabel volume lokal untuk jenis-jenis kayu komersil yang dominan di areal tersebut, seperti penelitian (Ilham 2011) tentang tabel volume lokal pohon matoa, (Simaremare 2011) tentang tabel volume lokal pohon merbau, (Ardelina 2011) tentang tabel volume lokal jenis meranti, dan (Isnaini 2011) tentang pengelompokan jenis tabel volume lokal bipa, medang, jambu, merbau dan matoa. Dikarenakan jenis nyatoh belum dibuat tabel volume lokal, untuk itulah dilakukan penelitian mengenai ”Penyusunan Tabel Volume Lokal Jenis Nyatoh (Palaquium spp.) di IUPHHK-HA PT.

(4)

1.2 Tujuan

Tujuan utama dari penelitian ini adalah untuk menyusun tabel volume lokal jenis nyatoh (Palaquium spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri.

1.3 Manfaat Penelitian

Manfaat dari penelitian ini adalah:

1. Menyediakan alat bantu yang akurat untuk menaksir volume pohon dalam kegiatan inventarisasi hutan di PT. Mamberamo Alasmandiri.

(5)

BAB II

TINJAUAN PUSTAKA

2.1 Volume Pohon

Secara alami, volume kayu dapat dibedakan menurut berbagai macam klasifikasi sortimen. Beberapa jenis volume kayu yang paling lazim dipakai sebagai dasar penaksiran, adalah (Dephut 1992) :

1. Volume tunggak

Volume kayu yang terdiri atas akar dan pangkal pohon, sampai ketinggian (tunggak) tertentu. Tinggi tunggak ini bervariasi dari 0,1-0,5 m, tetapi sebagian besar diambil 0,3 m. Di daerah yang berbukit, tinggi tunggak dihitung sama dengan tinggi banir.

2. Volume kayu batang

Volume kayu diatas tunggak sampai permukaan tajuk. Bagian pohon yang menyusun volume ini adalah batang pokok sampai percabangan pertama.

3. Volume kayu tebal

Volume kayu diatas tunggak sampai diameter dengan kulit besar 7 cm. Disini tercakup batang pokok dan cabang-cabang besar.

4. Volume kayu pohon

Volume kayu yang terdapat diseluruh pohon, mulai dari volume tunggak sampai ujung pohon ranting.

Rumus umum untuk menaksir volume kayu suatu pohon adalah (Dephut 1992) :

V = (πd²)/4 x h x f

= g x h x f Keterangan: v : volume kayu

d : diameter setinggi dada h : tinggi pohon

g : luas penampang lintang pohon pada setinggi dada f : bilangan bentuk

(6)

Rumus Smallian : V = 0.5 x (Bp + Bu) x h

Rumus Huber : V = B1/2 x h

Rumus Brereton : V = 0,25 π ((Dp + Du) x 0,5 )² x h

Rumus Newton : V = {Bp + (B1/2 x 4) + Bu } x h x 1/6

Rumus Schiffel : V = {(0,16 x Bp) + (0.66 x B1/2)} x h

Keterangan:

V : Volume batang pohon dalam m3

Bp : Luas bidang dasar pangkal batang dalam m2

Bu : Luas bidang dasar ujung batang pohon dalam m2

B1/2 : Luas bidang dasar bagian tengah batang pohon dalam m2

Dp : Diameter pangkal batang pohon dalam meter

Du : Diameter ujung batang pohon dalam meter

h : Panjang batang pohon

Penentuan volume sortimen (batang pohon) dengan menggunakan rumus-rumus diatas, jika makin pendek panjang batang akan menghasilkan volume yang lebih tepat, karena rumus-rumus diatas merupakan perhitungan volume yang mendasarkan kepada bentuk benda teratur yaitu bentuk silinder. Berdasarkan volume sortimen-sortimen kayu yang diukur dengan rumus diatas, maka volume pohon dapat diketahui yaitu penjumlahan dari volume sortimen-sortimen dari pohon yang bersangkutan (Sutarahardja 2008).

� = � �_�

�

�= Keterangan:

Va : Volume aktual pohon (m3)

Vi : Volume seksi ke-i dari satu pohon (m3)

i : Urutan seksi ke-... (1, 2, ..., n) n : Jumlah seksi

2.2 Tabel Volume

(7)

volume merupakan pernyataan sistematik mengenai volume sebatang pohon menurut semua atau sebagian dimensi yang ditentukan dari dbh, dan angka bentuk pohon. Tipe-tipe tabel volume pohon terdiri dari:

1. Tabel volume lokal (local volume tables)

Tabel volume lokal menyajikan volume menurut dimensi pohon diameter setinggi dada (dbh). Tabel volume ini tidak memerlukan pengukuran tinggi pohon, meskipun pada penyusunan aslinya tinggi tetap dihitung, tetapi dihilangkan di dalam bentuk akhirnya. Istilah “lokal” digunakan karena tabel tabel tipe ini hendaknya hanya dipergunakan untuk wilayah terbatas yang merupakan asal hubungan tinggi dan diameter yang dimanfaatkan ke dalam tabelnya.

Beberapa persamaan hubungan antara volume pohon dengan peubah diameter yang digunakan dalam penyusunan tabel volume lokal antara lain (Loetsch et al. 1973) :

V = a + bDbh2 (Kopezky-Gehrhardt)

V = bDbh + c Dbh2 (Dissescu-Meyer)

V = a + b Dbh + c Dbh2 (Hohenadl-Krenn)

V = aDbhb (Berkhout)

Log V = a + blog Dbh (Husch)

2. Tabel volume standar (general standard volume tables)

Tabel volume standar didasarkan kepada pengukuran diameter setinggi dada (dbh), dan tinggi. Tinggi dapat berupa tinggi pohon total atau tinggi kayu perdagangan. Tabel volume standar dapat disusun untuk individu spesies maupun kelompok spesies dari berbagai wilayah-wilayah geografis.

Beberapa persamaan regresi yang digunakan dalam penyusunan tabel volume standar antara lain (Loetsch et al. 1973) :

V = bDbh2 h (Spurr)

V = a + b Dbh2 h (Spurr)

V = Dbh2 (a + b h) (Ogaya)

V = a + b Dbh2 + c Dbh2 h + d h (Stoate)

V = b Dbh2 + c Dbh2 h + d Dbh2 h + e h2 (Naslund)

(8)

3. Tabel volume kelas bentuk (form class volume tables)

Tabel volume kelas bentuk disiapkan untuk menunjukkan volume menurut beberapa ukuran bentuk pohon disamping diameter setinggi dada (dbh) dan tinggi pohon. Tabel volume ini dapat dipakai bilamana saja bentuk suatu pohon yang bersangkutan secara jelas ditunjukkan oleh karakteristik - karakteristik bentuk yang telah dimasukan dalam penyusunan tabel-tabelnya, tanpa memandang spesies atau tempat.

Beberapa persamaan regresi yang digunakan dalam penyusunan tabel volume standar antara lain:

V = b Dbh2 + c Dbh2 h + dDbh h2 + e Dbh2 hc + f Dbh h f (Naslund)

V = b Dbh2 + c Dbh2 h + dDbh h2 + e Dbh2 + f Dbh h f (Naslund)

Diantara ketiga macam tabel volume tersebut, yang paling praktis adalah tabel volume lokal yang hanya menggunakan dbh sebagai peubah penduga, namun secara teoritis memiliki ketelitian yang lebih rendah dibanding tabel volume standar dan tabel volume dengan kelas bentuk. Tabel volume dibuat berdasarkan persamaan volume yang disusun dengan persamaan regresi. Persamaan regresi terbaik biasanya dipilih dari berbagai macam persamaan yang dicobakan terhadap data yang dimiliki.

Penyusunan tabel volume pohon dimaksudkan untuk memperoleh taksiran volume pohon melalui pengukuran satu atau beberapa peubah penentu volume pohon serta untuk mempermudah kegiatan inventarisasi hutan dalam menduga potensi tegakan. Meskipun demikian, untuk meningkatkan efisiensi dalam penaksiran volume tegakan dengan tidak mengurangi ketelitian yang diharapkan, diusahakan dalam penyusunan tabel volume pohon memperkecil jumlah peubah bebas penentu volume pohon dan diberlakukan pada daerah setempat, yaitu daerah dimana pohon-pohon penyusun tabel tersebut diambil (Sutarahardja 2008).

Karakteristik paling nyata untuk diukur yang berkaitan dengan volume pohon adalah diameter setinggi dada (diameter at breast height). Oleh karena itu

(9)

tinggi yang lain yang dianggap mempunyai peranan dalam tujuan untuk pendugaan potensi tegakan (Sutarahardja 2008).

Jumlah pohon contoh yang diambil diusahakan sebanyak mungkin, misalnya 50 sampai 100 pohon dianggap telah mewakili untuk areal yang tidak terlalu luas. Dalam pemilihan pohon contoh, perlu diperhatikan juga ketersebaran diameter sehingga mewakili kisaran diameter dari yang terkecil sampai terbesar. Semakin lebar kisaran diameter dari pohon-pohon contoh tersebut, maka model yang terbentuk nantinya akan semakin leluasa digunakan untuk menduga volume dari pohon yang berdiameter kecil sampai besar. Selain itu, apabila tinggi pohon akan dijadikan sebagai peubah bebas (selain diameter), pengambilan pohon contoh pun harus mewakili ketersebaran tinggi pohon dalam tegakannya (Fahutan IPB 2010).

2.3 Nyatoh (Palaquium spp.)

Taksonomi nyatoh secara lengkap disajikan pada Tabel 1.

Tabel 1 Taksonomi jenis nyatoh Taksonomi Nyatoh

Kingdom Plantae

Divisi Magnoliophyta

Kelas Magnoliopsida

Ordo Ericales

Famili Sapotaceae

Genus Palaquium

Spesies Palaquium spp.

Menurut SK Menhut No. 163/KPTS-11/2003 (terlampir), pohon nyatoh (Palaquium spp.) termasuk pohon kelompok jenis meranti atau kelompok

(10)

Warna kayu teras bervariasi dari coklat kekuningan, coklat muda, coklat keunguan, coklat kemerahan sampai coklat atau merah tua. Kayu gubal berwarna lebih muda, tetapi biasanya hanya sedikit berbeda dari kayu teras, tebal seringkali sampai 10 cm. Tekstur kayu agak halus sampai agak kasar dan merata. Arah serat lurus sampai agak berpadu. Kesan raba pada kayu ini yaitu, permukaan kayu agak licin dan permukaannya kadang mengkilap. Pori kayu hampir seluruhnya bergabung 2 – 8 dalam arah radial, hanya sebagian kecil soliter. Jaringan parenkimnya termasuk tipe apotrakeal berbentuk pita-pita halus yang panjang dan teratur. Jari-jari kayu biasanya hanya dapat dilihat dengan loupe. Berat jenis dan kelas kuat kayu ini berkisar antara 0,48 – 78 dan II – III. Kayu nyatoh secara umum termasuk kelas awet III dan IV sehingga keterawetan kayu ini sukar untuk diawetkan. Kayu ini juga sukar untuk dikeringkan, mudah menggelinding dan pecah ujung. Kayu nyatoh dapat dikupas tanpa perlakuan pendahuluan dengan sudut kupas 91º dan menghasilkan venir yang cukup baik. Perekatan venir dengan urea-formaldehida umumnya menghasilkan kayu lapis yang memenuhi persyaratan standar Jerman (Martawijaya et al. 1981).

(11)

BAB III

METODOLOGI PENELITIAN

3.1 Lokasi dan Waktu Penelitian

Penelitian ini dilaksanakan di IUPHHK-HA PT. Mamberamo Alasmandiri, Kabupaten Mamberamo Raya, Propinsi Papua. Waktu pelaksanaan penelitian dilakukan pada tanggal 27 Mei – 9 Juni 2012.

3.2 Alat dan Obyek Penelitian

Alat untuk pengambilan data di lapangan antara lain golok, kapak, pita ukur (phi-band), meteran, galah sepanjang dua meter, tallysheet, alat tulis, kamera. Alat

yang digunakan untuk pengolahan data komputer, Microsoft Word 2007,

Microsoft Excell 2007, dan Minitab 14. Obyek yang diteliti adalah pohon nyatoh

(Palaquium spp.).

3.3 Batasan Penelitian

Jenis yang diteliti hanya mencakup jenis nyatoh (Palaquium spp.).

3.4 Metode Pengambilan Data

3.4.1 Pemilihan Pohon Contoh

Pemilihan pohon contoh dilakukan secara purposive sampling. Pohon

contoh yang diteliti sebanyak 150 pohon yang terbagi menjadi 6 kelas diameter dengan interval kelas 10 cm. Kelas diameter dimulai dari kelas diameter 10-19 cm, 20-29 cm, 30-39 cm hingga kelas diameter 50-59 cm dan > 60 cm. Adapun syarat-syarat pohon yang diambil sebagai sampel antara lain: batang lurus, tidak menggarpu, bebas dari serangan hama penyakit, dan batang tidak pecah setelah ditebang.

3.5 Pengolahan Data

3.5.1 Pengukuran Pohon Contoh

Tahapan yang dilakukan dalam pengukuran pohon contoh meliputi : 1. Memilih pohon contoh yang sesuai syarat.

2. Mengukur diameter setinggi dada (dbh) menggunakan phi-band.

(12)

4. Mengukur diameter per seksi pada pohon rebah. Panjang per seksi sebesar 2 meter menggunakan phi-band.

5. Mengukur tbc menggunakan meteran.

3.5.2 Perhitungan Volume Pohon Contoh

Rumus yang digunakan untuk mengukur volume per seksi menggunakan rumus Smallian, yaitu sebagai berikut (Sutarahardja 2008):

V = 0.5 x (Bp + Bu) x h

Keterangan:

V : Volume seksi (m3)

Bp : Luas penampang lintang potongan bawah seksi (m2)

Bu : Luas penampang lintang potongan ujung seksi (m2)

Volume pohon aktual merupakan jumlah dari volume semua seksi dari satu pohon sampel.

� = � �_�

�

�= Keterangan:

Analisa Data

3.5.1 Eksplorasi Data

Data-data pohon yang telah terpilih kemudian disajikan hubungan antara diameter dan volume dalam bentuk scatter diagram. Dari hasil diagram tersebut

dapat dilihat bentuk penampilan penyebaran datanya apakah mengikuti pola linier atau non linier.

Beberapa persamaan regresi hubungan antara volume pohon dengan peubah diameter yang akan dipergunakan antara lain (Loetsch et al. 1973):

a. V = a Dbhb (Berkhout)

(13)

c. V = a + b Dbh + c Dbh2 (Hohenald-Krenn)

Keterangan:

V : Volume total pohon (m³) Dbh : Diameter setinggi dada (cm)

a, b, dan c : Konstanta

3.5.2 Pendugaan Parameter Model

Persamaan regresi yang telah dipilih lalu dibuat model persamaan regresi liniernya, yaitu sebagai berikut:

1. V = a Dbhb transformasi logaritmis Log V = Log a + b Log Dbh

Model persamaan regresinya adalah:

Ý = _β�R0 + β�R1X1+ ε1 diduga oleh y = b0 +b1x1 + e1 Keterangan :

Log V = Ý = y b = _β�R1 = b1 ε1 =e1 = galat sisa Log a = β�R0 = b0 Log Dbh = X1 = x1

2. V = a + b Dbh2

V = Ý = y b = _β�R1 = b1 ε1 =e1 = galat sisa a = _β�R0 = b0 Dbh

2 _{= X} 1 = x1

3. V = a + b Dbh + c Dbh2

Ý = _β�R0 + β�R1X1 + β�R2X2 + ε1 diduga oleh y = b0 +b1x1 + b2x2 + e1 Keterangan :

V = Ý = y b = _β�R1 = b1 c = β�R2 =b2 ε1 =e1 = galat sisa a = _β�R0 = b0 Dbh = X1 = x1 Dbh

2_{= X} 2 = x2

Pendugaan konstanta nilai-nilai a, b, dan c pada persamaan diatas, dapat menggunakan metode matriks. Metode ini telah mengacu pada metode kuadrat terkecil, yang digunakan untuk meminimumkan nilai sisaannya. Adapun notasi matriksnya sebagai berikut:

(14)

(15)

3.6.3 Uji Keberartian Model

Persamaan-persamaan regresi tersebut dilakukan pengujian dengan analisis keragaman (analysis of variance) untuk melihat signifikan atau adanya

ketergantungan peubah-peubah yang menyusun regresi tersebut. Tabel 2 Analisis keragaman pengujian regresi (ANOVA)

Sumber keragam Derajat

Dalam analisa tersebut hipotesis yang diuji adalah : a. Pada regresi linier sederhana :

H0: β = 0 lawan H1: β ≠ 0

b. Pada regresi linier barganda: H0 : βi = 0 dimana : i = 1,2

H1 : sekurang-kurangnya ada βi ≠ 0

Dengan kaidah keputusannya : F hitung > F tabel maka tolak H0

F hitung ≤ F tabel maka terima H0

Jika H0 ditolak, maka regresi tersebut nyata, artinya ada keterkaitan antara

peubah bebas (diameter pohon) dengan peubah tidak bebasnya (volume pohon). Sehingga setiap ada perubahan pada peubah bebasnya akan terjadi perubahan pada peubah tidak bebasnya. Jika H0 yang diterima, maka regresi tersebut tidak

nyata, artinya persamaan regresi tidak dapat digunakan untuk menduga volume pohon berdasarkan peubah bebasnya.

3.6.4 Analisis Sisaan

1. Uji visual kenormalan

(16)

2. Uji keaditifan model

Sifat aditif dapat dilihat dengan menampilkan plot tebaran nilai sisaan dan nilai dugaan. Asumsi keaditifan model terpenuhi apabila tebaran yang dihasilkan tidak membentuk pola atau berbentuk acak disekitar nilai sisaan nol (Kuncahyo 1991).

3.6.5 Analisis Data Pencilan

Pengamatan pencilan adalah pengamatan yang tidak mengikuti pola dominan pengamatan lainnya. Pengamatan pencilan ini dapat ditentukan dengan melihat nilai-nilai pengamatan tak wajar (unusual observations) menggunakan

minitab.

3.6.6 Validasi Model

Validasi model menggunakan metode Jacknife Procedures dengan melihat

nilai Predicted Residual of Sum Square (PRESS). Persamaan terbaik adalah

persamaan yang memiliki nilai PRESS yang paling kecil. Adapun langkah-langkahnya sebagai berikut (Draper dan Smith 1992):

a) Amatan pertama pada peubah respons maupun peubah ramalannya dihilangkan.

b) Tentukan model dugaan semua kemungkinan regresi terhadap n-1 data.

c) Gunakan setiap persamaan regresi yang diperoleh untuk meramalkan Y1 oleh

Y

�₍_i₎ (misalnya), sehingga diperoleh simpangan ramalannya untuk semua kemungkinan model regresinya.

d) Ulangi ketiga langkah diatas namun dengan menghilangkan amatan kedua, ketiga sampai amatan ke-n.

e) Untuk setiap model regresi dihitung jumlah kuadrat simpangan ramalannya.

� =∑�_�= ( _� − �₍_�₎)P

2

Keterangan:

Yi : Nilai Y pada amatan ke-i

Y

�₍_i₎ : Nilai Y�Ri dugaan persamaan regresi tanpa mengikutsertakan amatan ke-i

3.6.7 Kriteria Pemilihan Model

(17)

Koefisien determinasi (R2) adalah perbandingan antara jumlah kuadrat regresi (JKR) dengan jumlah kuadrat total yang terkoreksi yang biasa dinyatakan dalam persen (%). Perhitungan nilai R2 adalah untuk melihat tingkat ketelitian dan keeratan hubungan antara peubah bebas dan tidak bebas. Model yang baik memiliki nilai R2 terbesar.

Perhitungan besarnya nilai R2 dapat dihitung dengan rumus (Draper dan Smith 1992):

= ��

�

Keterangan:

JK regresi = b1JHKx1y + b2JHKx2y

JK total = JKy = _∑�_�= _�²−(∑�_�= �)² /

Koefisien determinasi terkoreksi (Ra2) adalah koefisien determinasi yang

telah dikoreksi oleh derajat bebas (db) dari JKS dan JKT-nya. Model yang baik memiliki nilai Ra2 terbesar. Perhitungan koefisien determinasi terkoreksi (Ra2)

dengan rumus (Draper dan Smith 1992):

฀ = 1− ( )/( − )

( )/( −1) 100%

Keterangan:

JKS : Jumlah kuadrat sisa

JKTT : Jumlah kuadrat total terkoreksi (n-p) : Derajat bebas sisaan

(n-1) : Derajat bebas total

Ketentuan keterandalan (Ra2) sama dengan (R2). Kelebihan (Ra2) adalah

dapat membandingkan keterandalan model-model yang memiliki banyak peubah yang berbeda. Pengujian yang dilakukan menurut kriteria ini akan lebih dapat menambah keyakinan penerimaan model.

2. Simpangan Baku (s)

(18)

= � =

�∑ ��

−

Keterangan:

S² : Kuadrat tengah sisaan ei : Sisaan ke-i

Pemeriksaan statistik di tingkat ini menunjukan bahwa semakin kecil nilainya semakin baik, artinya semakin tepat dugaannya.

3. Simpangan Agregat (Agregative Deviation)

Simpangan agregat merupakan selisih antara jumlah volume aktual (Va) dan

volume dugaan (Vt) yang diperoleh berdasarkan dari tabel volume pohon, sebagai

persentase terhadap volume dugaan (Vt). Persamaan yang baik memiliki nilai

simpangan agregat (SA) yang berkisar dari -1 sampai +1 (Spurr 1952). Nilai SA dapat dihitung dengan rumus:

� =∑ ��

�

�= − ∑��= � �

∑��= ��

4. Simpangan Rata-rata (Mean Deviation)

Simpangan rata-rata merupakan rata-rata jumlah dari nilai mutlak selisih antara jumlah volume dugaan (Vt) dan volume aktual (Va), proporsional terhadap

jumlah volume dugaan (Vt). Nilai simpangan rata-rata yang baik adalah tidak

lebih dari 10 % (Spurr 1952). Simpangan rata-rata dapat dihitung dengan rumus:

= ��∑

RMSE merupakan akar dari rata-rata jumlah kuadrat nisbah antara selisih volume dugaan dari table volume pohon (Vt) dengan volume aktualnya (Va)

terhadap volume aktual. Nilai RMSE yang lebih kecil, menunjukkan model persamaan penduga volume yang lebih baik. RMSE dihitung dengan rumus:

(19)

3.6.8 Pemilihan Persamaan Model Regresi Terbaik

Model persamaan regresi untuk penyusunan tabel volume pohon yang baik, bila :

1. Dalam uji keberartian model regresi yang dihasilkan nyata berdasarkan analisis keragamannya.

2. Dalam validasi model memilki nilai PRESS yang terkecil.

3. Dalam kriteria model, memiliki nilai R² dan Ra² terbesar, nilai s terkecil, nilai

SR kurang dari 10 % dan nilai RMSE yang terkecil.

(20)

BAB IV

KONDISI UMUM LOKASI PENELITIAN

4.1 Sejarah Pemanfaatan Hutan

PT. Mamberamo Alasmandiri merupakan perusahaan PMDN yang tergabung dalam KODECO GROUP. Didirikan pada tanggal 5 Desember tahun 1991 dengan akte pendirian No. 24 Notaris Rahmah Arie Sutardjo, SH, dan memperoleh pengesahaan dari Menteri Kehakiman RI No. C2-2966-H. T. 01. 01. TH’92 tanggal 20 April 1992. Ijin Pemanfaatan Hutan IUPHHK PT Mamberamo Alasmandiri didasarkan pada keputusan Menteri Kehutanan No. 1071/Kpts-II/1992 tanggal 19 November 1992, seluas 691.700 hektar yang kemudian diperbaharui berdasarkan Keputusan Menteri Kehutanan dan Perkebunan No. 910/Kpts-IV/1999 tanggal 14 Oktober 1999 dengan luas 677.310 (PT.MAM 2009).

4.2 Letak dan Luas

Areal kerja IUPHHK PT Mamberamo Alasmandiri termasuk ke dalam kelompok hutan Sungai Mamberamo-Sungai Gesa. Berdasarkan pembagian wilayah administrasi pemerintahan, areal kerja IUPHHK PT Mamberamo Alasmandiri terletak di dalam wilayah distrik Mamberamo Hulu, Mamberamo Tengah, dan Mamberamo Hilir, serta distrik Waropen Atas, Kabupaten Mamberamo Raya, Provinsi Papua (PT.MAM 2009).

Berdasarkan status fungsi hutan, areal kerja IUPHHK PT. Mamberamo Alasmandiri terdiri atas Hutan Produksi (HP) dengan luas masing-masing :

Hutan Produksi Bebas (HP) : ± 117.010 hektar (±17,30%) Hutan Produksi Terbatas (HPT) : ± 513.570 hektar (±75,80%) Hutan Produksi yang Dapat Dikonversi : ± 46.730 hektar (± 6,90%) Jumlah : ± 677. 310 hektar

4.3 Topografi dan Kelerengan

(21)

4.4Tanah dan Geologi

Jenis tanah di IUPHHK ini terdiri dari tanah alluvial, latosol, regosol, podzolik dan litosol. Sesar naik utama pada bagian tersebut membatasi Cekungan Wapoga dan Cekungan Mamberamo. Struktur lipatan terdiri dari antikilin dan sinklin. Antikilin penting dikenal sebagai Antiklin Gesa yang memotong aliran S. Gesa yang mengalir ke utara. Perkembangan struktur tersebut adalah dampak kompresi pemekaran lempeng Samudra Pasifik (PT.MAM 2009).

4.5 Iklim dan Intensitas Hujan

Berdasarkan klasifikasi iklim secara umum menurut Schmidt & Ferguson atau Af-Am Koppen areal IUPHHK PT. Mamberamo Alasmandiri dengan tipe iklim A, yaitu daerah sangat basah dengan vegetasi hutan hujan tropis dengan curah hujan tanpa bulan kering ( <60.00 mm) merata sepanjang tahun. Dari data yang diperoleh dari stasiun Pencatat Curah Hujan Camp Gesa (tahun 1994-2001) diperoleh nilai Q = 0 % dan IH ( Intensitas Hujan) = 17,4 mm/hh, dengan curah hujan rata-rata adalah sebesar 285,6 mm perbulan (PT.MAM 2009).

4.6 Keadaan Hutan

Penutupan lahan areal kerja IUPHHK PT. Mamberamo Alasmandiri berdasarkan hasil penafsiran Citra Landsat LS-7 ETM+US Department of the

Interior, US Geological Survey band 542, Mozaik Path 102 Row 62, liputan

tanggal 19 November 2005 dan Path 103 Row 62 Liputan tanggal 8 Juli 2006. disajikan pada tabel berikut (PT.MAM 2009):

Tabel 3 Penutupan vegetasi pada IUPHHK-HA PT. Mamberamo Alasmandiri

Penutupan Lahan Fungsi Hutan (Ha) BZ Jumlah Persen _(%)

HPT HP HPK

1. Hutan Primer 287.203 66.966 6.176 12.230 372.575 55,00

2. Hutan Bekas Tebangan 105.825 40.100 30.651 1.948 178.524 26,40

3. Non Hutan 6.209 5.169 592 127 12.097 1,80

4. Hutan Rawa Primer - 1.890 10.951 - 12.841 1,90

5. Hutan Rawa Bekas Tebangan 8.268 783 - - 9.051 1,30

6. Non Hutan Rawa - 71 1.111 - 1.182 0,20

7. Tubuh Air / Danau - 636 - 12 648 0,10

8. Tertutup Awan 74.295 10.511 - 5.586 90.392 13,30

Jumlah 481.800 126.126 49.481 19.903 677.310 100,00

(22)

4.7 Sosial Ekonomi dan Budaya Masyarakat

(23)

DBh

Scatterplot of Vtot vs DBh

BAB V

HASIL DAN PEMBAHASAN

5.1Pemilihan Pohon Contoh

Pohon contoh yang digunakan dalam penyusunan tabel volume ini adalah jenis nyatoh (Palaquium spp.). Berikut disajikan tabel penyebaran pohon contoh

menurut kelas diameternya yang digunakan untuk penyusunan tabel volume pohon.

Tabel 4 Ketersebaran data pohon contoh

Kelas diameter (cm) Jumlah pohon contoh Persentase (%)

10-19 25 16,67

Untuk membantu dalam pemilihan model, data pohon contoh dapat ditampilkan dalam scatterplot (diagram tebar). Dari tebaran tersebut dapat dilihat

bentuk penampilan penyebaran datanya, apakah mengikuti pola linier atau non linier. Berikut ditampilkan bentuk diagram tebarantara diameter (dbh) dan volume

(v).

Gambar 1 Diagram tebarantara diameter (dbh) dan volume (v)

Scatterplot pada Gambar 1 antara dbh dan volume membentuk pola yang

(24)

volumenya. Dalam penelitian ini persamaan yang digunakan sebanyak tiga model, yaitu (Loetsch et al 1973):

b. V = a + b Dbh² (Kopezky-Gehrhardt)

c. V = a + b Dbh + c Dbh² (Hohenald-Krenn)

5.3 Uji Keberartian Model

Untuk menguji keberatian peranan peubah bebas terhadap peubah tidak bebasnya, dilakukan uji F (F-test) yaitu dengan membandingkan Fhitung dengan

Ftabel pada taraf nyata α (α= 5%). Nilai-nilai penduga setiap model persamaan

volume disajikan pada Tabel 5. Tabel 5 Uji keberartian model

No Persamaan Penduga Fhit _{(α= 5%)}Ftab

1 V = 0,000158 Dbh2,48 11169 3,904

2 V = - 0,252 + 0,00119 Dbh² 4390,9 3,904

3 V = 0,209 – 0,0259 Dbh + 0,000148 Dbh² 2437,9 3,057

Nilai Fhitung untuk semua persamaan lebih besar dari Ftabel pada tingkat nyata

5%. Dengan demikian Ho ditolak, sehingga peubah bebas yang dimasukkan

kedalam model persamaan regresi sangat berpengaruh nyata dalam menduga peubah tidak bebasnya yaitu volume.

5.4 Analisis Sisaan

(25)

Residual

Normal Probability Plot of the Residuals

(response is log Vtot)

(response is Vtot)

Persamaan 1 Persamaan 2

Persamaan 3

Gambar 2 Beberapa persamaan diagram tebar hubungan antara nilai sisaan dengan probabilitas normalnya

Pada Gambar 2, terlihat bahwa persamaan (1) nilai sisaan menyebar normal dengan terbentuknya pola garis linier melalui titik pusat sumbu antara nilai sisaan dengan nilai normalnya. Persamaan (2) dan persamaan (3) nilai sisaannya tidak menyebar normal karena terbentuk pola yang tidak linier antara nilai sisaan dengan nilai normalnya. Sehingga pada persamaan (1) asumsi penting mengenai kenormalan dari nilai sisaan telah terpenuhi.

(26)

Fit t ed Value

Residuals Versus the Fitted Values

(response is log Vtot)

(response is Vtot)

Persamaan 1 Persamaan 2

Persamaan 3

Gambar 3 Beberapa persamaan diagram tebar hubungan antara nilai sisaan dengan nilai dugaan

Pada Gambar 3 terlihat bahwa pada persamaan (1) sebaran plot antara sisaan dengan nilai dugaan tidak membentuk pola dan hasil tebaran sisaan menunjukkan pola acak. Persamaan (2) dan (3) nilai sisaan dengan nilai dugaan membentuk pola seperti corong. Dengan demikian pada persamaan (1) sifat keaditifan dan asumsi kehomogenan ragam sisaan terpenuhi.

5.5 Analisis Data Pencilan

Pada hasil pengolahan data menggunakan minitab terdapat beberapa data

yang bersifat tidak wajar (unusual observations). Untuk itu tidak ada salahnya

menyusun model dengan menghilangkan data yang tidak wajar tersebut. Pada persamaan (1) data unusual observations sebanyak 9 buah. Pada persamaan (2)

(27)

Berikut disajikan hasil pengamatan tanpa menggunakan data unusual

observations.

Tabel 6 Persamaan penduga volume dengan menghilangkan data pengamatan tak wajar (unusual observations)

No Persamaan Penduga _R² Sebelum Sesudah

(%) (%) Ra² s (%) R² (%) Ra² s

1 V = 0,000158 Dbh2,48 98,7 98,7 0,067 99,1 99,1 0,055

2 V = - 0,252 + 0,00119 Dbh² 96,7 96,7 0,339 98,2 98,2 0,217

3 V = 0,209 – 0,0259 Dbh + 0,000148

Dbh²

97,1 97,1 0,322 98,4 98,4 0,200

Pada Tabel 6, setelah data yang tidak terpakai dihilangkan, pada ketiga persamaan tidak terjadi perubahan yang signifikan pada setiap nilai penduganya. Sehingga untuk persamaan penduga volume tetap menggunakan data unusual

observations.

5.6 Validasi Model

Persamaan yang telah dipilih kemudian di uji secara validasi silang. Pengujian dilakukan dengan melihat nilai PRESS (Predicted Residual Sum of

Squares). Persamaan terbaik adalah persamaan yang memiliki nilai PRESS

terkecil.

Tabel 7 Nilai PRESS

No Persamaan Regresi PRESS

1 V = 0,000158 Dbh2,48 0,686

2 V = - 0,252 + 0,00119 Dbh² 18,51

3 V = 0,209 – 0,0259 Dbh + 0,000148 Dbh² 17,55

Nilai PRESS menunjukkan kombinasi analisis sisaan dan pemilihan model terbaik yang merupakan kemampuan model untuk menduga data yang baru. Berarti nilai dugaan yang dihasilkan tidak berbeda nyata dengan nilai aktualnya sehingga dapat digunakan untuk menduga data baru. Dari Tabel 7, persamaan (1) memiliki nilai PRESS terkecil dengan nilai 0,686, sedangkan nilai PRESS terbesar ada pada persamaan (2) dengan nilai 18,51.

5.7 Kriteria Pemilihan Model

(28)

dan (Ra²) yang terbesar. Ketelitian ditunjukkan oleh nilai simpangan baku dari

kesalahan dugaan volume (s). Nilai simpangan baku yang kecil menunjukkan persamaan yang baik.

Menurut Spurr (1952), ada beberapa kriteria dalam mengevaluasi model diantaranya dengan pengujian simpangan agregrat (SA) dan simpangan rata-rata (SR). Persamaan yang baik memiliki nilai SA yang berkisar dari -1 sampai +1dan SR lebih dari 10%. Kriteria lain yang diuji agar suatu model dikatakan baik yaitu dengan Root Mean Square Error (RMSE). Model yang baik memiliki nilai RMSE

yang terkecil. Berikut disajikan kriteria-kriteria penguji validasi pada Tabel 8. Tabel 8 Nilai R², Ra², s, SA, SR, dan RMSE

Dalam Tabel 8, diketahui bahwa nilai koefisien determinasi (R²) dan koefisien determinasi terkoreksi (Ra²) terbesar diperoleh persamaan (1) dengan

nilai 98,7%. Hal ini menunjukkan bahwa 98,7% keragaman volume dapat diterangkan oleh peubah bebas diameter. Sisanya sebesar 1,3% diterangkan oleh peubah lain yang tidak disertakan dalam model. Persamaan (2) memiliki nilai (R²) dan (Ra²) terkecil dengan nilai 96,7%.

Nilai simpangan baku (s) terkecil ada pada persamaan (1) dengan nilai 0,067. Nilai (s) terbesar ada pada persamaan (2) dengan nilai 0,339. Sehingga persamaan (1) memiliki tingkat ketelitian yang lebih baik dalam menduga volume pohon.

(29)

5.8 Pemilihan Model Regresi Terbaik

Pemilihan model persamaan terbaik dari masing-masing persamaan dipilih berdasarkan pengujian validasi, dengan nilai PRESS yang memiliki nilai paling minimum. Beberapa kriteria uji pemilihan model yang baik seperti nilai R2 dan Ra2 maksimum, nilai s minimum, nilai SR dan RMSE menghasilkan nilai terkecil.

Pemberian peringkat terhadap beberapa kriteria uji dan penyusun model pada masing-masing model diharapkan dapat memudahkan dalam pemilihan model terbaik. Model terbaik memiliki komulatif angka terkecil yang nantinya dipilih untuk digunakan di PT. Mamberamo Alasmandiri.

Tabel 9 Penentuan peringkat model regresi terbaik berdasarkan nilai PRESS, R², Ra², s, SR dan RMSE

No Persamaaan Penduga Validasi Kriteria Ʃ

Peringk at PRESS R² Ra² s SR RMSE

1 V = 0,000158 Dbh2,48 1 1 1 1 1 1 6 1

2 V = -0,252 + 0,00119 Dbh² 3 3 3 3 3 3 18 2

3 V = 0,209 – 0,0259 Dbh +

0,000148 Dbh²

2 2 2 2 2 2 12 3

Pada tahap ini diperoleh persamaan terbaik dan valid. Persamaan terbaik jenis nyatoh (Palaquium spp.) di areal PT. Mamberamo Alasmandiri seperti

(30)

BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

1. Persamaan penduga volume pohon disusun dengan hanya menggunakan satu peubah bebas yaitu diameter setinggi dada (dbh).

2. Model persamaan terbaik yang terpilih untuk jenis nyatoh (Palaquium spp.)

adalah V = 0,00015848 Dbh 2,48, dengan nilai PRESS sebesar 0,686, nilai R²

dan Ra² 98,7 %, nilai simpangan baku (s) sebesar 0,067, nilai SA sebesar

0,006, nilai SR dan RMSE berturut-turut sebesar 11,55 %, 15,89%.

3. Kisaran nilai diameter untuk menduga volume langsung dilapangan adalah 10 – 88 cm.

6.2 Saran

1. Untuk meningkatkan keterwakilan dan keterandalan model perlu dilakukan penambahan data pohon contoh yang menyebar keseluruhan areal perusahaan.

(31)

ALASMANDIRI, PROPINSI PAPUA

DIMAS DARMA SEPUTRA

DEPARTEMEN MANAJEMEN HUTAN

FAKULTAS KEHUTANAN

(32)

DAFTAR PUSTAKA

Ardelina A. 2011. Penyusunan Tabel Volume Lokal Kelompok Jenis Dipterocarpaceae (Anisoptera spp. dan Vatica spp.) di Areal Kerja

IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua. [skripsi] Fakultas Kehutanan. Bogor: Institut Pertanian Bogor.

[Dephut] Departemen Kehutanan. 1992. Manual Kehutanan. Jakarta :

Departemen Kehutanan Republik Indonesia.

[Dephut] Departemen Kehutanan. 2003. Keputusan Menteri Kehutanan No. 163/Kpts-II/2003 tentang Pengelompokkan Jenis Kayu Sebagai Dasar Pengenaan Iuran Kehutanan. Jakarta : Departemen Kehutanan Republik Indonesia.

[Dephut] Departemen Kehutanan. 2007. Peraturan Menteri Kehutanan No. P.34/Menhut-II/2007 tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala (IHMB) Pada Usaha Pemanfaatan Hasil Hutan Kayu Pada Hutan Produksi. Jakarta : Departemen Kehutanan Republik Indonesia

[Dephut] Departemen Kehutanan. 2009. Peraturan Menteri Kehutanan Republik Indonesia No. 33/Menhut-II/2009 tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala Pada Usaha Pemanfaatan Hasil Hutan Kayu Pada Hutan Produksi. Jakarta : Departemen Kehutanan Republik Indonesia.

Draper NR, and Smith H. (1992). Analisis Regresi Terapan. Jakarta: PT.

Gramedia Pustaka Utama.

Fakultas Kehutanan IPB. 2010. Modul Praktikum Inventarisasi Sumber Daya Hutan. Bogor : Departemen Manajemen Hutan Fakultas Kehutanan IPB. Husch B. 1972. Forest Mensuration. John Wiley & Sons. New York.

Ilham QF. 2011. Penyusunan Tabel Volume Lokal Matoa (Pometia pinnata) di

Areal Kerja IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua. [skripsi] Fakultas Kehutanan. Bogor: Institut Pertanian Bogor.

(33)

Kuncahyo B. 1991. Analis Regresi dengan MINITAB. Laboratorium Biometrika Hutan Jurusan Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor.

Loetsch F, Zohrer F, and Haller KE.1973. Forest Inventori Volume II. Munchen. BLV Verlagsgesselschaft

Martawijaya A, Kartasujana, Kadir K, Prawira SA. 1981. Atlas Kayu Indonesia. Jilid I. Badan Litbang Kehutanan, Departemen Kehutanan.

[PT. MAM] PT Mamberamo Alasmandiri. 2009. RKUPHHK dalam Hutan Alam

pada Hutan Produksi Periode 2008 s/d 2017. Papua: PT. MAM.

Simaremare C. 2011. Penggunaan Curveexpert Dalam Menduga Volume Pohon Merbau (Instia spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri, Propinsi Papua. [skripsi] Fakultas Kehutanan. Bogor; Institut Pertanian Bogor.

Spurr SH. 1952. Forest Inventory. NewYork : The Ronald Press Company, Inc.

Sutarahardja S. 2008. Penyusunan Alat Bantu Dalam Inventarisasi Hutan. Bogor : Departemen Manajemen Hutan Fakultas Kehutanan IPB.

Walpole ER, 1993. Pengantar Statistik Edisi Ke-3. Jakarta : PT. Gramedia

(34)

ALASMANDIRI, PROPINSI PAPUA

DIMAS DARMA SEPUTRA

DEPARTEMEN MANAJEMEN HUTAN

FAKULTAS KEHUTANAN

(35)