PENENTUAN UKURAN PLOT CONTOH OPTIMAL UNTUK INVENTARISASI HUTAN ALAM (STUDI KASUS PT SALAKI SUMMA SEJAHTERA, SUMATERA BARAT) SIGIT EKO SUMARNO

(1)

PENENTUAN UKURAN PLOT CONTOH OPTIMAL UNTUK

INVENTARISASI HUTAN ALAM (STUDI KASUS PT SALAKI

SUMMA SEJAHTERA, SUMATERA BARAT)

SIGIT EKO SUMARNO

DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN

INSTITUT PERTANIAN BOGOR BOGOR

(2)

(3)

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi yang berjudul Penentuan Ukuran Plot Contoh Optimal Untuk Inventarisasi Hutan Alam (Studi Kasus PT Salaki Summa Sejahtera, Sumatera Barat) adalah benar-benar hasil karya saya sendiri dengan arahan dari dosen pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi 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.

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

Bogor, Januari 2017

Sigit Eko Sumarno NIM E14120041

(4)

ABSTRAK

SIGIT EKO SUMARNO. Penentuan Ukuran Plot Contoh Optimal Untuk Inventarisasi Hutan Alam (Studi Kasus PT Salaki Summa Sejahtera, Sumatera Barat). Dibimbing oleh TEDDY RUSOLONO.

Penelitian ini bertujuan menentukan ukuran plot contoh optimal untuk pendugaan parameter tegakan di hutan alam melalui inventarisasi hutan. Simulasi ukuran plot contoh dilakukan untuk tegakan berdiameter ≥ 10 cm dan ≥ 40 cm dengan plot contoh berukuran 20 m x 20 m, 20 m x 50 m, 20 m x 100 m, 40 m x 100 m, dan 100 m x 100 m. Pemilihan contoh dilakukan secara acak untuk mendapatkan nilai rata-rata (ӯ). Plot contoh 100 m x 100 m (1 ha) digunakan sebagai plot rujukan untuk menilai ketepatan pendugaan rata-rata. Ukuran plot contoh optimal untuk pendugaan parameter tegakan di hutan alam berukuran 20 m x 100 m (0.2 ha). Ukuran plot contoh optimal ini memiliki dugaan rata-rata yang relatif teliti dan bias yang kecil.

Kata kunci: hutan alam, inventarisasi, ukuran plot

ABSTRACT

SIGIT EKO SUMARNO. Determining Optimum Size of Sample Plot for Natural Forest Inventory (Case Study in PT Salaki Summa Sejahtera, West Sumatera). Supervised by TEDDY RUSOLONO.

This research is aimed to determine an optimum size of sample plot for estimate parameter of stand in natural forest inventory. Simulation of sample plot was conducted on stand with diameters ≥ 10 cm and ≥ 40 cm with a sample plot size 20 m x 20 m, 20 m x 50 m, 20 m x 100 m, 40 m x 100 m, and 100 m x 100 m. Selection of sample was conducted to get the average value (ӯ). Sample plot of 100 m x 100 m (1 ha) is used as a reference plot for assessing the accuracy of estimating the average. Optimal sample plot size for estimate parameter of stand in natural forest used plot size 20 m x 100 m (0.2 ha). The optimal sample plot size has estimated average relatively precise and small bias.

(5)

PENENTUAN UKURAN PLOT CONTOH OPTIMAL UNTUK

INVENTARISASI HUTAN ALAM (STUDI KASUS PT SALAKI

SUMMA SEJAHTERA, SUMATERA BARAT)

SIGIT EKO SUMARNO

Skripsi

Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan

Pada

Departemen Manajemen Hutan

DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN

INSTITUT PERTANIAN BOGOR BOGOR

(6)

(7)

(8)

PRAKATA

Puji syukur senantiasa penulis panjatkan kepada Allah SWT atas segala karunia dan kemudahan yang telah diberikan-Nya, sehingga karya ilmiah ini berhasil diselesaikan. Shalawat serta salam juga penulis haturkan kepada teladan terbaik umat manusia, Nabi Muhammad SAW. Judul yang dipilih dalam penelitian adalah penentuan ukuran optimal plot contoh untuk inventarisasi hutan alam (studi kasus PT Salaki Summa Sejahtera, Sumatera Barat) yang dilaksanakan pada bulan Agustus 2016. Terima kasih penulis ucapkan kepada Bapak Dr Ir Teddy Rusolono, MS selaku pembimbing. Terima kasih senantiasa terucap untuk Ibu Tina Nurlina Ekawati, Bapak Marno SH, Sita Ayu, Vera Erviana SE, rekan satu bimbingan Akram dan Firdi beserta teman seperjuangan Manajemen Hutan 49 yang senantiasa memberi dukungan dan semangat.

Penulis berharap penelitian ini dapat bermanfaat bagi seluruh pihak yang membutuhkan.

Bogor, Januari 2017

(9)

DAFTAR ISI

DAFTAR TABEL ... vi DAFTAR GAMBAR ... vi PENDAHULUAN... 1 Latar Belakang ... 1 Tujuan Penelitian ... 2 Manfaat Penelitian ... 2 METODE PENELITIAN ... 2

Bahan, Alat, dan Waktu Penelitian ... 2

Analisis Data ... 2

HASIL DAN PEMBAHASANAN ... 7

SIMPULAN DAN SARAN ... 18

Simpulan ... 18

Saran ... 18

DAFTAR PUSTAKA ... 19

(10)

DAFTAR TABEL

1 Nilai statistik (rata-rata, simpangan baku, standard error, dan koefisien variasi) jumlah pohon di berbagai ukuran plot contoh kelas diameter ≥ 10

cm dan ≥ 40 cm 7

2 Pengujian beda nilai rata-rata jumlah pohon pada berbagai ukuran plot

contoh 9

3 Perbandingan nilai rata-rata bias dan persen bias jumlah pohon di berbagai ukuran plot contoh kelas diameter ≥ 10 cm dan ≥ 40 cm 9 4 Nilai statistik (rata-rata, simpangan baku, standard error, dan koefisien

variasi) volume tegakan di berbagai ukuran plot contoh kelas diameter ≥

10 cm dan ≥ 40 cm 10

5 Pengujian beda nilai rata-rata volume tegakan pada berbagai ukuran plot

contoh 12

6 Perbandingan nilai rata-rata bias dan persen bias volume tegakan di berbagai ukuran plot contoh kelas diameter ≥ 10 cm dan ≥ 40 cm 12 7 Nilai statistik (rata-rata, simpangan baku, standard error, dan koefisien

variasi) biomassa tegakan di berbagai ukuran plot contoh kelas diameter

≥ 10 cm dan ≥ 40 cm 13

8 Pengujian beda nilai rata-rata biomassa tegakan pada berbagai ukuran

plot contoh 15

9 Perbandingan nilai rata-rata bias dan persen bias biomassa tegakan di berbagai ukuran plot contoh kelas diameter ≥ 10 cm dan ≥ 40 cm 15 10 Perbandingan nilai CV dan persen bias setiap ukuran plot contoh jumlah

pohon per hektar, volume tegakan per hektar, dan biomassa tegakan per

hektar kelas diamater ≥ 10 cm dan ≥ 40 cm 17

DAFTAR GAMBAR

1 Struktur petak ukur permanen hutan alam di PT Salaki Summa Sejahtera 3 2 Perbandingan nilai statistik (rata-rata, simpangan baku, koefisien variasi)

jumlah pohon di berbagai ukuran plot contoh (a) kelas diameter ≥ 10 cm,

(b) kelas diameter ≥ 40 cm 8

3 Perbandingan nilai statistik (rata-rata, simpangan baku, koefisien variasi) volume tegakan di berbagai ukuran plot contoh (a) kelas diameter ≥ 10

cm, (b) kelas diameter ≥ 40 cm 11

4 Perbandingan nilai statistik (rata-rata, simpangan baku, koefisien variasi) biomassa tegakan di berbagai ukuran plot contoh (a) kelas diameter ≥ 10

cm, (b) kelas diameter ≥ 40 cm 14

5 Perbandingan kurva spesies pada setiap ukuran plot contoh (a) kelas

(11)

1

PENDAHULUAN

Latar Belakang

Inventarisasi hutan adalah suatu usaha untuk menguraikan kuantitas dan kualitas pohon-pohon hutan serta berbagai karakteristik areal tanah tempat tumbuhnya. Inventarisasi hutan lengkap dipandang dari segi penaksiran kayu harus berisi deskripsi areal berhutan serta pemilikannya, penaksiran volume pohon-pohon yang masih berdiri, dan penaksiran mengenai pengeluaran hasil (Husch 1987).

Kegiatan inventarisasi hutan meliputi dua teknik yaitu sensus dan sampling. Teknik sensus dilaksanakan dengan melakukan pengukuran pada seluruh populasi (areal hutan), sementara teknik sampling dilakukan dengan melakukan pengukuran pada sebagian wilayah dan dianggap mewakili seluruh areal hutan (Husch 1987). Pengukuran inventarisasi di areal studi tidak mungkin dilakukan secara sensus (full enumeration) karena cakupan arealnya luas dan memerlukan sumberdaya yang besar. Ukuran plot contoh yang sesuai dan efektif diperlukan untuk mengatasi keterbatasan-keterbatasan, sehingga metode penarikan contoh dipandang sebagai metode yang paling tepat (Husch 1987).

Pemilihan ukuran dan bentuk petak ukur yang paling cocok merupakan faktor yang dapat memengaruhi ketepatan survei (Husch 1987). Secara umum, kegiatan inventarisasi menggunakan ukuran plot yang bervariasi, ukuran plot 20 m x 125 m untuk IHMB hutan alam (Kemenhut 2009) dan 1 ha untuk hutan nasional.Beberapa penelitian mengenai ukuran dan bentuk plot pernah dilakukan oleh Baraloto et al. (2013), Hueteto et al. (2013), Neldner dan Butler (2008), dan Netto et al. (2014).

Unit sampling inventarisasi hutan sering terdiri dari ukuran dan bentuk plot yang bervariasi sesuai dengan vegetasi dan karakteristik hutan (Kenkel dan Podani 1991, Shiver dan Borders 1996). Secara umum, ukuran plot yang besar lebih efektif digunakan untuk mengetahui keragaman karakteristik populasi yang disurvei dibanding ukuran plot yang kecil (Philip 1994). Namun semakin besar ukuran plot, semakin lama waktu dan semakin besar tenaga dan biaya untuk inventarisasi hutan (Kangas dan Maltamo 2007). Sebaliknya, pada intensitas sampling tertentu plot berukuran kecil dalam jumlah banyak akan memberikan hasil pendugaan karakteristik populasi yang lebih teliti dibanding plot berukuran besar yang jumlahnya sedikit (Philip 1994).

Menurut Simon (2007), suatu pendugaan dikatakan tepat apabila memiliki presisi yang tinggi dan bias yang rendah. Oleh karena itu, penentuan ukuran plot contoh optimal didasarkan pada presisi dan bias dalam menduga ukuran plot contoh optimal. Belum banyak diketahui ukuran plot contoh optimal untuk inventarisasi hutan alam di Indonesia. Ukuran plot contoh perlu dirancang agar tidak terlalu kecil ataupun terlalu besar sehingga dapat menyeimbangkan antara tingkat ketelitian dengan efisiensi sumberdaya (biaya, waktu, dan tenaga) yang diperlukan untuk pengukurannya.

(12)

2

Tujuan Penelitian

Tujuan penelitian ini adalah menentukan ukuran plot contoh optimal untuk inventarisasi hutan alam.

Manfaat Penelitian

Penelitian ini memberikan informasi mengenai ukuran plot contoh yang optimal untuk inventarisasi hutan alam sehingga dapat membantu kegiatan secara efisien.

METODE PENELITIAN

Bahan, Alat, dan Waktu Penelitian

Bahan penelitian adalah data pengukuran tegakan hutan alam pada petak ukur permanen di PT Salaki Summa Sejahtera yang berlokasi di Pulau Siberut, Provinsi Sumatera Barat. Lokasi penelitian adalah hutan bekas tebangan tahun 2007 dan pengukuran tegakan dilakukan pada tahun 2008.

Penelitian dengan bentuk desk study dilakukan pada bulan Agustus sampai November 2016 di Fakultas Kehutanan, Institut Pertanian Bogor. Alat yang digunakan untuk analisis data adalah software IBM SPSS statistics 20 dan program Microsoft Excel.

Analisis Data 1. Struktur Data

Data berasal dari tiga petak PUP dengan luasan masing-masing 1 ha. Setiap petak 1 ha tersebut dibagi-bagi lagi menjadi subpetak-subpetak dengan ukuran 10 m x 10 m, sehingga terdapat 100 subpetak yang diberi penomoran dengan huruf dan angka.

2. Ukuran Plot Contoh dan Pemilihan Plot Contoh

Untuk menentukan ukuran plot contoh yang optimal, pada ke tiga petak dilakukan simulasi beberapa ukuran plot contoh. Simulasi ukuran plot contoh dilakukan pada tegakan yang berdiameter ≥ 10 cm dan ≥ 40 cm. Ukuran plot terdiri atas 20 m x 20 m, 20 m x 50 m, 20 m x 100 m, 40 m x 100 m, 100 m x 100 m. Pada ke tiga petak PUP dilakukan pengulangan untuk mendapatkan nilai rata-rata plot contoh (ӯ) pada masing-masing simulasi ukuran plot contoh yang diambil. Pemilihan pengulangan plot contoh dilakukan dengan menggunakan angka acak dari program MS Excel. Pada setiap ukuran plot contoh dilakukan 10 kali ulangan, kecuali pada ukuran plot 100 m x 100 m hanya 3 kali ulangan. Gambar plot contoh di lapangan dapat dilihat pada Gambar 1.

(13)

3

A10 AB910

A9 BC910 CD910 DE910 EF910 FG910 GH910 HI910 IJ910

JK910

AB89

A8 BC89 CD89 DE89 EF89 FG89 GH89 HI89 IJ89 JK89 AB78

A4 BC45 CD45 DE45 EF45 FG45 GH45 HI45 IJ45

JK45

AB34

A0 BC01 CD01 DE01 EF01 FG01 GH01 HI01 IJ01 JK01 100 m

Keterangan :

A0, A1, dst = Nomor patok corner

AB01, BC01, dst = Nomor plot ukur berukuran 10 m x 10 m

Gambar 1 Struktur petak ukur permanen hutan alam di PT Salaki Summa Sejahtera

3. Parameter Tegakan yang Diperhitungkan

Parameter tegakan dalam penelitian ini adalah jumlah pohon per hektar, volume tegakan per hektar, biomassa tegakan per hektar, dan jumlah spesies per hektar.

a. Jumlah pohon per hektar

Jumlah pohon dalam plot adalah hasil penjumlahan pohon-pohon dalam plot berukuran tertentu, yang dikonversi ke satuan per hektar.

b. Volume tegakan per hektar

Volume tiap pohon dihitung dengan menggunakan persamaan penduga volume pohon (Isdwinanto 2011) :

(14)

4

(1)

Keterangan :

V = Volume pohon (m3) D = Diameter (cm)

Volume tegakan dalam plot adalah hasil penjumlahan volume setiap pohon dalam plot berukuran tertentu, yang dikonversi ke satuan per hektar.

c. Biomassa tegakan per hektar

Penghitungan biomassa dihitung dengan menggunakan persamaan alometrik biomassa yang dibangun oleh Chave et al. (2005) :

(2) Keterangan :

TAGB = Total biomassa di atas permukaan tanah (kg/pohon) DBH = Diameter setinggi dada (cm)

WD = Wood density (g/cm3)

Biomassa tegakan dalam plot adalah hasil penjumlahan biomassa setiap pohon dalam plot berukuran tertentu, yang dikonversi ke satuan per hektar. d. Jumlah spesies per hektar

Jumlah spesies setiap ukuran plot contoh dihitung dengan menambahkan secara kumulatif setiap spesies baru yang ditemui di setiap ukuran plot contoh. 4. Analisis Statistik

a. Ketelitian ukuran plot contoh

Untuk mengetahui ketelitian nilai-nilai parameter tegakan dari berbagai ukuran plot contoh, dihitung nilai rara-rata plot contoh dengan persamaan 3 dan 4, nilai simpangan baku dan simpangan baku rata-rata (standard error, Se) dengan persamaan 5 dan 6 (Draper dan Smith 1992). Adapun keragaman nilai-nilai dugaan parameter tegakan diukur dengan koefisien variasi (CV) yang dihitung dengan persamaan 7 (Walpole 1982):

₍₃₎ (4) Keterangan :

= nilai rata-rata contoh plot

= nilai contoh untuk setiap plot contoh ke-i (i = 1,2,3,..,10)

= jumlah plot contoh = nilai rata-rata

(15)

5

(5)

Keterangan :

Sy = simpangan baku contoh

n = jumlah plot contoh

(6)

Keterangan:

Se = Kesalahan baku

Sy = simpangan baku contoh n = jumlah plot contoh

(7)

Keterangan:

CV = koefisien variasi (%) Sy = simpangan baku contoh

= nilai rata-rata contoh per hektar n = jumlah plot contoh

b. Pengujian beda nilai rata-rata berbagai plot contoh

Data penelitian diuji menggunakan Uji Tukey. Uji Tukey sering juga disebut dengan uji beda nyata jujur. Prosedur pengujiannya mirip dengan LSD, yaitu mempunyai satu pembanding dan digunakan sebagai alternatif pengganti LSD apabila kita ingin menguji seluruh pasangan rata-rata perlakuan tanpa rencana. Uji Tukey digunakan untuk membandingkan seluruh pasangan rata-rata perlakuan setelah uji Analisis Ragam di lakukan. Penentuan nilai Tukey HSD dilakukan dengan persamaan 8:

(8)

Keterangan:

= nilai Tukey HSD

= nilai kritis diperoleh dari tabel wilayah nyata student = jumlah perlakuan

= derajat bebas galat = banyaknya ulangan = kuadran tengah galat

(16)

6

Hipotesis yang diuji adalah:

H0 : nilai dugaan parameter di dalam plot sama dengan nilai parameter tegakan aktual.

H1 : nilai dugaan parameter di dalam plot tidak sama dengan nilai parameter tegakan aktual.

Wilayah kritik : jika sig. ≤ α : tolak H0

c. Penentuan bias

Untuk mengetahui bias dari masing-masing nilai rata-rata contoh setiap ukuran plot contoh dengan nilai sebenarnya (populasi dengan luas 1 ha) digunakan statistik rata-rata bias dan persen bias dengan persamaan 9 dan 10 (Huang et al. 2003) :

₍₉₎

Keterangan:

ME = rata-rata bias n = jumlah plot contoh

= nilai rata-rata sebenarnya (rata-rata populasi)

Nilai bias ini dapat bernilai positif dan negatif (Akca 1995). Dengan demikian bias dapat mengukur kecenderungan overestimate atau underestimete dari pengukuran masing-masing nilai penduga.

(10)

Keterangan : PE = persen bias ME = rata-rata bias

= nilai rata-rata sebenarnya (rata-rata populasi) n = jumlah ulangan plot penduga

(17)

7

HASIL DAN PEMBAHASAN

Jumlah Pohon per Hektar

Ukuran plot contoh yang berbeda-beda memberikan nilai dugaan jumlah pohon per hektar yang berbeda dibandingkan dengan nilai sebenarnya (populasi dengan luas 1 ha). Secara umum, nilai simpangan baku, kesalahan baku, dan koefisien variasi semakin kecil seiring bertambah luasnya ukuran plot contoh (Tabel 1). Nilai simpangan baku menunjukkan tingkat ragam dari suatu data (Walpole 1982). Nilai ragam yang tinggi dipengaruhi oleh tingkat penyebaran jumlah pohon yang bervariasi karena semakin bervariasi suatu data maka nilai ragamnya akan semakin tinggi. Dengan kata lain, semakin kecil nilai simpangan baku maka semakin tepat nilai penduga yang diperoleh (Draper dan Smith 1992). Suatu pendugaan memiliki tingkat ketepatan yang tinggi jika kesalahan baku pendugaan tersebut kecil (Rasyad 2003). Berdasarkan Tabel 1, nilai kesalahan baku terkecil dari masing-masing kelas diameter diperoleh pada ukuran plot contoh paling besar, karena semakin besar ukuran plot contoh semakin dekat nilai dugaan jumlah pohon dengan populasinya (Harbagung 2009).

Tabel 1 Nilai statistik (rata-rata, simpangan baku, kesalahan baku, dan koefisien variasi) jumlah pohon di berbagai ukuran plot contoh kelas diameter ≥ 10 cm dan ≥ 40 cm

Kelas Ukuran Plot Contoh

Y ӯ Sy Se CV

Diameter (pohon/ha) (pohon/ha) (pohon/ha) (pohon/ha) (%) ≥ 10 cm 20 m x 20 m 265.67 340.00 178.42 56.42 52.48 20 m x 50 m 253.00 103.39 32.70 40.87 20 m x 100 m 257.00 70.60 22.33 27.47 40 m x 100 m 266.00 41.65 13.17 15.66 100 m x 100 m 265.67 12.01 6.94 4.52 ≥ 40 cm 20 m x 20 m 49.00 67.50 37.36 11.81 55.35 20 m x 50 m 46.00 23.19 7.33 50.41 20 m x 100 m 48.50 21.35 6.75 44.02 40 m x 100 m 50.25 10.70 3.38 21.30 100 m x 100 m 49.00 1.00 0.32 2.04

Semakin besar ukuran plot contoh maka semakin kecil nilai koefisien variasinya (Gambar 2). Hal ini sejalan dengan Simon (2007), bahwa nilai koefisien variasi akan berkurang dengan bertambahnya luas petak ukur. Nilai koefisien variasi akan berkurang bila kesalahan baku juga berkurang, dan sebaliknya. Hal ini berarti nilai koefisien variasi dipengaruhi oleh variasi sampel (Simon 2007).

(18)

8

(a)

(b)

Gambar 2 Perbandingan nilai statistik (rata-rata, simpangan baku, koefisien variasi) jumlah pohon di berbagai ukuran plot contoh (a) kelas diameter ≥ 10 cm, (b) kelas diameter ≥ 40 cm

Hasil uji Tukey (Tabel 2) untuk kedua kelas diameter tegakan secara umum menunjukan nilai dugaan jumlah pohon per hektar pada semua ukuran plot contoh tidak berbeda nyata dengan nilai jumlah pohon sebenarnya (populasi dengan luas 1 ha). Kriteria lain untuk menentukan ukuran plot contoh yang optimal untuk pendugaan jumlah pohon adalah nilai bias. Suatu penduga dikatakan terbaik jika nilai bias yang dihasilkan mendekati nol (Husch et al. 2003). Dalam penelitian ini ditetapkan nilai persen bias maksimal yaitu 10%. Berdasarkan Tabel 3, kelas diameter ≥ 10 cm dan ≥ 40 cm pada ukuran plot 20 m x 20 m menunjukan nilai persen bias yang lebih besar dari 10%, sedangkan pada ukuran 20 m x 50 m, 20 m x 100 m, dan 40 m x 100 m menunjukan nilai persen bias yang lebih kecil dari 10%. Pemilihan ukuran plot contoh untuk pendugaan parameter tegakan dapat ditentukan satu ukuran yang mewakili semua ukuran plot parameter lainnya. Pendugaan jumlah pohon per hektar untuk kelas diameter ≥ 10 cm dan ≥ 40 cm dapat menggunakan salah satu ukuran plot contoh 20 m x 50 m, 20 m x 100 m, dan 40 m x 100 m. 0 20 40 60 80 100 0 100 200 300 400 500 600 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 100 m x 100 m % p o h o n /h a

Ukuran Plot Contoh

ӯ CV 0 50 100 0 20 40 60 80 100 120 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 100 m x 100 m % p o h o n /h a

Ukuran Plot Contoh

ӯ CV

(19)

9

Tabel 2 Pengujian beda nilai rata-rata jumlah pohon pada berbagai ukuran plot contoh

Kelas Diameter Ukuran Plot Contoh Signifikansi 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 100 m x 100 m ≥ 10 cm 20 m x 20 m 0.39 0.44 0.55 0.83 74.33 20 m x 50 m 1.00 1.00 1.00 12.67 20 m x 100 m 1.00 1.00 8.67 40 m x 100 m 1.00 0.33 ≥ 40 cm 20 m x 20 m 0.30 0.42 0.52 0.78 18.50 20 m x 50 m 1.00 1.00 1.00 3.00 20 m x 100 m 1.00 1.00 0.50 40 m x 100 m 1.00 1.25

*) berbeda nyata pada taraf 5%, : nilai rata-rata plot contoh – nilai rata-rata sebenarnya (populasi dengan luas 1 ha)

Tabel 3 Perbandingan nilai rata-rata bias dan persen bias jumlah pohon di berbagai ukuran plot contoh kelas diameter ≥ 10 cm dan ≥ 40 cm

Kelas diameter ≥ 10 cm Kelas diameter ≥ 40 cm

20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m ME -74.33 12.67 8.67 -0.33 -18.50 3.00 -2.00 -1.25 (pohon/ha) PE -27.98 4.77 3.26 -0.13 -37.76 6.12 -4.08 -2.55 (%) 99

(20)

10

Volume Tegakan per Hektar

Seperti halnya pendugaan parameter sebelumnya, berdasarkan nilai simpangan baku, dan koefisien variasi dari dugaan volume tegakan per hektar (Tabel 4), menunjukan semakin kecil ukuran plot contoh semakin heterogen data yang diperoleh, dan sebaliknya semakin besar ukuran plot maka akan semakin homogen data parameter tegakannya. Hali ini bisa dilihat dari nilai simpangan bakunya, semakin kecil nilai simpangan baku maka semakin tepat nilai penduga yang diperoleh (Draper dan Smith 1992). Begitu pun nilai kesalahan baku yang cenderung besar pada ukuran plot berukuran kecil menunjukkan adanya variasi data yang cukup tinggi. Nilai variasi pada pendugaan volume pada suatu plot diduga disebabkan oleh laju pertumbuhan pohon yang berbeda-beda sehingga menyebabkan variasi pada diameter dan tinggi pohonnya. Selain itu, variasi tersebut dapat disebabkan oleh perbedaan jumlah pohon yang tidak merata di setiap plot.

Tabel 4 Nilai statistik (rata-rata, simpangan baku, kesalahan baku, dan koefisien variasi) volume tegakan di berbagai ukuran plot contoh kelas diameter ≥ 10 cm dan ≥ 40 cm

Y ӯ Sy Se CV

Diameter (m3/ha) (m3/ha) (m3/ha) (m3/ha) (%) ≥ 10 cm 20 m x 20 m 284.77 366.99 250.93 79.35 68.37 20 m x 50 m 308.40 199.24 63.01 64.61 20 m x 100 m 261.65 119.38 37.75 37.75 40 m x 100 m 285.37 83.94 26.55 26.55 100 m x 100 m 284.77 22.38 12.92 7.86 ≥ 40 cm 20 m x 20 m 218.80 277.86 236.20 74.69 85.00 20 m x 50 m 245.99 196.11 62.01 79.72 20 m x 100 m 197.75 113.19 35.79 57.24 40 m x 100 m 220.60 78.47 24.81 35.57 100 m x 100 m 218.80 26.99 15.58 12.34

Nilai koefisien variasi paling besar dimiliki oleh plot ukuran 20 m x 20 m (Gambar 3). Nilai tersebut semakin kecil seiring bertambahnya ukuran plot contoh. Hal ini menunjukan bahwa semakin besar ukuran plot contoh, semakin homogen data penduganya. Menurut Simon (2007), bahwa nilai koefisien variasi akan berkurang dengan bertambahnya luas petak ukur.

(21)

11

(a)

(b)

Gambar 3 Perbandingan nilai statistik (rata-rata, simpangan baku, koefisien variasi) volume tegakan di berbagai ukuran plot contoh (a) kelas diameter ≥ 10 cm, (b) kelas diameter ≥ 40 cm

Berdasarkan hasil uji Tukey (Tabel 5) pada kelas diameter ≥ 10 cm dan ≥ 40 cm menunjukkan nilai dugaan volume tegakan pada semua ukuran plot contoh yang tidak berbeda nyata dengan nilai volume tegakan sebenarnya (populasi dengan luas 1 ha). Berdasarkan Tabel 6, nilai persen bias pada kelas diameter ≥ 10 cm menunjukan nilai yang lebih besar dari 10% pada ukuran plot 20 m x 20 m, sedangkan pada ukuran plot 20 m x 50 m, 20 m x 100 m, dan 40 m x 100 m nilai persen bias menunjukan nilai yang lebih kecil dari 10 %. Nilai persen bias kelas diameter ≥ 40 cm pada ukuran plot 20 m x 20 m dan 20 m x 50 m menunjukan nilai yang lebih besar dari 10 %, sedangkan pada ukuran plot 20 m x 100 m dan 40 m x 100 m menunjukan nilai yang lebih kecil dari 10 %.

Pemilihan ukuran plot contoh untuk pendugaan parameter tegakan dapat ditentukan satu ukuran plot yang mewakili semua ukuran plot parameter lainnya. Pendugaan volume tegakan per hektar kelas diameter ≥ 10 cm dapat menggunakan salah satu ukuran plot 20 m x 50 m, 20 m x 100 m, dan 40 m x 100 m dan untuk kelas diameter ≥ 40 cm dapat menggunakan salah satu ukuran plot 20 m x 100 m dan 40 m x 100 m. 0 20 40 60 80 100 0 100 200 300 400 500 600 700 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 100 m x 100 m % m3 /h a

Ukuran Plot Contoh

ӯ CV 0 20 40 60 80 100 0 100 200 300 400 500 600 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 100 m x 100 m % m3 /h a

Ukuran Plot Contoh

ӯ CV

(22)

12

Tabel 5 Pengujian beda nilai rata-rata volume tegakan pada berbagai ukuran plot contoh

Kelas Diameter Ukuran Plot Contoh Signifikansi 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 100 m x 100 m ≥ 10 cm 20 m x 20 m 0.93 0.65 0.82 0.95 82.22 20 m x 50 m 0.97 1.00 1.00 23.63 20 m x 100 m 1.00 1.00 -23.12 40 m x 100 m 1.00 0.60 ≥ 40 cm 20 m x 20 m 0.99 0.81 0.93 0.98 59.07 20 m x 50 m 0.96 1.00 1.00 27.19 20 m x 100 m 1.00 1.00 -21.04 40 m x 100 m 1.00 1.80

Tabel 6 Perbandingan nilai rata-rata bias dan persen bias volume tegakan di berbagai ukuran plot contoh kelas diameter ≥ 10 cm dan ≥ 40 cm

Kelas diameter ≥ 10 cm Kelas diameter ≥ 40 cm

20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m ME -82.22 -23.63 23.12 -0.60 -59.07 -27.19 -21.04 -1.80 (m3/ha) PE -28.87 -8.30 8.12 -0.21 -27.00 -12.43 -9.62 -0.82 (%) 12

(23)

13

Biomassa Tegakan per Hektar

Ukuran plot contoh yang berbeda-beda untuk menduga biomassa, memberikan nilai dugaan biomassa tegakan per hektar yang berbeda dibandingkan dengan nilai sebenarnya (populasi dengan luas 1 ha). Nilai simpangan baku, kesalahan baku, dan koefisien variasi biomassa tegakan dari berbagai ukuran plot contoh semakin kecil seiring dengan bertambahnya luas ukuran plot contoh (Tabel 6). Ukuran plot contoh yang lebih besar memberikan ketelitian pendugaan biomassa tegakan yang lebih teliti dan mendekati nilai sebenarnya (populasi dengan luas 1 ha).

Tabel 7 Nilai statistik (rata-rata, simpangan baku, kesalahan baku, dan koefisien variasi) biomassa tegakan di berbagai ukuran plot contoh kelas diameter ≥ 10 cm dan ≥ 40 cm

Y ӯ Sy Se CV

Diameter (ton/ha) (ton/ha) (ton/ha) (ton/ha) (%) ≥ 10 cm 20 m x 20 m 319.98 328.18 274.03 86.66 83.50 20 m x 50 m 338.45 218.12 68.98 64.45 20 m x 100 m 275.81 138.98 43.95 50.39 40 m x 100 m 318.79 87.78 27.76 27.53 100 m x 100 m 319.98 26.09 15.06 8.15 ≥ 40 cm 20 m x 20 m 245.78 216.62 170.40 53.89 78.67 20 m x 50 m 267.25 169.31 53.54 63.35 20 m x 100 m 222.70 124.72 39.44 56.00 40 m x 100 m 246.25 82.34 26.04 33.44 100 m x 100 m 245.78 31.03 17.91 12.62

Nilai koefisien variasi pada ukuran plot contoh paling kecil memiliki nilai yang besar, kemudian akan mengecil seiring bertambahnya ukuran plot contoh (Gambar 4). Seperti yang dijelaskan sebelumnya bahwa nilai koefisien variasi akan berkurang dengan bertambahnya luas petak ukur (Simon 2007).

(24)

14

(a)

(b)

Gambar 4 Perbandingan nilai statistik (rata-rata, simpangan baku, koefisien variasi) biomassa tegakan di berbagai ukuran plot contoh (a) kelas diameter ≥ 10 cm, (b) kelas diameter ≥ 40 cm

Hasil uji Tukey (Tabel 8) untuk kedua kelas diameter tegakan secara umum menunjukan nilai dugaan biomassa tegakan per hektar pada semua ukuran plot contoh tidak berbeda nyata dengan nilai jumlah pohon sebenarnya (populasi dengan luas 1 ha). Berdasarkan Tabel 9, nilai persen bias untuk kedua kelas diameter pada ukuran plot 20 m x 20 m dan 20 m x 50 m menunjukan nilai yang lebih besar dari 10%, sedangkan pada ukuran plot 20 m x 100 m dan 40 m x 100 m menunjukan nilai yang lebih kecil dari 10%. Pemilihan ukuran plot contoh untuk pendugaan parameter tegakan dapat ditentukan satu ukuran plot contoh yang mewakili semua ukuran plot parameter lainnya. Pendugaan biomassa tegakan per hektar untuk kelas diameter ≥ 10 cm dan ≥ 40 cm dapat menggunakan salah satu ukuran plot 20 m x 100 m dan 40 m x 100 m.

0 20 40 60 80 100 0 100 200 300 400 500 600 700 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 100 m x 100 m % to n /h a

Ukuran Plot Contoh

ӯ CV 0 20 40 60 80 100 0 100 200 300 400 500 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 100 m x 100 m % to n /h a

Ukuran Plot Contoh

ӯ CV

(25)

15

Tabel 8 Pengujian beda nilai rata-rata biomassa tegakan pada berbagai ukuran plot contoh

Kelas

Diameter Ukuran Plot

Signifikansi 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 100 m x 100 m ≥ 10 cm 20 m x 20 m 1.00 0.97 1.00 1.00 8.20 20 m x 50 m 0.95 1.00 1.00 18.48 20 m x 100 m 0.99 1.00 -44.17 40 m x 100 m 1.00 -1.19 ≥ 40 cm 20 m x 20 m 0.99 1.00 0.99 1.00 -29.17 20 m x 50 m 0.95 1.00 1.00 21.47 20 m x 100 m 1.00 1.00 -23.09 40 m x 100 m 1.00 0.47

Tabel 9 Perbandingan nilai rata-rata bias dan persen bias biomassa tegakan di berbagai ukuran plot contoh kelas diameter ≥ 10 cm dan ≥ 40 cm

Kelas diameter ≥10 cm Kelas diameter ≥ 40 cm

20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m 20 m x 20 m 20 m x 50 m 20 m x 100 m 40 m x 100 m ME -54.00 -38.48 31.17 1.19 34.76 -31.47 23.09 -0.47 (ton/ha) PE -16.88 -12.03 9.74 0.37 14.14 -12.80 9.49 -0.19 (%) 15

(26)

16

Jumlah Spesies per Hektar

Berbeda dengan inventarisasi hutan yang lengkap dipandang dari segi penaksiran kayu harus berisi deskripsi areal berhutan serta pemilikannya, penaksiran volume pohon-pohon yang masih berdiri, dan penaksiran mengenai pengeluaran hasil (Husch 1987). Analisis komunitas tumbuhan merupakan suatu cara mempelajari susunan atau komposisi jenis dan bentuk atau struktur vegetasi. Dalam ekologi hutan, satuan vegetasi yang dipelajari atau diselidiki berupa komunitas tumbuhan yang merupakan asosiasi konkret dari semua spesies tumbuhan yang menempati suatu habitat. Oleh karena itu, tujuan yang ingin dicapai dalam analisis komunitas adalah untuk mengetahui komposisi spesies dan struktur komunitas pada suatu wilayah yang dipelajari (Indriyanto 2010). Dalam penelitian ini, parameter jumlah spesies hanya ingin mengetahui apakah luas 1 ha sudah cukup untuk studi.

(a)

(b)

Gambar 5 Perbandingan kurva spesies pada setiap ukuran plot contoh (a) kelas diameter ≥ 10 cm, (b) kelas diameter ≥ 40 cm

0 20 40 60 80 100 120 140 0 1 2 3 4 5 6 7 8 9 10 Ju m la h Sp e si e s

Jumlah Plot Contoh

20m x 20m 20m x 50m 20m x 100m 40m x 100m 100mx100m 0 5 10 15 20 25 30 35 40 0 1 2 3 4 5 6 7 8 9 10 Ju m la h Sp e si e s

Jumlah Plot Contoh

20m x 20m 20m x 50m 20m x 100m 40m x 100m 100m x 100m

(27)

17

Berdasarkan Gambar 5, kelas diameter ≥ 10 cm menunjukan hasil jumlah spesies masih akan bertambah pada semua ukuran plot dengan meningkatnya luas plot contoh. Kelas diameter ≥ 40 cm menunjukan hasil yang sama yaitu jumlah spesies masih akan bertambah pada semua ukuran plot dengan meningkatnya luas plot contoh. Hal ini berarti luas plot 1 ha belum mencukupi untuk studi ekologi. Dalam prakteknya, para ilmuwan vegetasi secara tradisional digunakan pendekatan kurva spesies area ketika mencirikan struktur komunitas tumbuhan (Kenkel dan Podani 1991). Penggunaan kurva spesies area sangatlah mudah, namun pendekatan ini memiliki kekurangan (Barkman 1989). Faktanya, didasarkan pada data kualitatif bukan data kuantitatif (Roux dan Rieux 1981, Dietvorst et al. 1982). Hueteto et al. (2013) pernah meneliti ukuran dan bentuk untuk analisis floristik di hutan tropis dan hutan lebat. Hasil penelitian tersebut, plot persegi dengan ukuran 0.1 hamenjadi yang paling efisien.

Sintesis Ukuran Plot Contoh Optimal

Ukuran plot contoh optimal dievaluasi berdasarkan tiga kriteria, yaitu bias, presisi, dan akurasi hasil dugaan ukuran plot contoh. Bias meunjukan adanya perbedaan hasil dugaan dari contoh terhadap nilai populasi sebenarnya (Cochran 1977). Presisi merupakan keterulangan dan menunjukan kedekatan hasil pengukuran dengan nilai rata-ratanya, sedangkan akurasi merupakan kombinasi antara bias dan presisi (Van dan Akca 2007). Menurut Simon (2007), suatu pendugaan dikatakan tepat apabila memiliki presisi yang tinggi dan bias yang rendah. Oleh karena itu, penentuan ukuran plot contoh optimal didasarkan pada presisi dan bias dalam menduga ukuran plot contoh.

Tabel 10 Perbandingan nilai CV dan persen bias setiap ukuran plot contoh jumlah pohon per hektar, volume tegakan per hektar, dan biomassa tegakan per hektar kelas diamater ≥ 10 cm dan ≥ 40 cm

Ukuran Plot contoh Kelas Diameter Jumlah Pohon Per Hektar Volume Tegakan Per Hektar Biomassa Tegakan Per Hektar CV (%) Persen Bias (%) CV (%) Persen Bias (%) CV (%) Persen Bias (%) 20 m x 20 m ≥ 10 cm 52.48 -27.98 68.37 -28.87 83.51 -16.88 ≥ 40 cm 55.35 -37.76 85.23 -27.13 78.67 14.14 20 m x 50 m ≥ 10 cm 40.87 4.77 64.61 -8.31 64.45 -12.03 ≥ 40 cm 50.41 6.12 79.72 -12.43 63.35 -12.81 20 m x 100 m ≥ 10 cm 27.47 3.26 37.75 8.12 50.39 9.74 ≥ 40 cm 44.02 -4.08 57.24 -9.62 56.23 9.49 40 m x 100 m ≥ 10 cm 15.66 -0.13 26.55 -0.21 27.53 0.37 ≥ 40cm 21.31 -2.55 35.57 -0.82 33.44 -0.19

Pemilihan ukuran plot untuk pendugaan parameter tegakan dapat ditentukan satu ukuran yang mewakili semua ukuran plot parameter lainnya. Dalam penelitian ini ditetapkan nilai persen bias maksimal yaitu 10%. Parameter jumlah pohon, volume tegakan, dan biomassa tegakan kelas diameter ≥ 10 cm dan ≥ 40

(28)

18

cm yang memiliki nilai persen bias lebih kecil dari 10 % yaitu ada pada ukuran plot contoh 20 m x 100 m (Tabel 10).

Berbagai metode bentuk dan ukuran plot contoh telah diteliti oleh ahli-ahli kehutanan dengan tujuan mendapatkan informasi potensi hutan yang mendekati keadaan sebenarnya. Ukuran plot contoh optimal untuk inventarisasi hutan alam dapat menggunakan ukuran plot 20 m x 100 m untuk kelas diameter ≥ 10 cm dan ≥ 40 cm. Penelitian ukuran dan bentuk plot contoh untuk inventarisasi hutan alam pernah diteliti oleh Netto et al. (2014), hasil penelitian tersebut ukuran plot contoh di hutan alam Araucaria, Sao Joao, Brazil yang paling efisien adalah ukuran plot 600 m2 (0.06 ha) dengan bentuk plot lingkaran. Baraloto et al. (2013) mengkonfirmasi bahwa plot persegi panjang ukuran 0.1 ha dapat memberikan ketelitian pendugaan biomassa hutan tropis yang cukup baik, walaupun kurang efisien dibanding plot ukuran 0.5 ha yang terdiri dari 10 plot masing-masing berukuran 10 x 50 m (disebut dengan istilah modifikasi Gentry plot). Hueteto et al. (2013) meneliti ukuran dan bentuk untuk analisis floristik di hutan tropis dan hutan lebat. Hasil penelitian tersebut, plot persegi dengan ukuran 1000 m2 (0.1 ha) menjadi yang paling efisien. Bagi sebagian besar jenis vegetasi di Queensland, Australia diselidiki plot 500 m2 (0.05 ha) menunjukkan bahwa untuk analisis flora cukup memadai ukuran plot tersebut.

SIMPULAN DAN SARAN

Simpulan

1. Pemilihan ukuran plot untuk pendugaan parameter tegakan dapat ditentukan satu ukuran yang mewakili semua ukuran plot parameter lainnya. Ukuran plot contoh optimal untuk inventarisasi hutan alam dapat menggunakan ukuran plot 20 m x 100 m untuk kelas diameter ≥ 10 cm dan ≥ 40 cm.

2. Ukuran plot contoh untuk study ekologi parameter jumlah spesies dengan luas 1 ha belum mencukupi.

Saran

Penelitian ukuran plot contoh optimal perlu dilakukan penelitian lebih lanjut dengan menggunakan parameter tegakan, ukuran, dan bentuk unit contoh yang berbeda, misalnya lingkaran atau bujur sangkar.

(29)

19

DAFTAR PUSTAKA

Akca A. 1995. Forest Inventory. Institut für Forsteinrichtung und Ertragskunde: Universität Göttingen.

Baraloto C, Molto Q, Rabaud S, Herault B, Valencia R, Blanc L, Fine PVA, Thompson J. 2013. Rapid simultaneous estimation of aboveground biomass and tree diversity across neotropical forests: a comparison of field inventory methods. Biotropica. 45: 288–298.

Barkman JJ. 1989. A critical evaluation of minimum area concepts. Vegetatio. 85: 89–104.

Chave J, Andalo C, Brown S, Cairns MA, Chambers JQ, Eamus D, Folster H, Fromard F, Higuchi N, Kira T et al. 2005. Tree allometry and improved estimation of carbon stocks and balance in tropical forest. Journal of Oecologia. 145: 87-99.

Cochran WG. 1977. Sampling Techniques 3th ed. New York (US): Jhon Wiley and Sons, Inc.

Dietvorst P, Maarel E, Putten H. 1982. A new approach to the minimal area of a plant community. Vegetatio. 50, 77–91.

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

Harbagung. 2009. Penentuan ukuran optimal petak ukur permanen untuk hutan tanaman jati (Tectona grandis Linn. f). Jurnal Penelitian Hutan dan Konservasi Alam: VI.(1): 57-69.

Huang S, Yang Y, Wang Y. 2003. A critical look at procedures for validating growth and yield models. In: Amaro A, Reed D, and Soares P. (eds) Modeling forest systems. CABI Publishing, Guildford: 271-293.

Hueteto G, Romain GK, Vlaere S, Belarmain F, Achille E, Brice S, Rodolphe P. 2014. Effect of inventory plot patterns in the floristic analysis of tropical woodland and dense forest. African Journal of Ecology. 52(3):257-264. Husch B. 1987. Perencanaan Inventarisasi Hutan (diterjemahkan oleh Agus

Setyarso). Jakarta (ID): Universitas Indonesia Press.

Husch B, Beers TW, Kershaw JA. 2003. Forest Mensuration. Fourth Edition. New York (US): John Wiley and Sons, Inc.

Indriyanto. 2010. Ekologi Hutan. Jakarta (ID): Bumi Akasara.

Isdwinanto FM. 2007. Penyusunan model penduga volume pohon jenis Keruing (Dipterocarpus sp.) di IUPHHK-HA PT Salaki Summa Sejahtera, Pulau Siberut, Sumatra Barat [skripsi]. Bogor (ID): Fakultas Kehutanan IPB. Kangas A, Maltamo M. (2007) Forest Inventory: Methodology and Applications.

Dordrecht (NL): Springer.

Kemenhut (Kementerian Kehutanan). 2009. Pedoman Inventarisasi Hutan Menyeluruh Berkala (IHMB) pada Usaha Pemanfaatan Hasil Hutan Kayu pada Hutan Industri. Jakarta (ID): Kementerian Kehutanan Republik Indonesia.

Kenkel N, Podani J. (1991). Plot size and estimation efficiency in plant community studies. J. Veg. Sci. 2: 539–544.

(30)

20

Neldner VJ, Butler DW. 2008. Is 500 m2 an effective plot size to sample floristic diversity for Queensland’s vegetation. Queensland Herbarium. 10(4): 513-519.

Netto SP, Tello CR, Wandresen RR. 2014. Size and shape of sample units in native forest and plantations. Journal of Forestry. 4: 379-389.

Philip MS. 1994. Measuring Trees and Forest. Wallingford: CAB International.. Rasyad R. 2003. Metode Statistik Deskriptif. Jakarta (ID): PT Grasindo.

Roux C, Rieux R. 1981. L’aire minimale des peuplements lich_eniques saxicoles-calcicoles. Vegetatio. 44: 65–76.

Shiver BD, Borders BE. 1996. Sampling Techniques for Forest Resource Inventory. New York (US): Wiley & Sons.

Simon H. 2007. Metode inventore Hutan. Yogyakarta (ID): Pustaka Pelajar. Walpole RE. 1982. Pengantar Statistika Edisi III. Jakarta (ID): PT Gramedia

(31)

21

RIWAYAT HIDUP

Penulis dilahirkan di Cianjur 1 Desember 1993, sebagai anak pertama dari dua bersaudara dari pasangan Bapak Marno S.H dan Ibu Tina Nurlina Ekawati. Memiliki adik bernama Sita Ayu Dwi Lestari. Penulis memulai jenjang pendidikan di Taman Kanak-kanak (TK) YPPI Cianjur lulus pada tahun 2000 kemudian di SD Negeri Palasari Cianjur hingga lulus pada tahun 2006. Penulis melanjutkan jenjang pendidikan sekolah menengah pertama di SMP Negeri 1 Cianjur sampai tahun 2009. Pendidikan menengah atas diselesaikan di SMA Negeri 2 Cianjur pada tahun 2012. Pada tahun yang sama penulis lulus seleksi SNMPTN Undangan dan diterima sebagai mahasiswa Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor.

Selama mengikuti perkuliahan, penulis pernah menjadi Pengurus Himpunan Mahasiswa Manajemen Hutan (FMSC) (2013-2014). Penulis juga aktif berpartisipasi dalam berbagai kepanitiaan kegiatan mahasiswa di Fakultas Kehutanan. Selain itu penulis telah menyelesaikan Praktik Pengenalan Ekosistem Hutan (PPEH) di Pangandaran – Gunung Syawal, Jawa Barat pada tahun 2014, Praktik Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat Sukabumi, KPH Cianjur dan Perusahaan Pabrik Gondorukem dan Terpentin di Bandung, Jawa Barat pada Tahun 2015, Praktik Kerja Lapang (PKL) di PT Inhutani I UMHTI Batu Ampar-Mentawir Kabupaten Samboja Kalimantan Timur selama periode Februari-April 2016.