ANGKA BENTUK DAN MODEL VOLUME
PUSPA (Schima wallichii (DC.) KORTH)
DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI,
JAWA BARAT
FIRDHA JULIANTARI
MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR
BOGOR 2013
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Angka Bentuk dan Model Volume Puspa (Schima wallichii (Dc.) Korth) Di Hutan Pendidikan Gunung Walat Sukabumi, Jawa Barat adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Desember 2013
Firdha Juliantari
ABSTRAK
FIRDHA JULIANTARI. Angka Bentuk dan Model Volume Puspa (Schima
wallichii (Dc.)) Korth di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat.
Dibimbing oleh TATANG TIRYANA.
Volume pohon merupakan salah satu data penting untuk mengetahui manfaat kayu hutan, seperti di Hutan Pendidikan Gunung Walat (HPGW). Model volume Schima wallichii yang dikembangkan pada tahun 1985, perlu diperbaiki karena kondisi tegakan telah berubah dari waktu ke waktu. Oleh karena itu, penelitian ini bertujuan untuk mengetahui angka bentuk yang tepat dan mengembangkan model untuk memperkirakan volume S. wallichii di HPGW. Penelitian ini menggunakan 94 sampel pohon untuk menyusun model volume dan 39 pohon sampel untuk validasi model, yang dipilih secara purpossive mewakili kisaran diameter 10,5-71,8 cm terhadap tegakan S. wallichii. Diameter dari pohon sampel diukur dengan menggunakan Laser Dendrometer, sedangkan tinggi pohon sampel diukur dengan menggunakan Laser Rangefinder. Hasil penelitian ini menegaskan bahwa S. wallichii memiliki angka bentuk buatan 0,71 dan angka bentuk mutlak 0,52, sedangkan model volume yang terbaik bagi spesies ini adalah V=0,000237 D2.32 (R2adj=94,8%). Model volume tersebut dapat digunakan karena menghasilkan nilai dugaan volume pohon S. wallichii yang lebih akurat daripada model volume yang sudah ada.
Kata kunci : angka bentuk, model volume, Schima wallichii
ABSTRACT
FIRDHA JULIANTARI. Form Factor and Volume Model for Schima wallichii (Dc.) Korth in Gunung Walat Educational Forest, Sukabumi, Jawa Barat. Supervised by TATANG TIRYANA.
Tree volume is one of the essential data for quantifying timber benefit of a forest, such as in Gunung Walat Educational Forest (GWEF). Volume model of
Schima wallichii, which was developed in 1985, needs to be improved because the
stand condition has changed over time. Therefore, this study was aimed to determine appropriate form factors and to develop models for estimating volume of S. wallichii in GWEF. This study used 94 sample tress for developing volume models and 39 sample trees for validating the models, which were purpossively selected from the S. wallichii stands to represent the diameter range of 10.5 to 71.8 cm. The diameter of sample trees was measured using Laser Dendrometer, while the height of sample trees was measured using Laser Rangefinder. The results of this study confirmed that S. wallichii had an artifical form factor of 0.71 and an absolute form factor of 0.52, while the best volume model for this species was V= 0.000237 D2.32 (R2adj = 94.8%). This volume model produced more
accurate estimates of S. wallichii than the existing volume model. Keywords : form factor, volume model, Schima wallichii
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan
pada
Departemen Manajemen Hutan
ANGKA BENTUK DAN MODEL VOLUME
PUSPA (Schima wallichii (DC.) KORTH)
DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI,
JAWA BARAT
FIRDHA JULIANTARI
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR BOGOR
Judul Skripsi : Angka Bentuk dan Model Volume Puspa (Schima wallichii (Dc.) Korth) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat Nama : Firdha Juliantari
NIM : E14090010
Disetujui oleh
Dr. Tatang Tiryana, S. Hut, M.Sc Pembimbing
Diketahui oleh
Dr. Ir. Ahmad Budiaman, M.Sc, F.Trop Ketua Departemen
PRAKATA
Alhamdulillahirabil’alamin. Puji syukur penulis panjatkan kehadirat Allah SWT atas rahmat, hidayah, dan karunia-Nya sehingga penelitian ini dapat diselesaikan. Judul yang dipilih dalam penelitian penulis adalah Angka Bentuk dan Model Volume Jenis Puspa (Schima wallichii (Dc.) Korth) di Hutan Pendidikan Gunung Walat Sukabumi, Jawa Barat.
Dalam penyusunan penelitian ini tentunya tak terlepas dari dorongan dan dukungan dari berbagai pihak. Oleh karena itu penulis mengungkapkan rasa terima kasih dan penghargaan kepada:
1. Dr. Tatang Tiryana, S.Hut, MSc. selaku dosen pembimbing yang dengan sabar memberikan pengarahan dan bimbingan,
2. Orang tua, kakak, Rajib Ghaniy, S.Kom serta seluruh keluarga atas kasih sayang dan senandung doa yang selalu dipanjatkan kepada penulis,
3. Seluruh karyawan Hutan Pendidikan Gunung Walat yang telah membantu baik secara tidak langsung maupun secara langsung,
4. Berbagai pihak yang telah banyak membantu saya yang tidak saya sebutkan.
Semoga karya penelitian ini dapat memberikan manfaat dan kebaikan bagi banyak pihak.
Bogor, Desember 2013
DAFTAR ISI
DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vi PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 1 Hipotesis 2 Manfaat Penelitian 2 METODE 2Lokasi dan Waktu Penelitian 2
Alat dan Bahan 2
Pengumpulan Data 3
Analisis Data 3
HASIL DAN PEMBAHASAN 6
Puspa (Schima wallichii Korth) 6
Angka Bentuk Volume Pertukangan Puspa 7
Penyusunan Model dan Pemilihan Model Terbaik 7
Perbandingan Model Terbaik dengan Penelitian Terdahulu 10
SIMPULAN DAN SARAN 11
Simpulan 11
Saran 11
DAFTAR PUSTAKA 12
DAFTAR TABEL
1. Jumlah pohon contoh untuk penyusunan dan validasi model 3 2. Deskripsi statistik dimensi pohon contoh dalam penyusunan dan
validasi model 4
3. Koefisien korelasi antara satu peubah dengan peubah yang lain 4 4. Deskriptif statistik angka bentuk absolut dan angka bentuk buatan 7 5. Hasil perhitungan nilai Standar eror (SE), P-value, R2, dan s pada
masing-masing persamaan regresi penduga volume yang di uji 8
6. Nilai bias (e), RMSE, SA, dan SR 9
DAFTAR GAMBAR
1. Grafik analisis sisaan model VD1. 10
2. Perbandingan nilai-nilai volume dari model VD1, Volume
sebenarnya, Vp (LP IPB 1985) 11
DAFTAR LAMPIRAN
1. Hasil pengolahan data dengan menggunakan minitab 1.6 14 2. Dokumetasi pengukuran pada tegakan puspa di HPGW 23
PENDAHULUAN
Latar Belakang
Kelestarian hutan dipandang sebagai wujud dari kegiatan pengelolaan hutan yang baik, mulai dari kegiatan perencanaan hingga pemanfaatan hasil hutan. Dalam rangka mencapai pengelolaan hutan yang lestari dibutuhkan data dan informasi mengenai hutan yang dikelola. Salah satu informasi yang dijadikan dasar perencanaan adalah informasi mengenai potensi volume pohon dan tegakan. Hutan Pendidikan Gunung Walat (HPGW) memiliki tiga tegakan dominan, yaitu Pinus, Agathis, dan Puspa. Model penduga volume untuk ketiga jenis tegakan tersebut telah tersedia, dimana model volume Agathis loranthifolia disusun oleh Siagian (2011), model volume Pinus merkusii disusun oleh Wardasanti (2011), dan model volume pertukangan jenis puspa telah disusun oleh LP IPB (1985).
Struktur tegakan hutan berubah seiring dengan waktu, baik perubahan jumlah pohon maupun pertumbuhan dimensi (diameter dan tinggi) pohon. Oleh karena itu, model-model volume yang telah disusun di HPGW perlu diperbaiki seiring dengan adanya dinamika struktur tegakan. Salah satu model volume di HPGW yang perlu diperbaiki adalah model volume puspa, karena model volume puspa yang disusun oleh LP IPB (1985) tidak dapat digunakan untuk menduga pohon puspa berdiameter lebih dari 30 cm. Selain itu, keakuratan model volume tersebut diragukan karena disusun dengan menggunakan alat-alat ukur sederhana (yakni Spiegel Relaskop Bitterlich) yang cenderung kurang praktis pada pengukuran dilapangan. Padahal saat ini, telah tersedia alat-alat ukur dimensi pohon yang dapat memberikan hasil pengukuran yang lebih teliti, misalnya laser dendrometer, untuk penyusunan model volume pohon. Hal ini dipertegas oleh Simon (1996) bahwa alat laser dendrometer yang biasa disebut juga teledendrometer dapat menghasilkan kecermatan yang tinggi dan penggunaannya sangat nyaman dilapangan karena dilengkapi dengan tripod.
Selain menggunakan model volume, pendugaan volume pohon dapat dilakukan dengan menggunakan angka bentuk pohon. Untuk pohon-pohon di wilayah tropis basah, angka bentuk pohon yang umum digunakan adalah 0.7 (Banyard 1973 dalam Simon 1996). Namun, mengingat setiap jenis pohon memiliki karakteristik bentuk pohon yang berbeda, bahkan dalam satu jenis pohon pun bentuk batangnya cenderung berbeda pula, maka penggunaan angka bentuk 0.7 perlu diteliti lebih lanjut. Oleh karena itu, penelitian mengenai angka bentuk dan model volume pohon puspa di HPGW diperlukan untuk memperoleh alat penduga volume pohon puspa yang lebih akurat.
Tujuan Penelitian
Tujuan penelitian ini adalah untuk menentukan angka bentuk dan menyusun model volume pertukangan pohon puspa (Schima wallichii (DC.) Korth) di HPGW.
2
Hipotesis
Hipotesis yang diuji dalam penelitian ini yaitu adanya hubungan yang erat antara diameter pohon dengan tinggi pohon. Selain itu, terdapat hubungan yang erat antara volume pertukangan dengan diameter pohon dan atau tinggi pohon.
Manfaat Penelitian
Angka bentuk dan model volume pertukangan pohon puspa dari hasil penelitian ini dapat digunakan untuk menduga potensi kayu dalam kegiatan inventarisasi hutan di HPGW, khususnya untuk tegakan puspa.
METODE
Lokasi dan Waktu Penelitian
Penelitian dilaksanakan di Hutan Pendidikan Gunung Walat (HPGW) pada bulan Juli 2013. Secara geografis HPGW berada pada 106°48'27''BT sampai 106°50'29''BT dan -6°54'23''LS sampai -6°55'35''LS. Berdasarkan administrasi pemerintahan, HPGW yang luasnya 359 Ha terletak di wilayah Kecamatan Cibadak dan Cicantayan, Kabupaten Sukabumi, sedangkan secara administrasi kehutanan termasuk dalam wilayah Dinas Kehutanan Kabupaten Sukabumi.
Topografi di bagian selatan kawasan HPGW bervariasi dari landai hingga bergelombang, sedangkan topografi di bagian utara bervariasi dari curam hingga sangat curam, dengan ketinggian berkisar antara 460 hingga 715 m dpl. Jenis tanah di HPGW adalah podsolik, litosol, dan latosol. Menurut klasifikasi iklim Koeppen, iklim HPGW termasuk tropis basah dengan curah hujan mencapai 2400 mm/tahun. Tegakan di HPGW didominasi tanaman damar (Agathis lorantifolia), pinus (Pinus merkusii), puspa (Schima wallichii), sengon (Paraserianthes
falcataria), mahoni (Swietenia macrophylla) dan jenis lainnya seperti kayu afrika
(maesopsis eminii), rasamala (Altingia excelsa), Dalbergia latifolia, Gliricidae sp,
Shorea sp, dan akasia (Acacia mangium) (Georg-August-Universität Goettingen
dan Fahutan IPB 2011).
Alat dan Bahan
Alat yang digunakan dalam penelitian ini adalah: Laser Rangefinder (untuk mengukur jarak datar dan tinggi pohon), Laser Dendrometer (untuk mengukur diameter pohon per seksi), pita ukur (untuk mengukur diameter pohon sampai ketinggian 1,3 m), GPS (Global Positioning System, untuk menentukan koordinat pohon), tally sheet (untuk mencatat hasil pengukuran) dan kamera (untuk dokumentasi). Dalam analisis data digunakan komputer yang dilengkapi dengan piranti lunak Minitab versi 16 dan Microsoft Excel 2010. Adapun bahan yang digunakan dalam penelitian ini adalah tegakan puspa di HPGW.
3
Pengumpulan Data
Data utama yang digunakan dalam penelitian ini adalah hasil pengukuran pohon puspa berdiameter ≥10 cm di HPGW. Data penunjang yang digunakan adalah dokumen-dokumen yang memaparkan kondisi umum HPGW.
Pengukuran dilakukan pada pohon-pohon contoh yang dipilih secara
purpossive dengan mempertimbangkan keterwakilan diameter dan kenormalan
bentuk batang pohon. Jumlah pohon contoh yang diukur adalah 133 pohon yang dibagi menjadi dua kelompok data, yaitu 94 pohon contoh untuk penyusunan model dan 39 pohon contoh untuk validasi model (Tabel 1). Pada tiap pohon contoh dilakukan pengukuran diameter setinggi dada (D, pada ketinggian 1,30 m di atas permukaan tanah), diameter pangkal dan ujung batang perseksi (dengan panjang seksi 1 meter) hingga tinggi bebas cabang pohon (Hbc), dan tinggi total pohon (H).
Tabel 1 Jumlah pohon contoh untuk penyusunan dan validasi model Kelas Diameter
(cm)
Jumlah Pohon Contoh
Penyusunan Model Validasi Model Total
10-19 15 6 21 20-29 17 7 24 30-39 15 6 21 40-49 17 7 24 50-59 16 7 23 >= 60 14 6 20 Jumlah 94 39 133 Analisis Data Perhitungan dimensi pohon contoh
Untuk setiap pohon contoh, volume aktual (Va) pohon dihitung melalui penjumlahan volume setiap seksi batang (persamaan 1). Adapun volume seksi batang dihitung dengan menggunakan rumus Smalian (persamaan 2, Spurr 1952): 𝑉𝑎 = ∑ (V𝑛𝑖=1 si)... (1)
Vsi =
�𝑎′+𝑎′′′�
2 𝑥 𝑙 ... (2)
Keterangan : Va = Volume aktual (m3); Vsi = Volume sortimen ke-i (m3); n =
Jumlah sortimen; a’ = Luas bidang dasar pangkal seksi batang (m2);
l = Panjang seksi batang (m); a’’’ = Luas bidang dasar ujung seksi
batang (m2).
Adapun rekapitulasi hasil analisis data pohon contoh untuk penyusunan dan validasi model disajikan pada Tabel 2.
4
Tabel 2 Deskripsi statistik dimensi pohon contoh dalam penyusunan dan validasi model
Peubah Data penyusunan model (n=94) Data validasi (n=39)
Mean Min Max SD Mean Min Max SD
D (cm) 39.7 10.5 71.8 17.03 40.2 11.7 71.3 17.4 Hbc (m) 15.0 4.1 28 5.4 14.3 4.0 22.6 5.3 H (m) 32.1 6.2 56.6 11.5 29.9 15.3 55.1 10.7 Va (m3) 1.6 0.03 5.1 1.2 1.6 0.05 4.0 1.2 Keterangan : Mean, rata-rata; Min, minimal; Max, maksimal; SD, standar deviasi. Keeratan hubungan antara dua peubah diukur melalui koefisien korelasi Pearson (r, Walpole 1995) seperti tercantum pada Tabel 3.
r = ∑𝑛𝑖=1𝑥1𝑦1− �∑𝑖=1𝑛 𝑥𝑖��∑𝑛𝑖=1𝑦1�/𝑛
��∑𝑛𝑖=1𝑥12−(∑𝑛𝑖=1𝑥𝑖)2/𝑛� �∑𝑛𝑖=1𝑦𝑖2−(∑𝑛𝑖=1𝑦𝑖)2/𝑛�
... (3)
Tabel 3 Koefisien korelasi antara satu peubah dengan peubah yang lain
Peubah Va Dbh H
D 0.914**
H 0.747** 0.807**
Hbc 0.513** 0.347** 0.377**
Keterangan : ** Signifikan pada P < 0.01
Berdasarkan Tabel 3, diameter (D) dan tinggi pohon (H, Hbc) memiliki korelasi yang signifikan dengan volume pohon sehingga dapat dikembangkan model volume dengan satu peubah (diameter) dan dua peubah (diameter dan tinggi pohon). Tinggi pohon yang dimasukan ke dalam model adalah tinggi total pohon, karena lebih mudah diukur di lapangan dan memiliki korelasi yang lebih erat (r = 0.747) dengan volume pertukangan pohon puspa daripada tinggi bebas cabang (r = 0.513).
Penentuan angka bentuk
Perhitungan nilai angka bentuk yang biasa disebut juga dengan faktor bentuk dapat berbeda-beda bergantung pada diameter mana yang dipakai sebagai dasar dalam menentukan diameter silindernya. Menurut Simon (1996) faktor bentuk absolut merupakan faktor bentuk yang didasarkan pada diameter pangkal pohon dan faktor bentuk buatan didasarkan pada diameter setinggi dada yang volume kayunya dihitung mulai dari pangkal pohon. Untuk itu faktor bentuk absolut dan faktor bentuk buatan dapat dihitung dengan rumus sebagai berikut: f = 𝑉𝑎
𝑉𝑑𝑝 ... (4) f = 𝑉𝑎
𝑉𝐷 ... (5) Keterangan : 𝑉𝑑𝑝, volume silinder dari diameter pangkal; 𝑉𝐷, volume silinder dari
5
Penyusunan model volume
Model volume pohon puspa disusun dengan menggunakan analisis regresi dengan satu peubah bebas (yaitu diameter) dan dua peubah bebas (diameter dan tinggi total). Model-model regresi dengan satu peubah bebas yang digunakan adalah sebagai berikut (Simon 1996):
VD1: Vm = b0 Db1 (Berkhout) ... (1a)
VD2: Vm = b0 + b1D2 (Kopksky-Gehrhardt) ... (1b)
VD3: Vm = b0 + b1D + b2D2 (Hohenadl-Krenn) ... ...
(1c)
VD4: Vm = b1D + b2D2 (Dissescu-Meyer) ... (1d)
Adapun model-model regresi dengan dua peubah bebas yang digunakan adalah (Simon 1996):
VDH1: Vm = b0 Db1 Hb2 (Schumacher-Hall) ... (2a)
VDH2: Vm = b0 + b1D2 H (Spurr) ... (2b)
VDH3: Vm = b0 + b1D2 +b2D2H + b3H (Stoate) ... (2c)
VDH4: Vm = b0 + b1D+b2D2H + b3DH3 (Meyer) ... (2d)
Model VD1 dan VDH1 merupakan model pangkat (power) yang penentuan parameter-parameter modelnya dilakukan melalui transformasi logaritma menjadi model linier. Menurut Sprugel (1983) dalam Tiryana & Muhdin (2012) persamaan yang ditansformasi balik ke model pangkat perlu dikoreksi karena transformasi balik nilai-nilai logaritma menyebabkan terjadinya bias/kesalahan sistematis. Untuk itu faktor koreksi dihitung dengan rumus correction faktor: CF = exp(SEE2/2) ... (6) Keterangan : SEE = kuadrat tengah sisaan. Hasil CF dikalikan dengan b0 (hasil
antiln b0) untuk memperoleh nilai dugaan model terkoreksi. Pemilihan model terbaik
Uji parameter dimaksudkan untuk mengetahui apakah parameter regresi bersifat signifikan atau tidak terhadap peubah tak bebas dengan rumusan hipotesis dan kaidah keputusan sebagai berikut (Nawari 2010):
Hipotesis : Ho : 𝛽𝑖 = 0 H1 : 𝛽𝑖 ≠ 0
Kaidah keputusan : Jika p-value < taraf nyata (α = 0.05) maka tolak Ho (𝛽𝑖 ≠ 0) yang artinya minimal ada satu 𝛽𝑖 bernilai tidak sama dengan nol, sehingga peubah bebas pengaruh nyata terhadap peubah tak bebas.
Selain signifikansi parameter model, pemilihan model terbaik juga didasarkan atas simpangan baku (s) terkecil dan koefisien determinasi terkoreksi (R2 adjusted) terbesar. Nilai-nilai tersebut diperoleh dengan rumus (Draper &
Smith 1992):
𝑠 = �𝐽𝐾𝑆 𝑛−𝑝 ... (7) 𝑅𝑎2 = 1 −𝐽𝐾𝑆(𝑛−𝑝)
𝐽𝐾𝑇(𝑛−1) ... (8) Keterangan : (n-p) = Derajat bebas sisa, (n-1) = Derajat bebas total, JKS = Jumlah
kuadrat sisa, JKT = Jumlah kuadrat total terkoreksi, Ra2 = R2 adjusted, s = simpangan baku.
6
Pemeriksaan keterpenuhan asumsi model regresi juga dilakukan untuk memastikan bahwa sisaan model menyebar normal dan memiliki ragam sisaan yang relatif homogen/konstan (Draper & Smith 1992).
Validasi model
Validasi model dilakukan dengan menggunakan uji 𝑥2P (Khi-kuadrat) pada
taraf nyata α (α = 0.05 atau α = 0.01) sebagai berikut (Walpole 1995): Hipotesis : H0 : V model = V aktual
HI : V model ≠ V aktual
Kriterium Uji: 𝑥ℎ𝑖𝑡2 = ∑( 𝑉𝑚−𝑉𝑎)2
𝑉𝑎 ... (9) Kaidah keputusan: Apabila 𝑥ℎ𝑖𝑡2 ≤ 𝑥2Rα (n-1) maka hipotesis H0 diterima pada α =
0,05 artinya volume dugaan tidak jauh berbeda dengan volume aktual.
Selain uji Khi-kuadrat, validasi model juga dilakukan dengan menggunakan kriteria Simpangan Agregat (SA), Simpangan Rata-Rata Relatif (SR), Bias (e), dan Root Mean Square Error (RMSE), yang dihitung dengan rumus-rumus sebagai berikut:
SA = {( ∑Vt - ∑Va ) / ∑Vt} x 100% (Husch 1963) ... (10)
SR =∑ [{│Va – Vt│ x 100% / Vt}] / n (Husch 1963) ... (11)
RMSE = �∑ (𝑌𝑖− ŷ𝑖) 2
𝑛− 𝑝 (Huang et al. 2003 dalam Sumadi & Siahaan 2010) (12)
e = ∑(𝑉𝑖𝑗 − 𝑉𝑖) /nj (Akca 1995 dalam Muhdin 1999) ... (13)
Keterangan : Yi, Vi, volume aktual; ŷ𝑖, Vij, Vt, volume dugaan; nj jumlah pohon
dalam model j.
Model yang baik memiliki simpangan agregat (SA) tidak melebihi 1% (Husch 1920 dalam Husch 1963), nilai simpangan rata-rata (SR) tidak lebih dari 10% (Spurr 1952), nilai RMSE dan bias yang kecil, serta uji 𝑥2 (Khi-kuadrat) yang tidak menunjukkan adanya perbedaan yang nyata antara nilai dugaan dengan nilai aktualnya.
Perbandingan hasil penelitian
Untuk memastikan keterandalan model volume yang dihasilkan dari penelitian ini, dilakukan pembandingan terhadap nilai dugaan dari model volume yang disusun oleh LP IPB (1985):
𝑉𝑝 = -0.9501 + 0.0255 t + 4.5359 d ... (14)
Keterangan : 𝑉𝑝 adalah volume kayu pertukangan, t adalah tinggi total pohon, d adalah diameter pohon. Pembandingan dilakukan pada kisaran diameter 11 cm sampai dengan 30 cm.
HASIL DAN PEMBAHASAN
Puspa (Schima wallichii Korth)
Nama latin dari tumbuhan Puspa adalah Schima wallichii (DC.) Korth. Tumbuhan ini termasuk dalam famili (suku) Theaceae. Penyebaran Puspa secara
7 alami meliputi Aceh, Sumatera Utara, Sumatera Barat, Sumatera Selatan, Bengkulu, Lampung, seluruh Jawa, Kalimantan Tengah, Kalimantan Selatan dan Kalimantan Timur (Martawijaya et al 2005). Ciri-ciri dan kegunaan dari jenis puspa Menurut Martawijaya et al (2005), sebagai berikut:
“Tinggi pohon dapat mencapai 40 m dengan panjang batang bebas cabang sampai 25 m, diameter batangnya dapat mencapai 250 cm, tidak berbanir, kulit luar berwarna merah muda, merah tua, sampai hitam, beralur dangkal dan mengelupas, sedangkan kulit hidup tebalnya sampai 15 mm, berwarna merah dan di dalamnya terdapat miang yang gatal. Kegunaan pohon jenis Puspa cocok untuk tiang dan balok bangunan perumahan, dan jembatan. Tetapi kurang baik untuk dibuat papan karena mudah berubah bentuk. Jenis kayu ini dapat dipakai untuk lantai, mebel murah, perkapalan (gading-gading, dek)”
Angka Bentuk Volume Pertukangan Puspa
Pohon memiliki bentuk batang yang berbeda, pada umumnya menyerupai bentuk silinder yang panjang yang memiliki luas bidang dasar pangkal batang yang lebih besar dibandingkan dengan luas bidang dasar ujung/ pucuk pohon. Seperti yang dinyatakan oleh Wahjono (1989) bahwa bentuk batang yang menyerupai silinder sebenarnya tersusun oleh beberapa potong benda putar (frustrum), sehingga batang yang tersusun dari deretan frustum yang berbeda akan mempengaruhi besar volume sebenarnya. Angka bentuk batang pohon membantu memperkecil kesalahan dalam menduga volume aktual.
Tabel 4 Deskriptif statistik angka bentuk absolut dan angka bentuk buatan Angka bentuk Minimal Maksimal Rata-rata Standar deviasi
Absolut 0.34 0.77 0.52 0.10
Buatan 0.44 1.00 0.71 0.12
Herdiawan (2003) memperoleh angka bentuk buatan kayu pertukangan jenis puspa di HPGW rata-rata sebesar 0.798 (0.523–0.998) . Hasil tersebut tidak jauh berbeda dengan hasil penelitian ini sebesar 0.71 (Tabel 4). Hasil penelitian ini dapat dikatakan lebih baik dibandingkan dengan penelitian sebelumnya. Karena penelitian sebelumnya menggunakan alat ukur yang memiliki ketelitian lebih rendah (Spiegel Relaskop Bitterlich), pengukuran diameter perseksi sepanjang 2 m membuat angka bentuk batang tidak lebih baik, dan rentang diameter yang diukur lebih kecil berkisar 20 cm sampai dengan 50 cm.
Penyusunan Model dan Pemilihan Model Terbaik
Peubah diameter pada model Vd1 mampu menjelaskan perubahan tingkat volume secara signifikan (α = 0.000) sebesar 94.8% dan garis regresi tanpa melewati titik nol. Sedangkan pada konstanta VD2 tidak menunjukan hasil yang signifikan (p-value = 0.511) artinya garis regresi dipastikan melalui titik awal dan D2 berpengaruh nyata terhadap volume tetapi variasi diameter yang dikuadratkan lebih rendah menjelaskan variasi volume (82.7%). Pengurangan konstanta pada
8
VD3 menjadi VD4 meningkatkan koefisien determinasi sebesar 9.9% tetapi peningkatan keragaman tidak cukup berarti karena p-value pada salah satu parameter dari kedua model menunjukan lebih dari 0.05. Oleh karena itu, dapat dikatakan bahwa VD1 merupakan model terbaik dalam analisis regresi satu peubah.
Penambahan peubah tinggi dari VD1 menjadi VDH1 hanya meningkatkan koefisien determinasi sebesar 0.3% dan pada taraf nyata 1% penambahan H tidak signifikan (p-value = 0.02) dalam menjelaskan perubahan volume, sehingga peranan peubah tinggi tersebut dapat dikatakan tidak cukup berarti. Pada VDH2, peubah D2H sangat signifikan dan garis regresi tidak melalui titik nol, tetapi keragaman yang dapat dijelaskan oleh peubah tersebut rendah (75%). Sementara itu, hasil uji model VDH3 menunjukkan peubah D2, D2H, dan H hanya mampu menjelaskan keragaman volume pohon sebesar 84.1% dan model VDH4 hanya sebesar 83.2% karena dua peubah (yaitu D2H dan DH3) tidak berpengaruh nyata.
Tabel 5 Hasil perhitungan nilai Standar eror (SE), P-value, R2, dan s pada masing-masing persamaan regresi penduga volume yang di uji Model
regresi Parameter Coefficients SE P-value Ra
2
s A. Model volume lokal
VD1 b0 0.000237 0.2034 <0.0001 94.8 0.118 b1 2.32 0.05641 <0.0001 VD2 b0 0.05855 0.0887 0.511 82.7 0.512 b1 0.000807 0.00003 <0.0001 VD3 b0 -6.41 0.289 0.029 83.7 0.497 b1 0.0405 0.016 0.013 b2 0.000320 0.0002 0.105 VD4 b1 0.00668 0.0048 0.173 92.5 0.508 b2 0.000707 0.00009 <0.0001
B. Model volume standar
VDH1 b0 0.000183 0.227 <0.0001 95.1 0.265 b1 2.11 0.104 <0.0001 b2 0.298 0.126 0.02 VDH2 b0 0.413 0.094 <0.0001 75.0 0.617 b1 0.000016 0.00000096 <0.0001 VDH3 b0 -0.588 0.2236 0.01 84.1 0.491 b1 0.00109 0.000148 <0.0001 b2 0.00001 0.000003 0.009 b3 0.0250 0.0085 0.004 VDH4 b0 0.905 0.2409 <0.0001 83.2 0.505 b1 0.0605 0.011 <0.0001 b2 0.000001 0.000004 0.866 b3 2.10-8 0.00000007 0.715
Hasil uji validasi (Tabel 6) menunjukkan bahwa pada tingkat kepercayaan 99% delapan model yang diuji memiliki volume dugaan yang tidak jauh berbeda dengan volume sebenarnya 𝑥ℎ𝑖𝑡2 ≤ 𝑥0.052 . Persamaan VD1, VD2, VD3, dan VDH4
9 memiliki nilai simpangan antara volume dugaan dengan volume sebenarnya secara agregat kurang dari 1% (berturutturut 0.15%, 0.16%, 0.01%, dan -0.48%). Namun, simpangan rata-rata dari kedelapan model menunjukan angka yang lebih dari 10%, hal ini menunjukan bahwa delapan model tersebut akan menimbulkan bias pada tingkat pengamatan tertentu atau validitasnya rendah dalam menduga volume pohon sebenarnya.
Tabel 6 menunjukkan bahwa model VD3, VDH3, dan VDH4 memiliki hasil volume dugaan yang negatif pada diamater tertentu (diameter kurang dari 15 cm) sehingga model tersebut kurang baik dalam menduga peubah bebasnya. Hal ini diperkuat oleh nilai bias yang paling besar diiringi dengan simpangan rata-rata yang paling besar dan atau yang bernilai negatif.
Hasil uji validasi menunjukkan bahwa model VD1 merupakan model volume terbaik, karena nilai simpangan volume dugaan dengan volume sebenarnya secara agregat yaitu sebesar -0.15% dimana nilai terebut telah memenuhi kriteria kurang dari 1%, sedangkan nilai simpangan rata-rata relatif jauh lebih rendah dari model lainnya dengan nilai sebesar 16.95%. Nilai SR yang tidak memenuhi kriteria kurang dari 10% tersebut mengindikasikan bahwa model VD1 akan memberikan nilai dugaan yang lebih rendah sebesar 0.002 m3 dari volume sebenarnya. Nilai bias tersebut juga jauh lebih kecil dibandingkan dengan nilai bias dari model-model lainnya.
Tabel 6 Nilai bias (e), RMSE, SA, dan SR
Model 𝑥ℎ𝑖𝑡2 𝑥0.052 𝑥0.012 e RMSE SA (%) SR (%) A. Model volume lokal
VD1 2.38 53.38 61.16 -0.002 0.50 -0.15 16.95 VD2 4.88 53.38 61.16 0.003 0.44 0.16 24.50 VD3 4.07 52.19 59.89 0.0002 0.42 0.01 -27.65 VD4 5.43 52.19 59.89 0.021 0.44 1.32 26.44 B. Model volume standar
VDH1 2.39 53.38 61.16 -0.037 0.51 -2.34 18.69 VDH2 16.62 51.00 58.62 -0.076 0.60 -4.97 35.07 VDH3 3.14 51.00 58.62 -0.049 0.42 -3.18 -12.74 VDH4 6.06 53.38 61.16 -0.008 0.43 -0.48 36.81 Untuk meyakinkan bahwa model VD1 merupakan model yang terbaik dalam menduga volume bebas cabang pohon puspa, selanjutnya dilakukan analisis terhadap sisaan dengan mengamati grafik normal probability plot, histogram,
residual vs fitted values, dan residual vs order of data (Gambar 1). Berdasarkan
hasil analisis, grafik normal probability plot hampir membentuk garis lurus dan histogram relatif membentuk simetris artinya mayoritas nilai sisaan jatuh mendekati nilai tengah nol, sehingga model ini memenuhi asumsi kenormalan sisaan.
Kehomogenan ragam sisaan dan kebebasan sisaan dapat dilihat dari grafik
residual plot vs fitted value dan plot residual vs order data. Berdasarkan Gambar
1 plot sisaan terhadap data membentuk suatu pola. Menurut Sembiring (1995) bila grafik membentuk pola residual plot vs fitted value dan plot residual vs order
10
tergantung besarnya pelanggaran. Berdasarkan pengamatan, grafik tersebut masih dapat ditoleransi karena titik yang menyebar mayoritas mendekati garis tengahnya (nilai tengah nol, dan ragam σ2
), namun terdapat beberapa titik yang terletak jauh dari nilai tengah nol, yang mengindikasikan adanya pencilan diantara 94 data yang digunakan dalam penyusunan model. Sembiring (1995) mengatakan lebih lanjut bahwa setiap kasus tidak dapat diharapkan anggapan kenormalan dan kesamaan variasi akan terpenuhi dengan tepat, sehingga tidak mensyaratkan angapan tersebut dengan ketat.
Perbandingan Model Terbaik dengan Penelitian Terdahulu
Pada tingkat kepercayaan 99%, nilai dugaan volume (Vp) dari model yang ada saat ini (LP IPB 1985) tidak jauh beda dengan volume sebenarnya (𝑥ℎ𝑖𝑡2 (4.93) ≤ 𝑥0.052 (52.19)). Berdasarkan kriteria uji validasi, penelitian LP IPB (1985)
memiliki nilai simpangan dari volume aktual secara agregat 40.58% dan simpangan rata-rata relatif yang bernilai lebih dari 10% (18.22%). Nilai simpangan agregat dan simpangan relatif yang lebih dari semestinya, dapat menimbulkan bias atau kesahihannya rendah dalam menduga volume. Nilai dugaan dari model Vp rata-rata overestimate sebesar 0.198 m3 dari volume sebenarnya. Nilai RMSE yang diperoleh dari model terdahulu (LP IPB 1985), yaitu sebesar 0.16, lebih besar dibandingkan dengan nilai RMSE dari model VD1 yaitu 0.03
Gambar 2 menunjukan bahwa nilai-nilai dugaan volume dari VD1 lebih mendekati volume aktualnya karena memiliki bias yang lebih rendah (0.013 m3) dibanding nilai-nilai Vp hasil penelitian LP IPB (1985). Dengan demikian dapat dikatakan bahwa model VD1 dapat memberikan akurasi pendugaan volume pohon yang lebih baik dibanding model sebelumnya. Ketidakakuratan model volume yang disusun oleh LP IPB (1985) dapat disebabkan karena alat-alat ukur yang didugakan saat itu (yaitu Spiegel Relaskop Bitterlich untuk mengukur diameter
11 batang per seksi) memiliki ketelitian yang lebih rendah dibanding Laser
Dendrometer yang digunakan dalam penelitian ini.
SIMPULAN DAN SARAN
Simpulan
Dari hasil penelitian ini diketahui bahwa pohon puspa di HPGW memiliki angka bentuk batang buatan sebesar 0,71 dan angka bentuk absolut sebesar 0,52 dengan standar deviasi masing-masing sebesar 0,12 dan 0,10. Volume pertukangan pohon puspa dapat diduga lebih akurat dengan menggunakan model V= 0.000237 D2.32 untuk kisaran diameter 10.5 hingga 71.8 cm. Model ini mampu menjelaskan keragaman volume pohon sebesar 94.8% dengan nilai RMSE, SA, dan SR berturut-turut sebesar 0.50, -0.15%, 16.95 %. Dibanding model volume yang ada saat ini, model tersebut memberikan nilai dugaan volume yang lebih akurat, sehingga dapat digunakan untuk pendugaan volume pertukangan pohon puspa di HPGW.
Saran
Perlu dilakukan penelitian dalam menduga volume jenis pohon yang lainnya dengan menggunakan alat yang sama yaitu Laser Rangefinder dan Laser
Dendrometer, dalam rangka meningkatkan ketelitian dalam penyusunan tabel
volume pohon khususnya di Hutan Pendidikan Gunung Walat.
Gambar 2 Perbandingan nilai-nilai volume dari model VD1, Volume
12
DAFTAR PUSTAKA
Draper NR, Smith H. 1966. Applied Regression Analysis. Canada (US): Simultaneously.
Georg-August-Universität Goettingen dan Fahutan IPB. 2011. Manajement Plan Of Gunung Walat Educational Forest. Bogor (ID): Fakultas Kehutanan Institut Pertanian Bogor
Herdiawan R. 2003. Pendugaan angka bentuk kayu pertukangan jenis puspa (Schima wallichii (Dc.) Korth) Di Hutan Pendidikan Gunung Walat Kabupaten Sukabumi, Jawa Barat [Laporan Tugas Akhir]. Bogor (ID): Institut Pertanian Bogor
Husch B. 1963. Forest Mensuration and Statistics. New York (US): The Ronald Press Company.
[LP IPB] Lembaga Penelitian Institut Pertanian Bogor (ID). 1985. Studi tentang penyusunan tabel isi lokal pohon untuk jenis-jenis pinus, puspa, damar dan tegakan campuran di Hutan Pendidikan Gunung Walat [Laporan penelitian]. Bogor (ID): Fakultas Kehutanan IPB.
Martawijaya A, Kartasujana L, Mandang YI. 2005. Atlas Kayu Indonesia Jilid II. Bogor (ID): Balitbang Kehutanan
Muhdin. 1999. Analisis beberapa rumus penduga volume log: Studi kasus pada jenis meranti (Shorea spp.) di areal HPH PT Siak Raya Timber, Propinsi Riau. [Internet]. Bogor: Institut Pertanian Bogor. hlm 33-44 [diunduh 2013 Nov 28].
Tersedia pada: Http://www.journal.ipb.ac.id/index.php/jmht/article/download/2703/1684 .
Nawari. 2010. Analisis Regresi Ms. Excel 2007 dan SPSS 1.7. Jakarta (ID): Elex Media Komputindo.
Sembiring RK. 1995. Analisis Regresi. Bandung (ID): Institut Teknologi Bandung.
Siagian K. 2011. Tabel volume pohon Agathis loranthifolia di Hutan Pendidikan Gunung Walat, Kabupaten Sukabumi Provinsi Jawa Barat [skripsi]. Bogor (ID): Institut Pertanian Bogor
Simon H. 1996. Metode Inventore Hutan. Yogyakarta (ID): Aditya Media. Spurr SH. 1952. Forest Inventory. New York (US): The Ronald Press Company. Sumadi A, Siahaan H. 2010. Model penduga volume pohon kayu bawang
(Disoxylum molliscimum Burm F.) di Provinsi Bengkulu [Internet]. Palembang: Balai Penelitian Kehutanan. hlm 227-231 [diunduh 2013 Nov 28] Tersedia pada: Http://www. forda-mof.org/files/7.5.2010_model_penduga.pdf
Tiryana T, Muhdin. 2012. Modul pelatihan teknik pendugaan potensi serapan karbon dioksida (CO2) pada areal revegetasi. Bogor (ID): Fakultas Kehutanan
IPB.
Wahjono D.1989. Penyusunan persamaan taper dan pendugaan volume batang
Pinus merkusii jungh et de vriese di KPH Bandung Utara, Perum Perhutani
Unit II Jawa Barat [Tesis]. Bogor (ID): Program Pascasarjana Institut Pertanian Bogor.
13 Walpole. 1995. Pengantar Statistika Edisi Ke-3. Sumantri B, Penerjemah. Jakarta (ID): Gramedia Putaka Utama. Terjemahan dari: Introduction to statistics 3rd
edition.
Wardasanti CE. 2011. Persamaan penduga volume pohon pinus (Pinus merkusii Jungh et de Vriese) di Hutan Pendidikan Gunung Walat Kabupaten Sukabumi, Jawa Barat [skripsi]. Bogor (ID): Institut Pertanian Bogor.
14
LAMPIRAN
Lampiran 1 Hasil pengolahan data dengan menggunakan minitab 1.6
Correlations: Va, D(cm), Ht (m), Hbc (m) V a(m3) D(cm) H (m) D(cm) 0.914 0.000 H (m) 0.747 0.807 0.000 0.000 Hbc (m) 0.513 0.347 0.377 0.000 0.001 0.000
Cell Contents: Pearson correlation P-Value
Regression Analysis: Ln V (m3) versus Ln D (cm)
The regression equation is ln Va = - 8.35 + 2.32 ln D
Predictor Coef SE Coef T P VIF Constant -8.3459 0.2034 -41.03 0.000 ln D 2.32485 0.05641 41.22 0.000 1.000 S = 0.271792 R-Sq = 94.9% R-Sq(adj) = 94.8% Analysis of Variance Source DF SS MS F P Regression 1 125.49 125.49 1698.83 0.000 Residual Error 92 6.80 0.07 Total 93 132.29 Unusual Observations
Obs ln D ln Va Fit SE Fit Residual St Resid 1 2.35 -3.5311 -2.8793 0.0743 -0.6518 -2.49RX 15 2.98 -2.0366 -1.4164 0.0436 -0.6203 -2.31R 78 4.07 0.5632 1.1180 0.0397 -0.5548 -2.06R 89 4.19 0.7571 1.3839 0.0445 -0.6268 -2.34R 91 4.20 0.6235 1.4155 0.0451 -0.7920 -2.96R R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.
15
Regression Analysis: Va (m3) versus D2 (cm2)
The regression equation is Va = 0.0586 + 0.000807 D2
Predictor Coef SE Coef T P Constant 0.05855 0.08869 0.66 0.511 D2 0.00080747 0.00003820 21.14 0.000 S = 0.511992 R-Sq = 82.9% R-Sq(adj) = 82.7% Analysis of Variance Source DF SS MS F P Regression 1 117.12 117.12 446.80 0.000 Residual Error 92 24.12 0.26 Total 93 141.24 Unusual Observations
Obs D2 Va Fit SE Fit Residual St Resid
70 2894 3.5147 2.3957 0.0658 1.1190 2.20R 73 3036 4.2758 2.5100 0.0692 1.7658 3.48R 78 3434 1.7563 2.8314 0.0799 -1.0751 -2.13R 85 3982 5.1319 3.2736 0.0966 1.8583 3.70R 89 4316 2.1321 3.5440 0.1075 -1.4119 -2.82R 90 4396 4.7872 3.6079 0.1101 1.1792 2.36R 91 4436 1.8654 3.6401 0.1115 -1.7747 -3.55R 94 5155 3.4321 4.2213 0.1363 -0.7892 -1.60 X R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.
2 1 0 -1 -2 99.9 99 90 50 10 1 0.1 Residual P er ce nt 0.2 0.0 -0.2 -0.4 2 1 0 -1 -2 Fitted Value R es id ua l 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 30 20 10 0 Residual Fr eq ue nc y 90 80 70 60 50 40 30 20 10 1 2 1 0 -1 -2 Observation Order R es id ua l
Normal Probability Plot Versus Fits
Histogram Versus Order
16
Regression Analysis: Va (m3) versus D (cm), D2 (cm2)
The regression equation is
Va = - 0.641 + 0.0405 D + 0.000320 D2
Predictor Coef SE Coef T P Constant -0.6414 0.2893 -2.22 0.029 D 0.04048 0.01597 2.53 0.013 D2 0.0003205 0.0001957 1.64 0.105 S = 0.497540 R-Sq = 84.1% R-Sq(adj) = 83.7% Analysis of Variance Source DF SS MS F P Regression 2 118.713 59.357 239.78 0.000 Residual Error 91 22.527 0.248 Total 93 141.240 Source DF Seq SS D 1 118.050 D2 1 0.664 Unusual Observations
Obs D(cm) Va Fit SE Fit Residual St Resid 70 53.8 3.5147 2.4642 0.0694 1.0506 2.13R 73 55.1 4.2758 2.5622 0.0703 1.7137 3.48R 78 58.6 1.7563 2.8314 0.0776 -1.0751 -2.19R 85 63.1 5.1319 3.1891 0.0996 1.9428 3.99R 89 65.7 2.1321 3.4016 0.1186 -1.2695 -2.63R 90 66.3 4.7872 3.4513 0.1236 1.3359 2.77R 91 66.6 1.8654 3.4762 0.1262 -1.6108 -3.35R 93 70.3 4.5348 3.7883 0.1621 0.7464 1.59 X 94 71.8 3.4321 3.9174 0.1787 -0.4853 -1.05 X R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.
2 1 0 -1 -2 99.9 99 90 50 10 1 0.1 Residual P er ce nt 4 3 2 1 0 2 1 0 -1 -2 Fitted Value R es id ua l 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 40 30 20 10 0 Residual Fr eq ue nc y 90 80 70 60 50 40 30 20 10 1 2 1 0 -1 -2 Observation Order R es id ua l
Normal Probability Plot Versus Fits
Histogram Versus Order
17
Regression Analysis: Va (m3) versus D (cm), D2 (cm2)
The regression equation is
Va = 0.00668 D + 0.000707 D2
Predictor Coef SE Coef T P Noconstant D 0.006678 0.004859 1.37 0.173 D2 0.00070744 0.00009038 7.83 0.000 S = 0.508014 R-Sq = 93.6% R-Sq(adj) = 92.5% Analysis of Variance Source DF SS MS F P Regression 2 347.64 173.82 673.53 0.000 Residual Error 92 23.74 0.26 Total 94 371.39 Source DF Seq SS D 1 331.83 D2 1 15.81 Unusual Observations
Obs Dbh(cm) V aktual Fit SE Fit Residual St Resid 70 53.8 3.5147 2.4069 0.0658 1.1078 2.20R 73 55.1 4.2758 2.5158 0.0685 1.7601 3.50R 78 58.6 1.7563 2.8207 0.0791 -1.0644 -2.12R 85 63.1 5.1319 3.2381 0.0991 1.8938 3.80R 89 65.7 2.1321 3.4924 0.1137 -1.3603 -2.75R 90 66.3 4.7872 3.5524 0.1173 1.2347 2.50R 91 66.6 1.8654 3.5827 0.1191 -1.7172 -3.48R 92 68.2 3.8873 3.7459 0.1294 0.1413 0.29 X 93 70.3 4.5348 3.9657 0.1439 0.5691 1.17 X 94 71.8 3.4321 4.1265 0.1549 -0.6944 -1.44 X R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.
2 1 0 -1 -2 99.9 99 90 50 10 1 0.1 Residual P er ce nt 4 3 2 1 0 2 1 0 -1 -2 Fitted Value R es id ua l 2.0 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 40 30 20 10 0 Residual Fr eq ue nc y 90 80 70 60 50 40 30 20 10 1 2 1 0 -1 -2 Observation Order R es id ua l
Normal Probability Plot Versus Fits
Histogram Versus Order
18
Regression Analysis: Ln Va (m3) versus Ln D (cm), Ln H (m)
The regression equation is
Ln Va = - 8.61 + 2.11 Ln D + 0.298 Ln H
Predictor Coef SE Coef T P VIF Constant -8.6071 0.2270 -37.92 0.000 Ln D 2.1149 0.1042 20.29 0.000 3.587 Ln H 0.2979 0.1256 2.37 0.020 3.587 S = 0.265206 R-Sq = 95.2% R-Sq(adj) = 95.1% Analysis of Variance Source DF SS MS F P Regression 2 125.889 62.945 894.94 0.000 Residual Error 91 6.400 0.070 Total 93 132.290 Unusual Observations
Obs Ln D Ln Va Fit SE Fit Residual St Resid 1 2.35 -3.5311 -3.0906 0.1149 -0.4405 -1.84 X 7 2.69 -2.5094 -2.2550 0.0869 -0.2544 -1.02 X 15 2.98 -2.0366 -1.2260 0.0908 -0.8106 -3.25RX 89 4.19 0.7571 1.4464 0.0508 -0.6893 -2.65R 91 4.20 0.6235 1.3947 0.0449 -0.7712 -2.95R R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.
2 1 0 -1 -2 99.9 99 90 50 10 1 0.1 Residual P er ce nt 4 3 2 1 0 2 1 0 -1 -2 Fitted Value R es id ua l 2.0 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 30 20 10 0 Residual Fr eq ue nc y 90 80 70 60 50 40 30 20 10 1 2 1 0 -1 -2 Observation Order R es id ua l
Normal Probability Plot Versus Fits
Histogram Versus Order
19
Regression Analysis: Va (m3) versus D2H
The regression equation is Va = 0.413 + 0.000016 D^2H
Predictor Coef SE Coef T P Constant 0.41280 0.09380 4.40 0.000 D2H 0.00001598 0.00000096 16.71 0.000 S = 0.616779 R-Sq = 75.2% R-Sq(adj) = 75.0% Analysis of Variance Source DF SS MS F P Regression 1 106.24 106.24 279.28 0.000 Residual Error 92 35.00 0.38 Total 93 141.24 Unusual Observations
Obs D2H Va Fit SE Fit Residual St Resid
67 74613 2.9260 1.6053 0.0637 1.3206 2.15R 73 158783 4.2758 2.9506 0.1045 1.3252 2.18R 85 164839 5.1319 3.0474 0.1092 2.0845 3.43R 89 244313 2.1321 4.3177 0.1766 -2.1856 -3.70RX 90 119563 4.7872 2.3238 0.0782 2.4634 4.03R 91 191616 1.8654 3.4754 0.1308 -1.6100 -2.67R 93 236726 4.5348 4.1964 0.1698 0.3384 0.57 X 94 271166 3.4321 4.7469 0.2008 -1.3148 -2.25RX R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.
2 1 0 -1 -2 99.9 99 90 50 10 1 0.1 Residual P er ce nt 0.2 0.0 -0.2 -0.4 2 1 0 -1 -2 Fitted Value R es id ua l 2.0 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 30 20 10 0 Residual Fr eq ue nc y 90 80 70 60 50 40 30 20 10 1 2 1 0 -1 -2 Observation Order R es id ua l
Normal Probability Plot Versus Fits
Histogram Versus Order
20
Regression Analysis: Va (m3) versus D2 (cm2), D2H, H (m)
The regression equation is
Va = - 0.588 + 0.00109 D2 - 0.000010 D2H + 0.0250 H Predictor Coef SE Coef T P Constant -0.5883 0.2236 -2.63 0.010 D2 0.0010926 0.0001480 7.38 0.000 D2H -0.00000956 0.00000361 -2.65 0.009 H 0.025047 0.008488 2.95 0.004 S = 0.490937 R-Sq = 84.6% R-Sq(adj) = 84.1% Analysis of Variance Source DF SS MS F P Regression 3 119.548 39.849 165.34 0.000 Residual Error 90 21.692 0.241 Total 93 141.240 Source DF Seq SS D2 1 117.124 D2H 1 0.326 H 1 2.099 Unusual Observations
Obs D2 Va Fit SE Fit Residual St Resid
70 2894 3.5147 2.4291 0.1436 1.0857 2.31R 73 3036 4.2758 2.5201 0.1230 1.7558 3.69R 78 3434 1.7563 2.8704 0.0899 -1.1141 -2.31R 85 3982 5.1319 3.2222 0.0970 1.9097 3.97R 89 4316 2.1321 3.2087 0.2055 -1.0766 -2.41RX 90 4396 4.7872 3.7520 0.2343 1.0352 2.40RX 91 4436 1.8654 3.5072 0.1160 -1.6418 -3.44R 94 5155 3.4321 3.7681 0.2135 -0.3360 -0.76 X R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.
2 1 0 -1 -2 99.9 99 90 50 10 1 0.1 Residual P er ce nt 4.8 3.6 2.4 1.2 0.0 2 1 0 -1 -2 Fitted Value R es id ua l 2 1 0 -1 -2 40 30 20 10 0 Residual Fr eq ue nc y 90 80 70 60 50 40 30 20 10 1 2 1 0 -1 -2 Observation Order R es id ua l
Normal Probability Plot Versus Fits
Histogram Versus Order
21
Regression Analysis: Va versus D (cm), D2H, DH3
The regression equation is
Va = - 0.950 + 0.0605 D + 0.000001 D2H + 0.000000 DH3 Predictor Coef SE Coef T P Constant -0.9499 0.2409 -3.94 0.000 D 0.06051 0.01056 5.73 0.000 D2H 0.00000075 0.00000445 0.17 0.866 DH3 0.00000002 0.00000007 0.37 0.715 S = 0.504369 R-Sq = 83.8% R-Sq(adj) = 83.2% Analysis of Variance Source DF SS MS F P Regression 3 118.345 39.448 155.07 0.000 Residual Error 90 22.895 0.254 Total 93 141.240 Source DF Seq SS D(cm) 1 118.050 D2H 1 0.261 DH3 1 0.034 Unusual Observations
Obs D(cm) Va Fit SE Fit Residual St Resid
70 53.8 3.5147 2.6424 0.2142 0.8723 1.91 X 73 55.1 4.2758 2.6949 0.1595 1.5810 3.30R 78 58.6 1.7563 2.7687 0.0962 -1.0124 -2.04R 85 63.1 5.1319 3.1010 0.1144 2.0309 4.13R 89 65.7 2.1321 3.4984 0.2304 -1.3663 -3.05RX 90 66.3 4.7872 3.1843 0.1659 1.6029 3.37R 91 66.6 1.8654 3.3545 0.1428 -1.4891 -3.08R 93 70.3 4.5348 3.6695 0.1804 0.8652 1.84 X 94 71.8 3.4321 3.8523 0.2110 -0.4202 -0.92 X R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage.
2 1 0 -1 -2 99.9 99 90 50 10 1 0.1 Residual P er ce nt 4 3 2 1 0 2 1 0 -1 -2 Fitted Value R es id ua l 2.0 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 40 30 20 10 0 Residual Fr eq ue nc y 90 80 70 60 50 40 30 20 10 1 2 1 0 -1 -2 Observation Order R es id ua l
Normal Probability Plot Versus Fits
Histogram Versus Order
22 2 1 0 -1 -2 99.9 99 90 50 10 1 0.1 Residual P er ce nt 4 3 2 1 0 2 1 0 -1 -2 Fitted Value R es id ua l 2.0 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 40 30 20 10 0 Residual Fr eq ue nc y 90 80 70 60 50 40 30 20 10 1 2 1 0 -1 -2 Observation Order R es id ua l
Normal Probability Plot Versus Fits
Histogram Versus Order
23 Lampiran 2 Dokumetasi pengukuran pada tegakan puspa di HPGW
24
RIWAYAT HIDUP
Penulis dilahirkan di Daerah Khusus Ibukota Jakarta pada tanggal 24 Juli 1991 dari ayah bernama Agus Satriadi dan Ibu Etty Soraya, sebagai anak ke empat dari empat bersaudara. Riwayat pendidikan penulis adalah sebagai berikut: TK Al- Falah (1996-1997), SD Negeri Ciomas 1 Kab. Bogor (1997-2003), SMP PGRI 3 Bogor (2003-2006), dan SMA Negeri 9 Bogor (2006-2009). Pada tahun 2009 penulis melanjutkan studi S-1 di Departemen Manajemen Hutan, Fakultas Kehutanan IPB melalui jalur Undangan Seleksi Masuk IPB (USMI) serta mendapatkan beasiswa satu siklus dari Pemerintah Provinsi Jawa Barat.
Praktik yang pernah diikuti penulis, yaitu: Praktik Pengenalan Ekosistem Hutan (PPEH) pada tahun 2011, Praktik Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat (2012), dan Praktik Kerja Lapang (PKL) di HTI PT. Finnantara Intiga, Kalimantan Barat (2013). Selama mengikuti perkuliahan, penulis aktif dalam organisasi FMSC tahun 2011/2012. Penulis aktif dalam kepanitiaan Pekan Ilmiah Kehutanan Nasional tahun 2011 dan aktif mengikuti kegiatan Ecological Social Mapping (ESM) di Hutan Pendidikan Gunung Walat (2012). Selain itu, penulis pernah menjadi asisten praktikum lapang SMK Kehutanan Kadipaten pada tahun 2013. Penulis juga aktif mengajar kepramukaan tingkat Sekolah Dasar Pengadilan 3 Bogor (2009–2013), Kegiatan magang mandiri yang pernah diikuti penulis diantaranya: sentra budidaya jamur tiram Sari Sehat Multifarm di Ciampea Bogor (2010) dan Forum Komunikasi Kehutanan Masyarakat pada tahun 2011.
Skirpsi berjudul Angka bentuk dan model volume puspa (Schima wallichii (Dc.) Korth) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat merupakan karya penulis sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan (S.Hut.) pada Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor dibawah bimbingan Dr. Tatang Tiryana, S.Hut, M.Sc.
