TABEL VOLUME LOKAL KAYU BULAT MERBAU
(
Intsia
spp.) DI AREAL IUPHHK-HA PT WIJAYA SENTOSA
PAPUA BARAT
NOPI ARDI
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Tabel Volume Lokal Kayu Bulat Merbau (Intsia spp.) di Areal Kerja IUPHHK-HA PT Wijaya Sentosa Papua 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.
Bogor, Januari 2016
Nopi Ardi
ABSTRAK
NOPI ARDI. Tabel Volume Lokal Kayu Bulat Merbau (Intsia spp.) di Areal Kerja IUPHHKA-HA PT Wijaya Sentosa Papua Barat. Dibimbing oleh BUDI KUNCAHYO.
Merbau (Intsia spp.) merupakan satu diantara jenis pohon yang memiliki nilai ekonomi tinggi dan populasinya menurun dari waktu ke waktu. Penyusunan tabel volume lokal kayu bulat merbau untuk menduga besarnya volume potensial kayu bulat yang dapat dikeluarkan dari hutan. PT Wijaya Sentosa merupakan perusahaan yang melakukan pengelolaan hutan alam di Kabupaten Teluk Wondama, Provinsi Papua Barat. Penelitian ini dilakukan dengan menyusun dan memilih model persamaan tabel volume lokal kayu bulat dengan menggunakan variable bebas berupa diameter setinggi dada atau 20 cm di atas banir pada 110 contoh pohon. Pemilihan model terbaik mempertimbangkan indikator nilai R2 dan uji F untuk tahap penyusunan model dan nilai chi-square (χ2), SA, SR, Bias,
standard error (SE), dan RMSE untuk tahap validasi model. Model penduga terbaik adalah V=0.000223872D2.39 dengan nilai R2 99.3%, nilai RMSE 8.81%, dan nilai bias 0.33%. Hasil penelitian ini berupa tabel volume lokal kayu bulat merbau dan diharapkan dapat menjadi sumber pertimbangan dalam pengelolaan hutan.
Kata kunci: kayu bulat, model penduga, Intsia spp., tabel volume
ABSTRACT
NOPI ARDI. The local Volume Table of Merbau Logs (Intsia spp.) at IUPHHK-HA PT Wijaya Sentosa West Papua. Supervised by BUDI KUNCAHYO.
Merbau is one of the species that has high economy value and its population has been declining over time. The local volume table of merbau was made to estimate the magnitude of the potential volume which is harvested from the forest. PT Wijaya Sentosa is a company who manages natural forest in Kabupaten Teluk Wondama, West Papua. The research was conducted by preparing and selecting equality model from the local table volume of logs using independent variables such as breast hogh diameter or 20 cm above banir at 110 tree samples. Best model choosen considered value indicator such as R2 and F test, in model arrangement step and the value of chi-square (χ2), SA, SR, bias, SE and RMSE in model validation step bassed on available equation models. Best estimation model is V=0.000223872D2.39 with R2 99.3%, RMSE values 8.81%, and bias values 0.33%. The result of researches is local table volume logs merbau and perhaps become choosen sources in forest management.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan
pada
Departemen Manajemen Hutan
TABEL VOLUME LOKAL KAYU BULAT MERBAU (
Intsia
spp.) DI AREAL KERJA IUPHHK-HA PT WIJAYA SENTOSA
PAPUA BARAT
NOPI ARDI
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR BOGOR
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Karya ilmiah ini berjudul Tabel Volume Lokal Kayu Bulat Merbau (Intsia spp.) di Areal IUPHHK-HA PT Wijaya Sentosa Papua Barat.
Terima kasih penulis ucapkan kepada Bapak Dr Ir Budi Kuncahyo, MS selaku dosen pembimbing. Di samping itu, penghargaan penulis sampaikan kepada semua pihak di PT Wijaya Sentosa dan teman teman yang telah membantu selama pengumpulan dan pengolahan data. Ungkapan terima kasih juga disampaikan kepada orang tua dan teman teman Manajemen Hutan 48 dan Fakultas Kehutanan 48 atas segala doa, kasih sayang dan semangatnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Januari 2016
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 1
Manfaat Penelitian 1
Ruang Lingkup Penelitian 1
METODE 2
Waktu dan Tempat Penelitian 2
Alat dan Bahan 2
Jenis dan Sumber Data 2
Metode Penelitian 2
HASIL DAN PEMBAHASAN 9
Keadaan Umum dan Lokasi Penelitian 9
Eksplorasi Data 10
Penyusunan Model Persamaan Regresi Penduga Volume 11
Pemeriksaan Asumsi 12
Pemeriksaan Pencilan 13
Validasi Model 13
Pemilihan Model Persamaan Regresi Terbaik 14
SIMPULAN DAN SARAN 16
Simpulan 16
Saran 16
DAFTAR PUSTAKA 17
LAMPIRAN 18
DAFTAR TABEL
1. Sebaran kayu bulat contoh di PT Wijaya Sentosa Papua Barat 10 2. Persamaan penduga volume kayu bulat jenis merbau 11
3. Hasil uji validasi model 14
4. Scoring model regresi penduga volume 15
DAFTAR GAMBAR
1. Grafik penyebaran jumlah kayu bulat contoh pada masing masing kelas
diameter 10
2. Scatterplot antar peubah diameter setinggi dada (D) dan Volume (V) 11 3. Diagram tebar antara sisaan dengan probability normal pada persamaan
1 (a), persamaan 2 (b) dan persamaan 3 (c) 12
4. Diagram tebar antara sisaan dengan dugaan pada persamaan 1 (a),
persamaan 2 (b) dan persamaan 3 (c) 13
DAFTAR LAMPIRAN
1. Hasil pengolahan data dengan menggunakan software statistik 18
2. Tabel diameter dan tinggi pohon contoh 20
PENDAHULUAN
Latar Belakang
Merbau (Intsia spp.) merupakan satu diantara jenis tanaman yang memiliki nilai ekonomi yang tinggi. Sebaran merbau di Indonesia cukup luas mulai dari Sumatera sampai Papua. Namun saat ini populasinya hanya tersisa di Papua dan sebagian Maluku dengan kondisi terus menurun dari waktu ke waktu (Mahfduz etal. 2006).
Tabel volume pohon lokal merupakan bentuk khusus dari tabel volume pohon, yaitu tabel yang memberikan nilai volume pohon dengan cukup mengetahui hanya satu besaran saja dari pohon yang bersangkutan. Besaran tersebut adalah yang paling mudah diukur yaitu diameter pohon setinggi dada atau keliling pohon. Tabel volume kayu bulat berbeda dengan tabel volume pohon karena tabel volume kayu bulat hanya memperhitungkan volume kayu potensial yang dikeluarkan dari hutan tanpa mempertimbangkan limbah penebangan yang ditinggalkan. Volume kayu bulat dapat diduga berdasarkan dimensi pohon melalui model matematis yang menyatakan hubungan antara dimensi pohon (diameter setinggi dada) atau diameter 20 cm di atas banir dengan volume kayu bulat yang dimanfaatkan. Hasil model yang didapatkan nanti diharapkan dapat menggambarkan dugaan volume kayu bulat secara cepat dan akurat dengan peubah penduga diameter setinggi dada atau 20 cm di atas banir.
Penelitian dilaksanakan di PT Wijaya Sentosa Papua Barat dan difokuskan pada jenis merbau. Tabel volume kayu bulat ini nantinya akan menentukan targetan produksi yang diperoleh. Pembuatan tabel volume kayu bulat merupakan satu diantara bentuk usaha penyederhanaan dari pekerjaan dalam kegiatan pengelolaan hutan, namun tetap mempertahankan ketelitian yang dapat dipertanggungjawabkan.
Tujuan Penelitian
Penelitian ini bertujuan menyusun model persamaan penduga volume kayu bulat terbaik jenis merbau(Intsia spp.) di PT. Wijaya Sentosa, Papua Barat.
Manfaat Penelitian
2
Ruang Lingkup Penelitian
Pembuatan tabel volume lokal kayu bulat ini hanya mencakup satu kelompok jenis pohon yaitu jenis merbau (Intsia spp.) dari Famili Leguminaceae
yang merupakan satu diantara jenis kayu komersil di PT Wijaya Sentosa, Papua Barat.
METODE
Waktu dan Tempat Penelitian
Pengambilan data penelitian dimulai dari bulan April 2015 hingga bulan Mei 2015 di areal kerja IUPHHK-HA PT Wijaya Sentosa, Papua Barat.
Alat dan Bahan
Alat yang digunakan dalam penelitian ini terdiri atas: alat tulis, peta areal kerja, tally sheet, pita ukur, phi band, dan laptop yang dilengkapi program software Minitab16, dan Ms. Excel 2007 serta Ms. Word 2007. Sedangkan bahan yang digunakan adalah diameter setinggi dada atau 20 cm di atas banir, diameter per seksi dengan panjang seksi 2 m pada 110 sampel pohon jenis merbau (Intsia
spp.) yang telah rebah.
Jenis dan Sumber Data
Data dalam penelitian ini meliputi data primer dan data sekunder. Data primer merupakan data yang diperoleh langsung dari hasil pengukuran di lapangan yaitu pohon yang telah ditebang meliputi diameter pohon setinggi dada atau 20 cm di atas banir dan diameter per seksi dengan panjang seksi 2 m dimulai dari pangkal yang telah rebah hingga ujung bebas cabang. Data sekunder yang diambil adalah data kondisi umum areal PT. Wijaya Sentosa, Papua Barat.
Metode Penelitian
Pengumpulan dan Pemilihan Data
Jumlah pohon contoh yang digunakan dalam penyusunan tabel volume ini sebanyak 110 sampel kayu bulat merbau (pohon yang telah ditebang). Pemilihan kayu bulat contoh menggunakan metode purposive sampling dengan memperhatikan penyebaran tegakan dalam kelas diameter. Kriteria kayu bulat yang diambil sebagai contoh antara lain kayu lurus tidak menggarpu, tidak pecah ketika pohon telah rebah, kayu bulat sehat dan tidak ada cacat, dan tersebar pada seluruh kelas diameter. Data pohon contoh digunakan untuk model persamaan penduga volume dan validasi.
3 cabang, untuk panjang ujung menyesuaikan dengan sisa panjang kayu bulat. Data diameter setinggi dada atau 20 cm di atas banir digunakan untuk menduga volume melalui model pendugaan volume kayu bulat. Sedangkan data diameter per seksi (panjang seksi 2 m) digunakan untuk menghitung volume aktual dari kayu bulat dengan cara menjumlahkan volume tiap seksi. Kayu bulat dibagi menjadi 9 kelas diameter dengan interval kelas 10 cm. Kelas diameter dimulai dari kelas diameter 10-19.9 cm, 20-29.9 cm, 30-39.9 cm, 40-49.9 cm, 50-59.9 cm, 60-69.9 cm, 70-79.9 cm, 80-89.9 cm, dan >90 cm.
Pengolahan Data
Volume aktual pohon contoh sampai bebas cabang dihitung dengan menjumlahkan volume tiap seksi batang dari pohon contoh. Data yang digunakan untuk menghitungnya adalah diameter per seksi yang memiliki panjang batang per seksi sebesar 2 meter. Volume pohon per seksi dihitung menggunakan rumus Smalian, yaitu:
Selanjutnya volume tiap seksi dijumlahkan untuk menghitung volume aktual dengan menggunakan rumus :
Keterangan:
Va = volume aktual pohon (m3)
Vsi = volume seksi ke-i dari satu pohon (m3)
i = urutan seksi ke-… (1,2,3,…,n) n = jumlah seksi dalam satu pohon
Eksplorasi Data
Eksplorasi data dilakukan untuk melihat karakteristik data. Data diameter setinggi dada divisualisasikan dalam bentuk scatterplot untuk membantu memperjelas kecenderungan kurva antara peubah diameter setinggi dada (D) dengan volume kayu (V). Hasil dari gambaran kecenderungan trend tersebut dapat membantu dalam pemilihan model yang dicobakan.
Penyusunan Model Persamaan Regresi
Pendugaaan Parameter Model
Beberapa model persamaan regresi yang dicobakan dalam penyusunan Tabel volume kayu bulat ini antara lain :
a. V = a + b D + c D² (model Hohenadl-Krenn)
b. V = a + b D² (model Kopezky-Gehrhardt)
4
Keterangan :
V = volume pohon (m3)
Dbh = diameter setinggi dada (cm) a, b, c = tetapan parametrik regresi
Model persamaan regresi linier untuk persamaan . V = a + bD + cD2 adalah Y
5 Pemeriksaan Asumsi
Suatu model regresi dapat dipergunakan untuk menduga secara baik apabila salah satu asumsi dari nilai sisaan terpenuhi, maka perlu dilihat sebaran sisaan tersebut apakah menyebar normal atau tidak. Asumsi yang digunakan adalah kenormalan dan keaditifan nilai sisaan. Uji kenormalan merupakan pengujian tentang kenormalan distribusi data. Apabila data berada di sekitar garis diagonal maka model memenuhi syarat asumsi normalitas. Keaditifan dapat dilihat dengan menampilkan plot tebaran nilai sisaan dengan nilai dugaan. Keaditifan model terpenuhi apabila hasil tebaran tidak membentuk pola (Kuncahyo 1991).
Pemeriksaan Pencilan
Pencilan merupakan data observasi yang muncul dengan nilai pengamatan berbeda dari kumpulan nilai pengamatan yang lain. Data pencilan dapat ditentukan berdasarkan mutlak normal baku sisaan > 2 atau |Ze| > 2, yaitu:
Keterangan:
Ze = normal baku sisaan ei = nilai sisaan ke-i
s = simpangan baku
Pemilihan Model
Kriteria Pemilihan Model Persamaan Regresi
Koefisien determinasi (R2). Perhitungan besarnya koefisien determinasi
(R2) dimaksudkan untuk mengukur kecukupan model regresi dalam menjelaskan
besarnya variasi peubah tak bebas yang dapat dijelaskan oleh peubah bebasnya
(Sembiring 1995). Nilai R2 menunjukkan tingkat ketelitian dan keeratan hubungan
antara peubah bebas dan tidak bebasnya. Oleh karena itu semakin besar R2 maka akan semakin besar total keragaman yang dapat diterangkan oleh regresinya yang berarti bahwa regresi yang diperoleh semakin baik. Rumus untuk menghitung R2 adalah (Draper dan Smith 1992)
Keterangan : JK Regresi = b
1JHKx1y+b2JHKx2y
JK Total =
6
bebasnya. Uji F dilakukan dengan membandingkan nilai antara Fhitung dengan
FTabel pada taraf nyata tertentu. Hipotesis yang diuji sebagai berikut:
H0: β= 0
H1: β ≠ 0
Kaidah keputusannya sebagai berikut : Fhitung > FTabel maka tolak H0
Fhitung≤ FTabel maka terima H0
Jika H0 diterima (tolak H1) maka regresi tersebut tidak nyata, artinya
persamaan regresi tidak dapat digunakan untuk menduga volume pohon berdasarkan peubah bebasnya yaitu diameter pada taraf nyata tertentu.Namun jika sebaliknya yaitu H1 diterima (tolak H0) maka regresi tersebut nyata yang artinya
ada keterkaitan antara diameter sebagai peubah bebas dengan volume sebagai peubah tidak bebasnya pada taraf nyata tertentu.
Pengujian Validasi Model
Uji validasi dilakukan untuk memilih persamaan terbaik pada setiap persamaan. Validasi merupakan proses penentuan apakah model konseptual simulasi benar-benar merupakan representasi akurat dari sistem nyata yang dimodelkan. Validasi model dapat pula dikatakan sebagai langkah dalam memvalidasi atau menguji apakah model yang telah disusun dapat merepresentasikan sistem nyata dengan benar. Langkah yang diambil pada tahap uji validasi ini adalah melakukan perbandingan dari tiap model dengan kriteria-kriteria sebagai berikut:
‘
Simpangan Agregat (SA) merupakan selisih antara jumlah volume dugaan (Vti) dengan volume aktual (Vai) sebagai persentase terhadap volume dugaan (Vti).
Persamaan yang baik memiliki nilai Simpangan Agregat (SA) yang berkisar dari -1 sampai +-1 (Spurr -1952). Nilai SA dapat dihitung dengan menggunakan rumus:
Simpangan rata-rata (SR) merupakan rata-rata jumlah dari nilai mutlak selisih antara jumlah volume dugaan (Vti) dan volume aktual (Vai), proporsional
terhadap jumlah volume dugaan (Vti). Nilai simpangan rata-rata yang baik adalah
7 SR = simpangan rata-rata
Root Mean Square Error (RMSE) menggambarkan besarnya selisih suatu nilai dugaan terhadap nilai sebenarnya. Nilai RMSE yang lebih kecil menunjukkan model persamaan penduga volume yang lebih baik. RMSE dapat dihitung dengan menggunakan rumus:
Bias adalah kesalahan sistematis yang dapat terjadi karena kesalahan dalam pengukuran, kesalahan teknis pengukuran maupun kesalahan karena alat ukur yang digunakan (Sembiring 1995). Suatu model dikatakan terbaik jika nilai bias yang dihasilkan paling kecil. Nilai bias dapat dihitung dengan menggunakan rumus (Akca dalam Muhdin 1999):
(chi-square) merupakan alat untuk menguji perbedaan volume kayu bulat yang diduga (Vti) dengan volume aktualnya (Vai) (Walpole 1995). Hipotesis
8
H0 : Vt = Va
H1: Vt ≠ Va
Kriteria uji menggunakan rumus berikut:
Keterangan:
Vti = volume taksiran kayu bulat ke-i (m3)
Vai = volume aktual kayu bulat ke-i (m3)
n = jumlah kayu bulat
χ2
= uji chi-square
Kaidah keputusannya adalah sebagai berikut:
χ2
hitung > χ2Tabel (α,n-1), maka terima H1 χ2hitung ≤χ2Tabel (α,n
-1), maka terima H0
Pemilihan Model Persamaan Regresi Penduga Terbaik
Kualitas Model. Model persamaan regresi untuk menyusun tabel volume kayu bulat yang baik, adalah apabila salah satu dari semua model persamaan tersebut memiliki nilai R2 besar, nilai SA berada diantara -1 sampai +1, nilai SR <
10%, nilai RMSE dan bias relatif kecil, hasil uji χ2
(chi-square) antara nilai rata-rata yang diduga dengan tabel volume dengan nilai rata-rata-rata-rata nyata (aktual) tidak menunjukan perbedaan yang nyata (H0 diterima).
9
HASIL DAN PEMBAHASAN
Keadaan Umum dan Lokasi Penelitian
Areal IUPHHK pada hutan alam PT Wijaya Sentosa termasuk ke dalam kelompok hutan S. Kuri – S. Teluk Umar. Menurut wilayah administrasi areal PT. Wijaya Sentosa sebagian besar termasuk ke dalam wilayah Distrik Wasior Kabupaten Teluk Wondama, Provinsi Papua Barat. Sedangkan berdasarkan administrasi pemangkuan hutan termasuk dalam wilayah Dinas Kehutanan Kabupaten Teluk Wondama, Dinas Kehutanan Provinsi Papua Barat.
Areal kerja PT Wijaya Sentosa secara geografis terletak pada 3º 35’ - 3º 11’ LS dan 134º 16’ - 134º 11’ BT. Luas areal PT Wijaya Sentosa berdasarkan Keputusan Menteri Kehutanan nomor SK.33/Menhut-II/2013 tanggal 15 Januari 2013 seluas ±130.755. Berdasarkan data iklim stasiun pencatat Wasior, curah hujan rata-rata untuk wilayah PT Wijaya Sentosa sebesar 3.080 mm pertahun dengan jumlah hari hujan 181 hari. Tipe iklim di lokasi tersebut termasuk dalam golongan tipe iklim A. Distribusi hujan bulanan hampir merata sepanjang tahun dengan curah hujan tertinggi terjadi pada bulan Februari sebesar 412 mm dan terendah pada bulan Desember, rata-rata hari hujan bulanan sebesar 15.08 hari dengan rata-rata curah hujan bulanan sebesar 256.6 mm.
Sumber mata pencaharian utama bagi sebagian besar penduduk di wilayah desa sekitar hutan yaitu berladang berpindah, sebagai mata pencaharian yang paling dikuasai dan dilakukan oleh masyarakat sekitar hutan yang merupakan warisan tradisional secara turun temurun yang menjadi bagian tak terpisahkan dari adat dan tradisi bagi masyarakat yang hidup di sekitar kawasan hutan.
Pengumpulan Data
10
Tabel 1 Sebaran kayu bulat contoh di PT Wijaya Sentosa Papua Barat
Kelas Diameter (cm) Jumlah pohon contoh Persentase (%) 10-19.9
Gambar 1 Grafik penyebaran jumlah kayu bulat contoh pada masing-masing kelas diameter
Eksplorasi Data
Data contoh kayu bulat disajikan dalam bentuk scatterplot (diagram tebar) untuk memperjelas kecenderungan kurva antara peubah diameter setinggi dada (D) dan volume (V), apakah mengikuti pola linear atau non linear. Hasil scatterplot
adalah untuk mengukur karakteristik nyata antara volume kayu bulat dengan diameter yang digunakan dalam penyusunan tabel volume kayu bulat. Scatterplot antara D dan V disajikan pada Gambar 2.
11
Gambar 2 Scatterplot antara peubah diameter setinggi dada (D) dan volume (V)
Diagram scatterplot menggambarkan pola penyebaran data yang hasilnya dapat digunakan untuk membantu dalam pemilihan model. Berdasarkan Gambar 3 data D dan V yang diperoleh bahwa sebaran datanya tidak mengikuti garis lurus melainkan mengikuti pola non-linear, sehingga dapat dibuat persamaan penduga volumenya. Model yang digunakan untuk penyusunan tabel volume kayu bulat:
1. V = + + 2 (model Hohenadl – Krenn) 2. V = + 2 (model Kopezky – Gehrhardt) 3. V = (model Berkhout)
Penyusunan Persamaan Regresi Penduga Volume
Model persamaan penduga volume yang diperoleh dari perhitungan dengan menggunakan Minitab 16 disajikan pada Tabel 2
Tabel 2 Persamaan penduga volume kayu bulat jenis merbau No
Model Persamaan regresi F hitung F Tabel (α=5%) p-value R
2
(%) 1
Hohenadl-Krenn
V = -0.039 - 0.0153D + 0.00144D2 2014.95 3.92 0.000* 97.4
2 Kopezky-Gehrhardt
V = - 0.443 + 0.00132D2 4007.29 3.92 0.001* 97.4
3 Berkhout V=0.000223872D2.39 14682.17 3.92 0.000* 99.3 Keterangan *=H0ditolak pada taraf nyata α=0.05
12
Berkhout memiliki nilai paling besar dari FTabel pada taraf nyata 5% yang
menunjukkan bahwa peubah bebas berpengaruh sangat nyata dalam model. Pemeriksaan Asumsi
(a) (
b )
(a) (b)
(c)
Gambar 3 Diagram tebar antara sisaan dengan probability normal pada persamaan 1 (a), persamaan 2 (b), dan persamaan 3 (c)
Diagram di atas menyajikan plot hubungan sisaan dan peluang plot normalnya yang digunakan sebagai uji kenormalan. Apabila nilai sisaan menyebar normal maka asumsi kenormalan sisaan terpenuhi dan model dapat digunakan dengan baik. Seperti disajikan pada Gambar 3 bahwa plot dari ketiga persamaan tersebut menunjukkan titik-titik yang mengikuti arah garis diagonal, maka dapat disimpulkan bahwa plot sisaan memenuhi asumsi kenormalan.
13
(b) (c)
Gambar 4 Diagram tebar antara sisaan dengan dugaan pada persamaan 1 (a), persamaan 2 (b) dan persamaan 3 (c)
Uji keaditifan model dapat dilihat dengan menampilkan plot tebaran nilai sisaan dan nilai dugaan (Kuncahyo 1991). Sifat keaditifan sisaan dilihat dari sebaran plot sisaan dengan nilai dugaan menunjukan pola acak atau tidak membentuk pola. Hasil diagram hubungan antara nilai sisaan dan nilai dugaan menunjukan bahwa ketiga persamaan tersebut memenuhi sifat keaditifan sisaan. Namun memiliki bentuk yang cenderung berkelompok sebagian, hal ini dikarenakan ketidaksempurnaan pola penyebaran contoh kayu bulat yang diambil. Contoh kayu bulat yang diambil tidak menyebar secara merata diseluruh kelas diameter.
Pemeriksaan Pencilan
Hasil dari pengolahan data ditemukan beberapa data yang tidak wajar (unusual observations). Data tersebut termasuk pencilan karena memiliki nilai mutlak normal baku sisaan lebih dari dua. Namun koefisien determinasi (R2) yang didapatkan termasuk tinggi maka data pencilan jika ditiadakan tidak akan banyak berpengaruh untuk nilai pada ketiga persaman terhadap setiap nilai penduganya. Sehingga tidak ada data yang harus ditiadakan.
Validasi Model
14
Tabel 3 Hasil uji validasi model
No.
Ketelitian suatu persamaan regresi dapat dilihat dari besarnya simpangan rata-rata yaitu sebesar < 10% dan simpangan agregat diantara -1 sampai dengan +1 (Spurr 1952). Berdasarkan Tabel 3 dapat diketahui bahwa persamaan-persamaan penduga volume yang digunakan memiliki nilai simpangan agregat diantara -1 sampai dengan +1 yang artinya ketiga persamaan penduga volume yang digunakan telah memenuhi criteria model penduga volume kayu bulat yang baik. Nilai simpangan rata-rata < 10% menunjukkan bahwa nilai penyimpangan data indivduu dengan nilai rata-ratanya semakin baik. Hal tersebut terjadi pada persamaan 1 dan 3 yang menunjukkan persamaan penduga volume kayu bulat telah memenuhi kriteria penduga volume kayu bulat yang baik.
Kriteria lain untuk menguji tingkat ketepatan model penduga volume didapatkan dengan menghitung Root Mean Square Error (RMSE). Berdasarkan Tabel 3, nilai RMSE yang paling kecil dimiliki oleh persamaan 3 sebesar 8.81 % yang menunjukkan bahwa persamaan 3 memiliki tingkat ketepatan yang lebih baik.
Suatu model penduga volume dikatakan baik apabila nilai bias yang dihasilkan semakin kecil. Bias adalah suatu eror sistematik yang berasal dari kesalahan dalam pengukuran atau metode pengambilan contoh yang tidak benar (Simon 2007). Persamaan penduga volume yang memiliki nilai bias terkecil adalah model persamaan ketiga yaitu sebesar 0.33 %.Hal ini menunjukan bahwa model persamaan ketiga memiliki tingkat ketepatan yang lebih baik dibandingkan dengan model persamaan lainnya.
Pengujian validasi lainnya adalah pengujian validasi model persamaan penduga volume kayu bulat dengan menggunakan uji χ2 (chi-square). Uji χ2 ( chi-square) digunakan untuk menguji perbedaan volume yang diduga (Vt) dengan volume aktualnya (Va) (Lestarian 2009). Uji χ2 (chi-square) menunjukkan bahwa model-model penduga volume yang digunakan memiliki nilai χ2 (chi-square) yang lebih kecil dibandingkan dengan nilai χ2Tabel pada taraf nyata 5% sehingga
keputusan yang diambil adalah terima H0. Hal ini menenjukkan bahwa
model-model persamaan penduga volume yang digunakan menghasilkan nilai dugaan volume yang tidak berbeda nyata dengan volume aktualnya.
Pemililhan Model Persamaan Regresi Terbaik
Untuk memilih persamaan model terbaik tidak hanya dilihat dari tahap penyusunan model saja melainkan juga dari tahap validasi model yaitu dari indikator-indikator yang ada pada berbagai tahap. Pada tahap pemyusunan model ada dua indikator yang meliputi yaitu nilai Fhitung/ p-value dan koefisien
15 SA, SR, bias, RMSE dan chi-square (χ2). Sehingga dibuatlah peringkat untuk msing-masing indicator yang nantinya akan menentukan model persamaan terbaik. Adapun hasilnya seperti terlampir pada Tabel 4.
Tabel 4 Scoring model regresi penduga volume
Model R2 Fhit SA SR RMSE Bias χ2hit Jumlah Peringkat
Hohenadl-Krenn 2 2 1 2 2 2 1 12 2
Kopezky-Gehrhardt 2 3 3 3 3 3 3 20 3
Berkhout 1 1 2 1 1 1 2 9 1
16
SIMPULAN DAN SARAN
Simpulan
Model persamaan terbaik untuk menduga volume kayu bulat jenis merbau (Intsia spp.) di areal IUPHHK-HA PT Wijaya Sentosa Papua Barat adalah model Berkhout dengan persamaan V=0.000223872D2.39 . nilai R2 sebesar 99.3% dan simpangan rata-rata 0.46%. Tingkat keakuratan model ini dianggap baik dengan melihat nilai RMSE sebesar 8.81% dan nilai bias sebesar 0.33%.
Saran
17
DAFTAR PUSTAKA
Draper NR, H Smith. 1992. Analisis Regresi Terapan. Edisi 2. Sumantri H penerjemah; Jakarta (ID): Gramedia. Terjemahan dari: Applied Regression Analysis Second Edition.
Kuncahyo B. 1991. Analisis Regresi dengan MINITAB. Bogor: Laboratorium Biometrika Hutan Jurusan Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor.
Lestarian R.2009. Penyusunan Tabel Volume Pohon dalam Rangka Pelaksanaan IHMB di IUPHHL-HA PT.Ratah Timber Kalimantan Timur [skripsi]. Bogor (ID): Institut Pertanian Bogor
Mahfudz, Pudjiono S, Pudja TP, Batseba AS. 2006. Merbau (Instia spp) dan Upaya Konservasinya. Yogyakarta: Departemen Kehutanan Badan Penelitian dan Pengembangan Kehutanan.
Muhdin. 1999. Analisis Beberapa Rumus Penduga Volume Log: Studi Kasus pada Jenis Meranti (Shore spp.) di areal HPH PT Siak Raya Timber, Propinsi Riau. 5(2):33-34.
Sembiring. 1995. Analisis Regresi. Bandung (ID): Penerbit ITB.
Simon H. 2007. Metode Inventore Hutan.Yogyakarta (ID): Pustaka Pelajar.
Spurr SH. 1952. Forest Inventory. New York (US): The Ronald Press Company, Inc.
Sugiyono. 2011. Statistika untuk Penelitian. Bandung (ID): Alfabeta.
Suharlan S, Boestami AS, dan Sumarna K. 1976. Tabel Volume Lokal Pinus merkusii Jungh et de Vriese. Bogor (ID): Lembaga Penelitian Hutan.
18
Lampiran 1
Model Persamaan Hohenadl-Krenn
Regression Analysis: V versus D, D^2
The regression equation is
R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.
Model Persamaan Kopezky – Gehrhardt
Regression Analysis: V versus D^2
19
R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.
Model Persamaan Berkhout
Regression Analysis: LOG V versus LOG D
20
R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.
Tabel 5 Diameter dan tinggi pohon contoh
2
2
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 12 Agustus 1993. Penulis merupakan anak kedua dari dua bersaudara pasang Bapak H Ningrat Sudrajat dan Ibu Hj Aas Hasanah. Penulis menyelesaikan pendidikan di Sekolah Menengah Pertama Negeri 1 Leuwiliang Kabupaten Bogor dan lulus pada tahun 2008. Selanjutnya penulis lulus dari Sekolah Menengah Atas Negeri 1 Leuwiliang Kabupaten Bogor pada tahun 2011, dan pada tahun yang sama penulis diterima di Departemen Manajemen Hutan, Fakultas Kehutanan Institut Pertanian Bogor melalui jalur SNMPTN Tulis.
Selama masa perkuliahan, penulis pernah menjadi Asisten Praktikum Mata Kuliah Analisis Biaya. Selain itu penulis juga aktif dan ikut berpartisipasi dalam Himpunan Profesi Departemen Manajemen Hutan yaitu Forest Management
Students’ Club sebagai Anggota Divisi Pengembangan Sumber Daya Mahasiswa (PSDM) pada periode kepengurusan 2013-2014, serta sebagai Anggota Kelompok Studi Perencanaan. Penulis juga pernah menjadi anggota Pengurus Cabang Sylva Indonesia IPB di bagian Pengembangan Sumber Daya Mahasiswa (PSDM), selain itu penulis juga aktif di kepanitian Bina Corps Rimbawan, Rakernas Pengurus Pusat Sylva Indonesia. Penulis pernah menjabat sebagai Ketua Pelaksana kegiatan
Ecological Social Mapping pada tahun 2014.
