(Tectona grandis L. f.)
DI KPH PEMALANG
PERUM PERHUTANI UNIT I JAWA TENGAH
NESYA ANEKDA MEYA
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
PENYUSUNAN TABEL VOLUME SORTIMEN JATI
(Tectona grandis L.f.) di KPH PEMALANG
PERUM PERHUTANI UNIT I JAWA TENGAH
NESYA ANEKDA MEYA
Skripsi
sebagai salah satu syarat
untuk memperoleh gelar Sarjana Kehutanan pada Fakultas Kehutanan
Institut Pertanian Bogor
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
Perum Perhutani Unit I Jawa Tengah
Nama : Nesya Anekda Meya
NIM : E14063455
Departemen : Manajemen Hutan
Menyetujui:
Mengetahui:
Ketua Departemen Manajemen Hutan
Dr. Ir. Didik Suharjito, MS. NIP. 19630401 199403 1001
Tanggal lulus :
Dosen Pembimbing 2:
Ir. Muhdin, M.Sc. NIP.19660610 199103 1006 Dosen Pembimbing 1:
RINGKASAN
NESYA ANEKDA MEYA. E14063455. Penyusunan Tabel Volume Sortimen Jati (Tectona grandis L.f) di KPH Pemalang Perum Perhutani Unit I Jawa Tengah. Dibimbing oleh AHMAD HADJIB dan MUHDIN
Inventarisasi hutan merupakan suatu kegiatan yang berhubungan dengan penaksiran potensi tegakan, salah satunya adalah potensi kayunya. Untuk hutan Jati, inventarisasi tegakan berguna untuk menduga besarnya potensi kayu yang dapat dihasilkan, baik kualitas maupun kuantitas. Sebagai upaya untuk mendapatkan kemudahan dalam menduga volume kayu berdasarkan batang pohon berdiri, maka dilakukan penyusunan tabel volume. Pendugaan tersebut melalui pengukuran satu atau beberapa peubah penduga volume. Oleh karena nilai kayu berbeda-beda untuk setiap macam sortimen, maka nilai kayu batang pohon jati sangat tergantung kepada macam-macam sortimen penyusunnya. Untuk itu maka informasi volume setiap macam sortimen penyusun batang pohon jati sangatlah diperlukan.
Untuk menentukan bentuk model penduga volume pohon yang akan digunakan, apakah berbentuk linear (sederhana dan berganda) atau berbentuk non linear, maka perlu dibuat diagram tebar dari pohon contoh yang diambil. Berdasarkan diagram tebar tersebut, maka dapat dipilih model penduga potensi volume pohon. Yang dimaksud model-model penduga volume pohon menurut Spurr (1952) adalah antara lain:
1. Model Berkhout : V = a Db 2. Model Schumacher Hall : V = b0 Db1 Tb2
3. Model Stoate : V = b0 + b1 D2 + b3 D2 T + b4 T
Model-model di atas dapat dibuat menjadi model-model regresi linier melalui transformasi logaritmik. Bentuk persamaan Berkhout yang sering di gunakan dalam pendugaan volume pohon, ditransformasikan menjadi bentuk persamaan logaritmik, sedangkan persamaan Schumacher Hall dan Stoate karena telah dalam bentuk persamaan linier, maka tidak dilakukan transformasi ke dalam persamaan logaritmik.
Penduga volume Jati di KPH Pemalang dengan model Berkhout tanpa transformasi memiliki akurasi yang lebih baik dibanding model yang diperoleh melalui transformasi. Penduga volume Jati di KPH Pemalang yang terbaik adalah model Modified Geometric: V= 13.432379 D(-29.5999/D). Di mana D adalah diameter setinggi dada, pada kisaran 18-70 cm.
Pendugaan volume Jati per sortimen di KPH Pemalang dapat dilakukan berdasarkan proporsi dari volume sortimen terhadap volume pohon totalnya yang diperoleh dengan model V = 13.432379 D(-29.5999/D).
NESYA ANEKDA MEYA. E14063455. Jati (Tectona grandis L.f) Sorts Table Volume Classification at KPH Pemalang Perum Perhutani Unit I Central Java. Beyond Advice of AHMAD HADJIB and MUHDIN.
Forest inventory is an activity related to tree stand potency prediction, including timber potency. As it is in Jati forest, the purpose of inventory is estimating the quality and quantity of timber potency. Table volume classification is needed to make tree volume prediction less complicated. There are one or more variables that usually used in tree table volume prediction. Because timber values
are different in each sorts, Jati timber value is depend on its’ sorts type. Therefore, volume information of each sort type is absolutely required.
Spread diagram from the sample tree were conducted to determine the models that will be used to predict the tree volume, whether it is linear (single and multiple) or non-linear. Based on the diagram, tree table volume prediction model can be determined. Tree volume prediction models, according to Spurr (1952), i.e: 1. Berkhout Model : V = a Db
2. Shumacher Hall Model : V = b0 Db1 Tb2
3. Stoate Model : V = b0 + b1 D2 + b3 D2 T + b4 T
The Spurr models above can be transformed into linier regression models through the use of logarithmic transformation. Berkhout model type, which is often used in tree volume prediction, needed to be transformed into logarithmic equation. Conversely, Schumacher Hall and Stoate equation are already in linear type that logarithmic transformation is unneeded.
Jati volume prediction at KPH Pemalang by using Berkhout model without transformation delivered better accuracy compare to another models with transformation. Best Jati volume prediction model determined at KPH Pemalang is Modified Geometric model : V = 13.432379 D (-29.5999/D). D in the equation determined as diameter breast height, within range 18-70 cm.
Jati volume prediction per sort at KPH Pemalang can be determined based on the proportion of sort volume to total tree volume. The tree volume can be attained from model V = 13.432379 D(-29.5999/D).
PERNYATAAN
Dengan ini saya menyatakan bahwa skripsi yang berjudul “Penyusunan Tabel Volume Sortimen Jati (Tectona grandis L.f.) di KPH Pemalang Perum
Perhutani Unit I Jawa Tengah” adalah benar-benar hasil kerja saya sendiri dengan bimbingan dosen pembimbing dan belum pernah digunakan sebagai karya ilmiah pada perguruan tinggi atau lembaga manapun. 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.
Bogor, Maret 2011
KATA PENGANTAR
Puji syukur ke hadirat Allah SWT yang senantiasa memberikan hidayah dan rahmat kepada seluruh umat-Nya serta dengan izin-Nya penulis dapat menyelesaikan skripsi yang berjudul Penyusunan Tabel Volume Sortimen Jati (Tectona grandis L. f.) di KPH Pemalang, Perum Perhutani Unit I Jawa
Tengah dengan baik. Skripsi ini disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan di Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor.
Dalam penulisan skripsi ini penulis banyak mendapatkan dukungan dan bantuan dari berbagai pihak, hingga akhirnya skripsi ini dapat terselesaikan dengan baik. Akhirnya dengan penuh syukur penulis megucapkan terima kasih kepada:
1. Kedua orang tua, Melda Erison dan Nirsya Januarni, adik (Netasya Andwida Meya), untuk kasih sayang dan doa yang tulus.
2. Bapak Ir. Ahmad Hadjib, MS. dan Bapak Ir. Muhdin, M. Sc. F. Trop. selaku dosen pembimbing skripsi yang telah memberikan bimbingan dan meluangkan waktu kepada penulis selama proses penyusunan skripsi.
3. Bapak Dr. Ir. Ricky Avenzora, M.Sc, Bapak Dr. Ir. Omo Rusdiana, M.Sc, dan Ibu Istie Sekartining Rahayu, S.hut, M.S, selaku dosen penguji pada sidang Komprehensif.
4. Bapak Ir. Sajim Hasanudin, Bapak Mamat B.SCF, Bapak Soni B.SCF, dan seluruh pihak dari KPH Pemalang Perum Perhutani Unit I Jawa Tengah. 5. Teman-teman MNH 43 yang selama ini bersama-sama menjalani masa
perkuliahan, khususnya teman-teman seperjuangan di tempat PKL (Ana, Ina, Harlen).
6. Kepada sahabat yang sudah penulis anggap sebagai saudara seperjuangan (uda Andre, Linda Sri, Radita Daneshwara), terimakasih atas nasehat, semangat, dan gurauan yang selalu membuat penulis terhibur.
ii
8. Khusus buat Aulia Yusri Riezkiani Artika dan Dian Harpisari, terimakasih untuk semangat dan nasehat-nasehat yang telah diberikan kepada penulis. 9. Kakak senior yang telah membantu penulis dalam menjalani studi selama
kurang lebih 4 tahun di Fakultas Kehutanan IPB (Bang Yandri, Bang Heru, Bang Dwi, Bang Yoga, Bang Kaka dan Bang Lukman).
Penulis dilahirkan di Payakumbuh, Sumatera Barat pada tanggal 09 Desember 1987 dari ayah Melda Erizon dan ibu Nirsya Januarni. Penulis merupakan puteri pertama dari dua bersaudara. Riwayat pendidikan penulis di mulai pada tahun 1993 di Taman Kanak-kanak Tunas 45 Jakarta Timur. Pada tahun 2000 penulis menyelesaikan pendidikan dasar di Sekolah Dasar (SD) Negeri 03 Bunian Payakumbuh dan melanjutkan ke Sekolah Lanjutan Tingkat Pertama (SLTP) 1 Payakumbuh hingga tahun 2003. Pada tahun 2006 penulis menyelesaikan pendidikan di Sekolah Menengah Atas (SMA) Negeri 2 Payakumbuh.
Penulis melanjutkan pendidikan di Institut Pertanian Bogor pada tahun 2006 melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima di Departemen Manajemen Hutan, Fakultas Kehutanan pada tahun 2007.
Selama duduk di bangku kuliah, penulis aktif mengikuti beberapa organisasi baik sebagai anggota maupun sebagai pengurus. Adapun beberapa keorganisasian tersebut antara lain : Paduan suara Fakultas Kehutanan, Ikatan Pelajar Mahasiswa Minang sebagai anggota bidang Sosial dan Budaya. Selain itu penulis juga dipercaya untuk menjadi Ketua Departemen Kemahasiswaan Badan Eksekutif Mahasiswa Fakultas Kehutanan periode (2007-2008).
Pada tahun 2010, penulis melaksanakan Praktek Kerja Lapang di PT. INHUTANI II Pontianak. Selama masa studi di Departemen Manajemen Hutan, penulis aktif sebagai tim Asisten di laboratorium Inventarisasi Sumber Daya Hutan Bagian Perencanaan Kehutanan. Pada bulan Juli-Agustus penulis aktif sebagai Asisten Praktek Pengelolaan Hutan 2010.
Sebagai salah satu syarat menyelesaikan pendidikan di Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor Penulis menyelesaikan skripsi yang berjudul Penyusunan Tabel Volume Sortimen Jati (Tectona grandis L. f.) di KPH Pemalang, Perum Perhutani Unit I Jawa
ii
BAB II. TINJAUAN PUSTAKA 2.1 Klasifikasi, Penyebaran Alami dan Syarat Tumbuh Kayu Jati ... 4
2.2 Sifat Fisik dan Kegunaan ... 5
2.3 Dasar-dasar Pembagian Batang... 5
2.4 Daur ... 7
BAB IV. KEADAAN UMUM LOKASI PENELITIAN 4.1 Sejarah Perusahaan... 20
4.2 Letak Geografis dan Luas Perusahaan ... 20
4.3 Tanah dan Geologi ... 21
4.4 Iklim ... 21
BAB V. HASIL DAN PEMBAHASAN 5.1 Statistik Model Contoh ... 22
BAB VI. KESIMPULAN DAN SARAN 6.1 Kesimpulan ... 31
6.2 Saran ... 31
DAFTAR PUSTAKA ... 32
DAFTAR TABEL
No.
Halaman
1. Urutan prioritas pembagian batang kayu bundar jati tahun 2005 ... 6
2. Analisis keragaman pengujian regresi (ANOVA) ... 16
3. Sebaran data pohon contoh untuk penyusunan dan validasi model ... 22
4. Statistik penyusunan model penduga volume (Model Berkhout) ... 23
5. Statistik hasil proses validasi model Berkhout ... 24
6. Statistik penyusunan model penduga volume (dengan Curve expert) ... 26
7. Statistik hasil validasi menggunakan Curve expert ... 27
8. Peringkat persamaan tahap penyusunan model... 28
9. Peringkat persamaan tahap validasi model ... 28
10. Peringkat gabungan tiap persamaan penduga Volume ... 29
iv
DAFTAR LAMPIRAN
No.
Halaman
PENDAHULUAN
1.1 Latar Belakang
Hutan jati di Pulau Jawa merupakan hutan di Indonesia yang pertama kali dikelola berdasarkan azas kelestarian, yaitu prinsip yang menjadi landasan pengelolaan hutan di seluruh dunia sampai sekarang (Soeranggadjiwa 1967). Untuk dapat menjamin tercapainya azas kelestarian hutan dan kelestarian manfaat yang maksimal, maka di dalam mengelola hutan perlu adanya perencanaan yang mantap yang didukung oleh data dan informasi yang akurat.
Kayu jati termasuk jenis kayu yang bernilai tinggi di antara jenis-jenis kayu yang lain, bahkan termasuk jenis kayu mewah karena memiliki profil yang ditunjukkan oleh garis lingkar tumbuh yang indah dan bernilai artistik tinggi, awet dan tahan terhadap hama dan penyakit, serta mudah pengerjaannya. Nilai kayu yang tinggi ini didukung oleh permintaan pasar di dalam dan luar negeri yang cukup besar dan relatif stabil.
Pemanenan kayu merupakan serangkaian kegiatan, mulai dari perencanaan, penebangan, pembagian batang, sampai dengan pengangkutan. Dari serangkaian kegiatan pemanenan kayu tersebut, tahap pembagian batang merupakan salah satu kegiatan kritis karena tahap ini merupakan tahap penentu nilai ekonomis kayu yang akan dihasilkan. Apabila pembagian batang tidak dilakukan dengan baik maka nilai kayu akan turun dan perusahaan atau pengusaha akan mengalami kerugian yang cukup besar (Elias 1988).
Pembagian batang setelah penebangan merupakan proses dalam membuat sortimen kayu (panjang, diameter, dan komponen cacat kayu) tertentu sehingga nilai keseluruhan potongannya optimal. Dengan demikian pembagian batang haruslah menghasilkan nilai kumulatif yang tertinggi serta tingkat efisiensi yang tertinggi bagi yang menggunakannya.
2
dan tinggi pohon bebas cabang. Pendugaan volume pohon berdasarkan diameter dan tinggi, memerlukan pengamatan yang lama terutama dalam pengukuran tinggi, juga lazimnya didapatkan tingkat ketelitian yang rendah sebagai akibat kesalahan di dalam mengukur tinggi pohon yang sulit dilakukan di lapangan.
Inventarisasi hutan merupakan suatu kegiatan yang berhubungan dengan penaksiran potensi tegakan, salah satunya adalah potensi kayunya. Untuk hutan Jati, inventarisasi tegakan berguna untuk menduga besarnya potensi kayu yang dapat dihasilkan, baik kualitas maupun kuantitas. Sebagai upaya untuk mendapatkan kemudahan dalam menduga volume kayu berdasarkan batang pohon berdiri, maka dilakukan penyusunan tabel volume. Pendugaan tersebut melalui pengukuran satu atau beberapa peubah penduga volume. Oleh karena nilai kayu berbeda-beda untuk setiap macam sortimen, maka nilai kayu batang jati sangat tergantung kepada macam-macam sortimen penyusunnya. Untuk itu maka informasi volume setiap macam sortimen penyusun batang pohon jati sangatlah diperlukan.
Untuk menentukan bentuk model penduga volume pohon yang akan digunakan, apakah berbentuk linear (sederhana dan berganda) atau berbentuk non linear, maka perlu dibuat diagram tebar dari pohon contoh yang diambil. Berdasarkan diagram tebar tersebut, maka dapat dipilih model penduga potensi volume pohon. Yang dimaksud model-model penduga volume pohon menurut Spurr (1952) adalah antara lain:
4. Model Berkhout : V = a Db 5. Model Schumacher Hall : V = b0 Db1 Tb2
6. Model Stoate : V = b0 + b1 D2 + b3 D2 T + b4 T
1.2Tujuan Penelitian
Tujuan yang ingin dicapai dalam penelitian ini adalah
1. Memperoleh cara penyusunan persamaan penduga volume pohon dengan persamaan Berkhout yang lebih akurat, melalui transformasi atau tanpa transformasi.
2. Memperoleh persamaan pendugaan volume pohon Jati di KPH Pemalang. 3. Memperoleh tabel volume pohon jati yang dirinci per sortimen di KPH
Pemalang. 1.3 Manfaat Penelitian
BAB II
TINJAUAN PUSTAKA
2.1 Klasifikasi, Penyebaran Alami dan Syarat Tumbuh Kayu Jati
Sebaran alami Tectona grandis L.f. atau jati meliputi India, Birma, Thailand dan Vietnam. Penyebaran tanaman di Indonesia ditemukan di seluruh Jawa, Sulawesi Selatan, Sulawesi Tenggara, Sumbawa, Maluku dan Lampung (Soeranggadjiwa 1967). Di Jawa dan beberapa pulau Nusa Tenggara umumnya dinamakan jati, kayu disebut kayu jati (dalam bahasa Melayu dan Jawa) atau Kijati di Pasundan (Cordes 1992).
Menurut Sumarna (2001), klasifikasi tanaman jati digolongkan sebagai berikut:
Divisi : Spermatophyta Kelas : Angiospermae Sub kelas : Dicotyledoneae Ordo : Verbenales Famili : Verbenaceae Genus : Tectona
Species : Tectona grandisL.f
2.2 Sifat Fisik dan Kegunaan
Secara morfologis, tanaman Jati memiliki tinggi yang dapat mencapai sekitar 30-45 m. Dengan pemangkasan, batang yang bebas cabang dapat mencapai antara 15-20 m. Diameter batang dapat mencapai 220 cm. Kulit kayu berwarna kecoklatan atau abu-abu yang mudah terkelupas. Daun berbentuk opposite
(jantung membulat dengan ujung meruncing) (Sumarna 2001).
Ditinjau dari sifat fisiknya, kayu jati mempunyai berat jenis antara 0,62-0,75 dan memiliki kelas kuat II dengan penyusutan hingga kering tanur 2,8-5,2%. Keawetan kayu tergolong kelas I (Sumarna 2001).
Kayu jati hingga saat ini banyak dibutuhkan dalam industri properti, seperti untuk kayu lapis, rangka, kusen, pintu maupun jendela, karena kayu jati memiliki kelas kuat dan kelas awet yang tinggi. Selain itu, dengan profil yang ditunjukkan oleh garis lingkar tumbuh yang unik dan bernilai artistik tinggi, jati dibutuhkan para seniman pahat dan pengrajin industri furniture untuk dijadikan berbagai jenis barang kerajinan rumah tangga. Karena kekuatannya pula, kayu jati digunakan sebagai bahan untuk bak pada angkutan truk, tiang, balok, gelagar, jembatan, maupun bantalan kereta api (Sumarna 2001)
2.3 Dasar-dasar Pembagian Batang
Tujuan pembagian batang adalah untuk meningkatkan nilai ekonomis, memisahkan berbagai sortimen kayu sesuai peruntukannya dan untuk mempermudah pengangkutan dari satu batang pohon dengan memperhatikan azas peningkatan mutu sesuai penggunaannya. Nilai sortimen kayu dari sutu batang pohon ditentukan oleh variasi kualitas, panjang dan diameter. Ketiga variabel yang menentukan nilai tersebut diatur dalam pembagian batang (Elias 1998).
6
Urutan prioritas pembagian batang kayu bundar jati sebagai berikut : Tabel 1 Urutan prioritas pembagian batang kayu bundar jati tahun 2005
No.
Jenis Sortimen Panjang (m) Diameter (cm)
1. Kayu Bundar Vinir (Vi) 2,40-2,90 3. Kayu Bundar Lokal Industri
Tabel 1 (Sambungan)
No. Jenis Sortimen Panjang (m) Diameter(cm)
8
Menurut Osmaston (1968), faktor-faktor yang mempengaruhi lamanya daur adalah:
a. Tingkat kecepatan pertumbuhan tegakan, yang tergantung pada jenis pohon, lokasi tempat tumbuh serta intensitas penjarangan.
b. Karakteristik jenis, dimana harus diperhatikan umur maksimal secara alami, umur menghasilkan benih, umur kecepatan tumbuh terbaik dan umur kualitas kayu terbaik.
c. Pertimbangan ekonomi, di mana harus memperhatikan ukuran yang dapat diperoleh.
d. Respon tanah terhadap penggunaan pembukaan lahan yang berulang-ulang, hal ini erat hubungannya dengan batuan induk dan pelapukan tanah.
2.5 Sortimen Kayu Bundar Jati
Sortimen kayu bundar jati menurut Perhutani (2005), sebagai berikut: 1. Kayu Bundar Vinir (Vi)
2. Kayu Bundar Hara (H)
3. Kayu Bundar Lokal Industri (IN)
4. Kayu Bundar Besar (KBB) yang disebut dengan Sortimen AIII 5. Kayu Bundar Sedang (KBS) yang disebut dengan Sortimen AII 6. Kayu Bundar Kecil (KBK) yang disebut dengan Sortimen AI 7. Kayu Bahan Parket (KBP)
8. Kayu Bundar Limbah (KBL) / Kayu Bakar 9. Kayu Brongkol
2.6 Volume Pohon
Menurut Husch (1963) volume pohon adalah ukuran tiga dimensi, yang tergantung dari dbh (diameter setinggi dada atau diameter pangkal), tinggi atau panjang batang dan faktor bentuk batang).
Suharlan dan Sudiono (1976) menyatakan bahwa setiap batang pohon terdiri dari sejumlah bagian yang berlainan sehingga jika ditentukan volumenya secara sekaligus maka akan diperoleh hasil volume yang besar dan kurang seksama. Agar diperoleh hasil yang cukup seksama maka penentuan volume pohon dilakukan setiap seksi dimana batang pohon dipotong menjadi beberapa bagian (seksi) dan setiap seksi diukur dan ditentukan volumenya. Penentuan sampel merupakan kegiatan untuk menentukan pohon-pohon yang dijadikan contoh untuk penyusunan tabel volume. Menurut Spurr (1952) untuk penyusunan tabel volume diperlukan jumlah pohon contoh yang dikumpulkan dari satu lokasi penelitian minimal 50 pohon contoh.
Tabel 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.
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.
3. Tabel volume kelas bentuk (form class volume tables)
karakteristik-10
karakteristik bentuk yang telah dimasukan dalam penyusunan tabel-tabelnya, tanpa memandang spesies atau tempat.
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.
Spurr (1952) menyatakan bahwa untuk menentukan volume, apabila pengukuran dilakukan hanya pada satu peubah, maka dipakai diameter setinggi dada (dbh), bila menggunakan dua peubah maka yang diukur adalah diameter setinggi dada dan tinggi pohon tersebut. Sedangkan bila menggunakan tiga peubah selain mengukur diameter setinggi dada dan tinggi pohon ditambahkan juga angka bentuk.
2.7 Penyusunan Tabel Volume
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. Tabel yang dimaksudkan adalah tabel volume pohon lokal atau tarif volume.
jenis-jenis pohon, komposisi tegakan dan keadaan fisik lapangan hutan-hutan di Indonesia pada umumnya (Sumarna dan Sudiono 1976). Menurut Chapman dan Meyer (1949) tabel volume yang hanya menggunakan satu peubah hanya berlaku pada daerah terbatas.
Adapun macam-macam formulasi tabel volume pohon antara lain: 1. Dengan satu peubah bebas (diameter)
V = a Db (Berkhout)
V = a + b D2 (Kopezky-Gehrhardt)
2. Dengan dua peubah bebas (diameter dan tinggi) V = b0 Db1 Tb2 (Schumacher Hall)
V = b0 + b1 D2 + b3 D2 T + b4 T (Stoate)
Dari sekian banyak persamaan regresi yang dicoba adalah, persamaan Berkhout:
V = a Db
dimana:
V = volume pohon
D = dbh
a, b = konstanta
Persamaan ini adalah persamaan regresi yang paling banyak digunakan. Selain
alasan kesederhanaan model dan kepraktisan, karena hanya menggunakan dbh
(diameter setinggi dada) sebagai peubah bebasnya di mana diameter lebih mudah
diukur daripada tinggi pohon (H), dan model tersebut adalah model yang secara
matematis memiliki kerangka pemikiran (landasan toeritis) yang jelas.
Model matematis V = a0 Da1 dapat diestimasi oleh model stokastik
V = a0 Da1 E, dimana E adalah kesalahan yang bersifat acak (Prodan 1965). Model terakhir dapat ditransformasikan ke dalam model logaritmik:
Yi = b0 + b1X + e
BAB III
METODE PENELITIAN
3.1Waktu dan Lokasi Penelitian
Penelitian ini dilaksanakan di Kesatuan Pemangkuan Hutan (KPH) Pemalang, Perum Perhutani Unit I Jawa Tengah. Penelitian ini dilaksanakan selama 1 bulan yaitu pada bulan Mei-Juni tahun 2010.
3.2Alat dan Bahan
Bahan yang digunakan dalam penelitian ini adalah data primer yang didapat langsung di lapangan, yakni pada tebangan A di KPH Pemalang. Tebangan A adalah tebangan habis biasa yang meliputi kawasan produktif (menghasilkan) dari kelas perusahaan yang ditebang habis, tebangan ini dibagi-bagi dalam jangka yang berturut-turut menurut daur yang diterapkan. Data sekunder yang digunakan yaitu: 1. Buku Rencana Pengaturan Kelestarian Hutan (RPKH) Kelas Perusahaan
Jati KPH Pemalang
2. Laporan Tahunan KPH Pemalang
3. Buku Standar Nasional Indonesia (SNI) Pengukuran dan Kualitas Jati 4. Buku Rencana Teknik Tahunan (RTT)
5. Daftar klem
Alat yang digunakan dalam penelitian ini adalah seperangkat komputer, dengan software microsoft excel, minitab, dan curve expert.
3.3Metode
3.3.1 Penentuan Jumlah dan Pemilihan Pohon Contoh
3.3.2 Pengukuran dan Pengumpulan Data
1. Melakukan Eksplorasi di BKPH (Bagian Kesatuan Pemangkuan Hutan) Bantarbolang KPH Pemalang.
2. Penentuan diameter terkecil dan diameter terbesar di petak tebang. 3. Melihat daftar klem BKPH Bantarbolang KPH Pemalang.
4. Setelah menentukan diameter terkecil dan terbesar lalu dibuat kelas diameter.
5. Tiap kelas diameter minimal ada 5 pohon contoh (3 untuk penyusunan dan 2 untuk validasi), tergantung pada daftar klem di lapangan.
6. Interval dari kelas diameter adalah 5-10 cm.
7. Menandai petak tebang dengan cara mendatangi pohon yang sesuai dengan kelas diameter yang telah ditentukan.
8. Mengukur diameter setinggi dada (dbh) pada saat pohon berdiri. 9. Penebangan pohon.
10.Penetapan diameter (D) sortimen
a. Diameter diukur pada bontos ujung terkecil tanpa kulit dengan menggunakan pita diameter (phi band).
b. Penentuan diameter pangkal dan diameter ujung.
c. Diameter kayu bundar jati dinyatakan dalam kelas diameter: untuk AI dan AII dalam kelipatan 3 cm dan AIII dalam kelipatan 1 cm. 11.Penetapan Panjang (P)
a. Panjang diukur pada jarak terpendek antara kedua bontos melalui badan kayu.
b. Panjang diukur dalam kelipatan 10 cm untuk panjang sampai 10 m, dan kelipatan 50 cm untuk panjang lebih dari 10 m dengan pembulatan ke bawah, baik untuk AI, AII, maupun AIII.
12.Penentuan sortimen kayu bundar jati industri. Adapun sortimen kayu bundar jati industri adalah sebagai berikut:
a. Kayu Bundar Besar (KBB/AIII)
14
2. Untuk vinir (Vi) dibuat panjang 2,20-2,90 m, diutamakan panjang 2,50-2,90 m. Sedangkan Vinir panjang 2,20-2,30 m dibuat atas dasar optimalisasi pembagian batang.
3. Untuk Hara (H) dibuat panjang 0,40 m ke atas, diutamakan panjang 2,50-2,90 m dan dihindari pembuatan panjang 0,40-0,60 m.
4. Untuk Lokal Industri (IN) dibuat panjang 0,70-2,90 m diutamakan panjang 2,20-2,40 m.
b. Kayu Bundar Sedang (KBS/AII)
1. Diameter 22 cm, 25 cm, 28 cm, panjang 0,40 m ke atas, diarahkan pada panjang 2,00 m ke atas.
2. Untuk Hara (H) dibuat panjang 0,70-2,90 m, diutamakan panjang 2,20-2,40 m.
3. Untuk Lokal Industri (IN) dibuat panjang 0,70-2,90 m, diutamakan panjang 2,20-2,40.
c. Kayu Bundar Kecil (KBK/AI)
1. Diameter 4 cm, panjang 2,00 m ke atas, diarahkan pada panjang 2,50 m ke atas.
2. Diameter 7 cm, panjang 1,50 m ke atas, diarahkan pada panjang 2,50 m ke atas.
3. Diameter 10 cm dan 13 cm, panjang 0,70 m ke atas, diarahkan pada panjang 3,00 m ke atas.
4. Diameter 16 cm dan 19 cm, panjang 0,40 m ke atas, diarahkan pada panjang 3,00 m ke atas.
d. Kayu Bahan Parket (KBP) merupakan pelarian, bila kayu tersebut tidak dapat dibuat kayu pertukangan mutu terendah, dengan panjang 0,40-1,90 m dengan diameter 16 cm ke atas.
e. Kayu Bundar Limbah (KBL) / kayu bakar dibuat dengan ukuran sebagai berikut:
f. Kayu Brongkol pada prinsipnya tidak diproduksi. Bila ada kayu tidak menghasilkan kayu pertukangan/ Tolak uji atau kayu bakar dengan panjang kurang dari 1,00 m dapat diterima sebagai sortimen kayu brongkol.
3.3.3 Analisis Data
1. Penyusunan Persamaan Penduga Volume
Persamaan penduga volume pohon disusun dengan menggunakan analisis regresi:
a. Analisis model Berkhout
1. Transformasi ke model linier
2. Tanpa transformasi (model non linier) b. Mencari Model terbaik dengan model non linier
2. Menghitung Koefisien Regresi dan Koefisien Korelasi
Menghitung koefisien regresi pada penyusunan tabel volume lokal, sebagai contoh untuk model regresi linier sederhana sebagai berikut:
Yi = β0 + β1 Xi + έi, dengan penduga modelnya adalah yi = b0 + b1xi + ei , maka besarnya nilai koefisien regresi b1 sebagai penduga β1 dan besarnya nilai konstanta b0 (intersept) sebagai penduga dari β0 dapat dihitung dari data pohon contoh, koefisien determinasi ( R2 ) dari model regresi tersebut dapat dihitung :
R2 = Keterangan:
R2 = Koefisien determinasi JKregresi = Jumlah kuadrat regresi JKtotal = Jumlah kuadrat total 3. Analisis Keragaman
16
Tabel 2 Analisis keragaman pengujian regresi (ANOVA)
Sumber keragaman Derajat bebas
Jumlah kuadrat (JK)
Kuadrat
tengah (KT) Fhitung Ftabel
Regresi k = p-1 JKR KTR=JKR/k KTR/K
TS
Sisaan n-k-1 JKS
KTS=JKS/(n-k-1)
Total n-1 JKT
dimana p = banyaknya parameter model regresi dan n = banyaknya pohon contoh yang digunakan dalam penyusunan regresi tersebut. 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
Jika H1 yang diterima, 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.
4. Validasi Model
Nilai-nilai untuk pengujian validasi model dapat dihitung dengan rumus-rumus sebagai berikut:
a. Simpangan Agregat (agregative deviation)
Simpangan agregat merupakan selisih antara jumlah volume dugaan (Vt) yang diperoleh berdasarkan tabel volume pohon dan volume aktual, sebagai persentase terhadap volume dugaan (Vt). Persamaan yang baik memiliki simpangan agregat (SA) yang berkisar dari – 1 sampai + 1 (Spurr 1952). Nilai SA dapat dihitung dengan rumus:
Keterangan:
SA = Simpangan agregat
Vt i = Volume dugaan pohon ke-i Va i = Volume aktual pohon ke-i
b. Simpangan rata-rata ( mean deviation )
Simpangan rata-rata merupakan rata-rata jumlah dari nilai mutlak selisih antara jumlah volume dugaan (Vt) dan volume actual (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:
Keterangan:
SR = Simpangan rata-rata
Vti = Volume dugaan pohon ke-i Vai = Volume aktual pohon ke-i
n = Jumlah pohon contoh pada proses validasi model
18
c. RMSE ( root mean square error )
RMSE merupakan akar dari rata-rata jumlah kuadrat nisbah antara selisih volume dugaan dari tabel volume pohon (Vt) dengan volume aktualnya (Va) terhadap volume aktual. Nilai RMSE yang lebih kecil, menunjukkan model persamaan penduga volume yg lebih baik. RMSE dapat dihitung dengan rumus:
RMSE =
Keterangan:
RMSE = Root mean square error
e = Vti - Vai
n = Jumlah pohon contoh pada proses validasi model Vti = Volume dugaan pohon ke-i
Vai = Volume aktual pohon ke-i
d. Bias
Bias (e) adalah kesalahan sistematis yang dapat terjadi karena kesalahan dalam pengukuran, maupun kesalahan karena alat ukur (Soeranggadjiwa 1967). Bias dapat dihitung dengan rumus:
Keterangan: e = Bias
Vti = Volume dugaan pohon ke-i Vai = Volume aktual pohon ke-i
n = jumlah pohon contoh pada validasi model
e. Uji beda rata-rata Khi-kuadrat ( Chi-square test )
apakah volume yang diduga dengan tabel volume pohon (Vt) berbeda dengan volume pohon aktualnya (Va). Dalam hal ini hipotesa yang diuji adalah sebagai berikut:
H0 : Vt = Va dan H1 : Vt ≠ Va
Kaidah keputusannya adalah sebagai berikut :
²hitung ≤ ²tabel , maka terima H0
²hitung ≥ ²tabel , maka terima H1
6. Pemilihan model regresi terbaik
Model persamaan regresi yang akurat dan valid untuk penyusunan tabel volume pohon apabila memenuhi kriteria sebagai berikut :
a. Dalam analisis regresi menghasilkan nilai R2 yang besar, regresi yang nyata berdasarkan hasil analisis keragamannya.
b. Dalam uji validasi harus memenuhi standar pengujian antara lain:
1. Persamaan yang baik memiliki nilai simpangan agregat (SA) yang berkisar berada diantara -1 sampai +1 (Spurr 1952).
2. Persamaan yang baik memiliki nilai simpangan rata-rata tidak lebih dari 10% (Spurr 1952).
3. Nilai RMSE dan bias yang kecil menunjukan model persamaan penduga volume yang lebih baik.
BAB IV
KEADAAN UMUM LOKASI PENELITIAN
4.1 Sejarah Perusahaan
Perusahaan Umum Perhutani didirikan dengan Peraturan Pemerintah No. 15 Tahun 1972, yang telah diubah dengan peraturan pemerintah nomor 2 tahun 1978, Peraturan Pemerintah No 36 tahun 1986 dan selanjutnya Peraturan Pemerintah No. 53 tahun 1999. Berdasarkan Peraturan Pemerintah RI No. 14 tahun 2001, terhitung sejak tanggal 23 September 2001 Perusahaan Umum Kehutanan Negara di alihkan bentuknya menjadi Perusahaan Perseroan. Bentuk PT. PERHUTANI diberlakukan sejak tanggal 1 juli 2001.Terakhir berdasarkan Peraturan Pemerintah Republik Indonesia No. 30 tahun 2003 (lembaran Negara RI tahun 2003 No. 67) ditetapkan bahwa bentuk hukum Perhutani adalah Perusahaan Umum.
4.2 Letak Geografis dan Luas Perusahaan
Letak geografis wilayah Kabupaten Pemalang adalah pada posisi 109o
11’9,79’’-109o35’51,67’’B.T. dan 6o46’52,2’’-7o14’40,86’’ L.S. Adapun batas wilayah administrasinya adalah sebagai berikut :
a. Sebelah Utara berbatasan dengan Laut Jawa.
b. Sebelah Timur berbatasan dengan Kabupaten Pekalongan. c. Sebelah Selatan berbatasan dengan Kabupaten Purbalingga. d. Sebelah Barat berbatasan dengan Kabupaten Tegal.
4.3 Tanah dan Geologi
Topografi lapangan wilayah hutan KPH Pemalang secara umum adalah datar sampai curam, dengan persentase terbesar adalah pada topografi landai sebesar 39,04%. Berdasarkan buku RPKH, areal kerja KPH Pemalang memiliki 3 jenis tanah, yaitu aluvial, mediteran, latosol.
Bersumber pada data Lembaga Penelitian Tanah Bogor, jenis tanah yang ada di Kabupaten Pemalang (Perhutani 2005) adalah :
1. Tanah Alluvial, terdapat di sepanjang wilayah pantai di Kecamatan Ulujami, Comal, Petarukan, Taman dan Pemalang.
2. Tanah Latosol terdapat di wilayah Kecamatan Pemalang sebelah tenggara, Bantarbolang pada daerah tangkapan air Sungai Pulaga, Sungai Lumeneng, Sungai Comal dan Sungai Waluh.
3. Tanah Andosol, terdapat di sekitar Gunung Slamet yang merupakan hulu Sungai Comal termasuk dalam wilayah Kecamatan Pulosari dan sebagian wilayah Kecamatan Belik.
4. Tanah Kompleks Podsolik Merah Kekuningan, Podsolik Kuning dan Regosol terdapat di Kecamatan Belik, memanjang ke arah barat laut terus ke wilayah Kecamatan Moga bagian timur.
5. Tanah Regosol, terdapat di sepanjang pantai wilayah Kecamatan Pemalang terus membujur ke timur wilayah Kecamatan Taman.
6. Tanah Lotosol, terdapat di wilayah Kecamatan Pemalang dan sebagian wilayah Kecamatan Randudongkal.
4.4 Iklim
BAB V
HASIL DAN PEMBAHASAN
5.1Statistik Pohon Contoh
Pohon contoh dikelompokkan berdasarkan diameter, kemudian dibagi menjadi 2 kelompok yaitu untuk penyusunan model (67 pohon) dan validasi model (33 pohon) dengan memperhatikan keterwakilan sebaran diameter. Penentuan pohon yang akan digunakan untuk penyusunan dan validasi model dilakukan dengan perbandingan 2:1. Penyebaran data pohon contoh yang digunakan untuk penyusunan dan validasi model disajikan pada Tabel 3.
Tabel 3 Sebaran data pohon contoh untuk penyusunan dan validasi model
Kelas Diameter Penyusunan model ( Pohon )
Tabel 4 Statistik penyusunan model penduga volume (Model Berkhout)
Model b0 b1 a b R2 R2adj s Fhit
A Excel
1 Log V = b0+b1Log D -3.273 1.982 87.20% 87.00% 0.12109 442.67
2 V = aDb (dari log) 0.000534 1.982
B Minitab
1 Log V = bo + b1 Log D -3.273 1.982 87.20% 87.00% 0.12109 442.67
2 V = aDb (dari Log) 0.000534 1.982
C Curve Expert
1 Log V = bo + b1 Log D -3.273 1.982 87.20% 87% 0.12109 442.67
2 V = aDb (dari Log) 0.000534 1.982
3 V = aDb
(tanpa transformasi)
0.001186 1.784 80.23% 79.92% 0.29706 263.75
Keterangan:
b0 dan b1 = Konstanta s = Simpangan baku
R2 = Koefisien determinasi Fhit = F hitung
R2adj = Koefisien determinasi adjusted a dan b = Konstanta pada Curve expert
2
24
Berdasarkan hasil statistik Tabel 4, model Berkhout yang melalui transformasi memiliki nilai R2 lebih besar dibandingkan dengan model tanpa transformasi (Curve expert). Dalam membuat tabel volume lokal, untuk memperoleh ketelitian yang baik, maka koefisien korelasi ditetapkan > 0.7071 atau R2 minimal 50% (Suharlan dan Soemarna 1976). Dari Tabel 4 dapat disimpulkan bahwa model Berkhout melalui transformasi memiliki tingkat ketelitian yang baik karena memiliki nilai R2(87.20%), namun demikian hasil R2 melalui model tanpa transformasi juga memiliki nilai koefisien determinasi yang tidak jauh berbeda dengan model Berkhout melalui transformasi.
Keterkaitan hubungan antara peubah bebas dengan peubah tak bebas dalam suatu persamaan regresi dapat diketahui melalui uji statistik F terhadap ragam sisanya. Pada Tabel 4 dapat dilihat bahwa peubah bebas dengan menggunakan model persamaan Berkhout berpengaruh sangat nyata dalam menduga nilai peubah tak bebasnya.
Berdasarkan hasil pengujian Khi-kuadrat, baik model Berkhout yang disusun melalui transformasi maupun tanpa transformasi dapat disimpulkan bahwa pada tingkat keyakinan 95%, nilai volume dugaan tidak berbeda dengan volume sebenarnya. Model Berkhout tanpa transformasi juga menghasilkan nilai bias, RMSE, SA, dan SR yang lebih rendah dibandingkan Model Berkhout melalui transformasi (Tabel 5).
Tabel 5 Statistik hasil proses validasi model Berkhout
Persamaan Regresi ²hit ²tab(0,05) Bias RMSE SA SR
dengan transformasi 2.074 46.194 -4.566 24.752 -0.056 20.45%
tanpa transformasi 1.988 46.194 2.883 24.701 -0.012 19.22%
Menurut (Spurr 1952) dalam uji validasi harus memenuhi standar pengujian yang meliputi nilai-nilai simpangan agregat (SA) yang berkisar -1 sampai +1, dan dari hasil perhitungan dengan menggunakan persamaan penduga volume Berkhout
5.2.2 Pemilihan Model Terbaik
5.2.2.1Penyusunan Persamaan Penduga Volume Pohon
Tujuh model yang dievaluasi untuk menggambarkan hubungan antara volume dengan diameter setinggi dada dengan menggunakan Curve expert
26
Tabel 6 Statistik penyusunan model penduga volume (dengan Curve expert)
No Persamaan regresi a b c R2 R2adj s Fhit
1
Y= a*(bx)*(xc) (Hoerl) 0.000083 0.9815 80.63% 80.02% 0.29635 133.16
2 Y = a*x(b/x) (Modified Geometric) 13.432379 -29.5999 80.51% 80.21% 0.29496 268.45
3 Y = a*(x-b)c (Shifted Power Fit) 0.010112 11.4689 1.330807 80.53% 79.92% 0.29708 132.36
4 Y = axb (Power Fit) 0.001186 1.7845 80.23% 79.92% 0.29706 263.75
5 Y = a+bx+cx2 (Quadratic Fit) -0.360926 0.0219 0.000227 80.48% 79.87% 0.29745 131.94
6 Y = axbx (Geometric) 0.288675 0.0072 75.24% 74.86% 0.33242 197.54
7 Y = a+bx+c/x2 (Heat Capacity) -1.117232 0.0476 145.096827 80.53% 79.92% 0.29709 132.34
5.2.2.2 Validasi Persamaan Penduga Volume Pohon
Dari tahap validasi model ini diperoleh nilai hasil perhitungan bias, simpangan baku (s) dan RMSE seperti disajikan pada Tabel 7.
Tabel 7 Statistik hasil validasi menggunakan Curve expert
Persamaan Regresi ² hitung ²tabel(0.05) Bias RMSE SA SR
1 Y= a*(bx)*(xc) 2.48 46.19 6.61% 33.71% -0.02 18% 2 Y = a*x(b/x) 2.42 46.19 4.15% 31.98% -0.02 19% 3 Y = a*(x-b)c 2.47 46.19 6.37% 33.40% -0.02 18% 4 Y = axb 2.72 46.19 11.89% 39.99% -0.01 19% 5 Y = a+bx+cx2 2.48 46.19 6.26% 33.63% -0.02 18% 6 Y = axbx 4.85 46.19 28.20% 73.86% -0.002 26% 7 Y = a+bx+c/x2 2.45 46.19 6.81% 33.51% -0.02 19%
Berdasarkan Tabel 7 dari 7 model yang terpilih dengan menggunakan
Curve expert, semua model menunjukkan bahwa ²hitung ≤ ²tabel(0.05) maka terima H0 yang berarti bahwa nilai dugaan volume tidak berbeda dengan nilai volume sebenarnya. Ketepatan sebuah model dapat dinilai dari nilai RMSE nya, semakin kecil nilai RMSE yang dihasilkan suatu model maka model tersebut semakin tepat dalam menduga volume. Dari nilai RMSE 7 model yang terpilih hampir semua model menghasilkan nilai RMSE yang kecil yaitu di bawah 50%, adapun yang menghasilkan nilai RMSE yang tinggi yaitu pada persamaan ke-6.
5.2.2.3 Pemilihan Persamaan Penduga Volume Pohon terbaik
28
Tabel 8 Peringkat persamaan tahap penyusunan model
Persamaan R2adj s ∑ Peringkat Peringkat akhir tahap penyusunan model adalah persamaan model 2 dengan bentuk persamaan Y = a * x(b/x) yaitu model Modified geometric, yang mempunyai nilai R2adj yang paling tinggi dari 6 model yang lain dan mempunyai nilai s dan SE terkecil.Untuk memilih persamaan terbaik pada tahap validasi model perlu diberikan peringkat terhadap nilai bias, RMSE seperti disajikan pada Tabel 9 .
Tabel 9 Peringkat persamaan tahap validasi model
Tabel 10 Peringkat gabungan tiap persamaan penduga volume
Persamaan Peringkat Jumlah Peringkat akhir
Penyusunan Validasi
1. 2 6 8 4
2. 1 1 2 1
3. 4 2 6 2
4. 3 4 7 3
5. 6 3 9 5
6. 7 7 14 7
7. 5 5 10 6
Berdasarkan Tabel 10, dapat ditentukan bahwa persamaan terbaik untuk menduga volume pohon jati untuk setiap macam sortimen adalah model Modified geometric. Karena pada tahap penyusunan model dan validasi model persamaan ini terpilih sebagai peringkat pertama.
5.2.2.4 Penyusunan Tabel Volume pohon Jati per Sortimen
Setelah melalui tahap penyusunan dan validasi model, dapat diperoleh model penduga volume pohon jati yang terbaik adalah model Modified geometric
Y = a*x(b/x) (V = 13.432379 x D (-29.5999/D)). Tabel volume ini digunakan untuk mengetahui potensi volume pohon jati per sortimen di KPH Pemalang. Tabel volume yang dihasilkan dalam penelitian ini dapat dilihat pada Lampiran 1. Untuk penduga volume sortimen-sortimen pohon jati dilakukan metode proporsi dari setiap volume perseksi yang ada disetiap pohon contoh yakni proporsi dari sortimen AI, AII, AII dari volume total yang didapat dari pengukuran di lapangan pada setiap pohon contoh.
Berdasarkan Tabel 11 dapat dilihat proporsi yang diperoleh untuk penentuan volume per sortimen pada tabel volume. Nilai proporsi ini diperoleh dari nilai volume sortimen yang didapatkan di lapangan yang dibagi dengan volume total dari jumlah volume sortimen lalu dirata-ratakan.
30
Tabel 11 Proporsi pendugaan volume setiap sortimen
No Kelas diameter Proporsi AI Proporsi AII Proporsi AIII
1 18-20 cm 1 0 0
2 21-22 cm 0.663 0.337 0
3 23-25 cm 0.612 0.366 0.022
4 26-27 cm 0.513 0.399 0.087
5 28-30 cm 0.530 0.450 0.020
6 31-32 cm 0.283 0.595 0.121
7 33-35 cm 0.274 0.550 0.176
8 36-37 cm 0.237 0.540 0.223
9 38-40 cm 0.156 0.489 0.355
10 41-42 cm 0.123 0.423 0.454
11 43-45 cm 0.150 0.340 0.510
12 46-47 cm 0.144 0.378 0.477
13 48-50 cm 0.149 0.304 0.548
14 51-52 cm 0.075 0.213 0.712
15 53-55 cm 0.137 0.210 0.652
16 56-57 cm 0.084 0.282 0.634
17 58-60 cm 0.077 0.242 0.681
18 61-62 cm 0.096 0.204 0.699
19 64-65 cm 0.126 0.117 0.756
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Adapun kesimpulan yang dapat diperoleh dari penelitian ini adalah:
1. Penduga volume Jati di KPH Pemalang dengan model Berkhout tanpa transformasi memiliki akurasi yang lebih baik dibanding model yang diperoleh melalui transformasi.
2. Penduga volume Jati di KPH Pemalang yang terbaik adalah model
Modified Geometric: V= 13.432379 D(-29.5999/D) dimana D adalah diameter setinggi dada , pada kisaran 18-70 cm.
3. Pendugaan volume Jati per sortimen di KPH Pemalang dapat dilakukan berdasarkan proporsi dari volume sortimen terhadap volume pohon totalnya yang diperoleh dengan model V = 13.432379 D(-29.5999/D).
6.2 Saran
DAFTAR PUSTAKA
Chapman HH, WH Meyer. 1949. Forest Mensuration. New York: Mc Grow Hill Book, Co. Inc.
Cordes JWH. 1992. Hutan Jati di Jawa. Malang: Yayasan Manggala Sylva Lestari.
Elias. 1988. Pembukaan Wilayah Hutan. Bogor: Diktat Kuliah Fakultas Kehutanan Institut Pertanian Bogor.
Elias. 1998. Sistem Pemanen Kayu Jati. Bogor: Diktat Kuliah Fakultas Kehutanan Institut Pertanian Bogor.
[Fahutan UGM] Fakultas Kehutanan, Universitas Gadjah Mada. 1976. Silvikultur
Khusus. Yogyakarta: Yayasan Pembinaan Fahutan UGM.
Husch JA. 1963. The Dictionary of Forestry. Wallingford: The Society of American Foresters and CABI Publishing.
Osmaston FC. 1968. The Management of Forests. London: George Allen and Unwim LTD.
Perum Perhutani I. 2005. Petunjuk Pelaksanaan Pembagian Batang Kayu Bundar Jati. Semarang: Biro Produksi Semarang.
Prodan M. 1965.Forest Biometric. Oxford: Pergamon Press.
Sumarna Y. 2001. Budi Daya Jati. Jakarta: Penebar Swadaya.
Soeranggadjiwa MH. 1967. Inventarisasi Kayu Tegakan Bagian Hutan Djati dan Hutan Industri lainnya. Jakarta: Rimba Indonesia XII.
Spurr SH. 1952. Forest Inventory. New York: The Ronald Press Company Inc.
Sumarna Y dan Y Sudiono. 1976. Ilmu Ukur Kayu. Jakarta: Bagian Pendidikan Direktorat Jendral Kehutanan.
Suharlan A dan Y Sudiono. 1976. Tabel Volume untuk Pinus merkusii
34
Lampiran 1 Tabel volume sortimen Jati (m3)
Kelas diameter (cm)
Volume total
(model) V AI V AII V AIII
18-20 0.138 0.138 0 0
21-22 0.197 0.131 0.066 0
23-25 0.268 0.164 0.098 0.006
26-27 0.345 0.177 0.138 0.030
28-30 0.432 0.229 0.195 0.008
31-32 0.526 0.149 0.313 0.064
33-35 0.624 0.171 0.343 0.110
36-37 0.726 0.172 0.392 0.162
38-40 0.833 0.130 0.408 0.295
41-42 0.942 0.116 0.399 0.427
43-45 1.053 0.158 0.358 0.537
46-47 1.166 0.168 0.441 0.557
48-50 1.280 0.190 0.389 0.701
51-52 1.394 0.104 0.297 0.993
53-55 1.531 0.210 0.322 0.999
56-57 1.623 0.136 0.458 1.029
58-60 1.737 0.134 0.420 1.183
61-62 1.850 0.178 0.378 1.294
63-65 1.963 0.248 0.231 1.484
66-70 2.140 0.179 0.484 1.477
Keterangan:
Lampiran 2 (sambungan)
No No. Pohon dbh (cm) tbc (m) VAI VAII VAIII V total
80 257 54 12.6 0.227 0.346 0.886 1.459
81 191 54 10 0.059 0.299 1.192 1.55
82 462 55 15.6 0.055 0.375 0.967 1.397
83 43 56 22.2 0.149 0.332 1.429 1.91
84 36 57 17.3 0.073 0.319 0.423 0.815
85 135 58 13.3 0.12 0.239 1.792 2.151
86 188 58 15.6 0.106 0.18 1.531 1.817
87 82 59 12.3 0.067 0.288 0.388 0.743
88 184 60 20.3 0.21 0.749 1.073 2.032
89 221 61 17.1 0.232 0.234 1.809 2.275
90 216 61 17.2 0.129 0.45 1.144 1.723
91 375 61 25.4 0.193 0.419 1.677 2.289
92 48 61 14.5 0.133 0.481 0.782 1.396
93 51 62 18.5 0.157 0.441 0.789 1.387
94 53 62 17.2 0.176 0.323 1.512 2.011
95 376 62 21 0.287 0.148 1.999 2.434
96 183 64 16.2 0.168 0.122 1.316 1.606
97 120 64 13.8 0.239 0.257 1.12 1.616
98 476 66 17.7 0.167 0.765 1.291 2.223
99 282 69 24.9 0.299 0.35 2.594 3.243
