PENDUGAAN SIMPANAN KARBON TEGAKAN HUTAN TANAMAN INDUSTRI Eucalyptus grandis hybrid MENGGUNAKAN CITRA
LANDSAT 8 DI PT.TOBA PULP LESTARI
RANI ILMA PURBA
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 Pendugaan Simpanan Karbon Tegakan Hutan Tanaman Industri Eucalyptus grandis hybrid Menggunakan Citra Landsat 8 di PT. Toba Pulp Lestari 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, September 2015
Rani Ilma Purba
ABSTRAK
RANI ILMA PURBA. Pendugaan Simpanan Karbon Tegakan Hutan Tanaman Industri Eucalyptus grandis hybrid Menggunakan Citra Landsat 8 di PT.Toba Pulp Lestari. Dibimbing oleh NINING PUSPANINGSIH.
Eucalyptus grandis hybrid merupakan tanaman berkayu yang digunakan
PT. Toba Pulp Lestari sebagai bahan baku pulp dan kertas. Tujuan penelitian adalah mengetahui simpanan karbon yang tersimpan pada hutan tanaman
Eucalyptus grandis hybrid dan merumuskan model untuk menduga nilai karbon
berdasarkan nilai NDVI pada citra landsat 8. Citra landsat 8 merupakan salah satu teknologi penginderaan jauh generasi terbaru yang dapat mengidentifikasi kondisi tutupan lahan. Hasil hubungan data lapangan ( nilai karbon ) dan nilai NDVI diperoleh persamaan model regresi untuk menduga nilai karbon. Model regresi yang terpilih adalah model kuadratik dengan persamaan Y= - 1.38 + 13.5 NDVI2. Hasil pemetaan simpanan karbon berdasarkan model kuadratik diperoleh nilai simpanan karbon yang terdiri dari 3 kriteria yaitu kriteria rendah, sedang, dan tinggi. Kriteria rendah memiliki nilai simpanan kabon berkisar antara 0-19.5 ton/ha seluas 46801.23 ha, kriteria sedang memiliki nilai simpanan karbon berkisar antara 19.5-42.93 ton/ha seluas 77953.23 ha, dan kriteria tinggi memiliki nilai simpanan karbon lebih besar dari 42.93 ton/ha seluas 15450.57 ha.
Kata kunci : Eucalyptus grandis hybrid, NDVI, karbon, model regresi, landsat 8 RANI ILMA PURBA. Carbon Stock Estimation of Eucalyptus grandis hybrid Plantation Forest Industry Stand Using Landsat 8 in PT. Toba Pulp Lestari. Supervised by NINING PUSPANINGSIH.
Eucalyptus grandis hybrid is a woody plant that is used by PT. Toba Pulp Lestari as raw material for pulp and paper. The objective of this study were to determine the carbon stocks stored in Eucalyptus grandis hybrid plantations and formulate the model to estimate carbon value based on NDVI value on Landsat 8 imagery. Landsat 8 imagery is one of the latest generation of remote sensing technology which can identify the condition of land cover. Correlation Results of field data (carbon value) and NDVI values obtained regression model equation for estimate carbon value. Regression models that chosen was quadratic model equation Y = - 1.38 + 13.5 NDVI2. Results of mapping carbon stocks based on quadratic model values obtained that carbon stocks consisted of three criteria: the criteria of low, medium, and high. Low criteria have carbon stock value ranged from 0-19.5 ton / ha is about 46801.23 ha , medium criteria have carbon stocks ranged from 19.5-42.93 ton / ha is about 77953.23 ha, and the high criteria have carbon stocks values greater than 42.93 ton / ha is about 77953.23 ha.
Keywords : Eucalyptus grandis hybrid, NDVI, carbon, regression model, landsat 8
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan
pada
Departemen Manajemen Hutan
PENDUGAAN SIMPANAN KARBON TEGAKAN HUTAN TANAMAN INDUSTRI Eucalyptus grandis hybrid MENGGUNAKAN
CITRA LANDSAT 8 DI PT.TOBA PULP LESTARI
RANI ILMA PURBA
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR BOGOR
PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Kuasa atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan April 2015 ini ialah penginderaan jarak jauh (remote sensing), dengan judul Pendugaan Simpanan Karbon Tegakan Hutan Tanaman Industri Eucalyptus grandis hybrid Menggunakan Citra Landsat 8 di PT.Toba Pulp Lestari.
Terima kasih penulis ucapkan kepada Ibu Dr Nining Puspaningsih MSi selaku pembimbing yang telah memberi arahan dan bimbingan kepada penulis. Terima kasih juga disampaikan kepada PT. Toba Pulp Lestari yang telah memberikan kesempatan dan bimbingan dalam pelaksanaan kegiatan penelitian. Terimakasih juga kepada pihak-pihak dari bidang Perencanaan sektor Aek Nauli dan sektor Tele atas arahan dan bimbingannya. Terakhir, terima kasih disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, September 2015
DAFTAR ISI
DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vi PENDAHULUAN 1 Latar Belakang 1 Perumusan Masalah 2 Tujuan Penelitian 2 Manfaat Penelitian 2 METODE 2Waktu dan Lokasi 2
Bahan dan Alat 3
Prosedur Analisis Data 4
HASIL DAN PEMBAHASAN 10
Kondisi Umum Lokasi Praktek 10
Karakteristik Tegakan Eucalyptus grandis Hybrid 11
Model Penduga Simpanan Karbon 14
Pemetaan Sebaran Simpanan Karbon Hutan Tanaman Industri 17 Akurasi Pemetaan Simpanan karbon Hutan Tanaman Industri 21
SIMPULAN DAN SARAN 22
Simpulan 22
Saran 22
DAFTAR PUSTAKA 22
LAMPIRAN 25
DAFTAR TABEL
1 Karakteristik band Citra Landsat 8 4
2 Nilai estimasi parameter model alometrik untuk menghitung biomassa jenis pohon Eucalyptus grandis 6
3 Model matematika yang digunakan untuk pendugaan karbon 7 4 Analisis ragam untuk regresi sederhana 8
5 Matriks kesalahan ( confussion matrix ) 10
6 Nilai simpanan karbon berdasarkan kelas tahun tanam Eucalyptus grandis 12
7 Kondisi tutupan lahan bervegetasi areal IUPHHK-HTI PT. Toba Pulp Lestari 13
8 Model penduga simpanan karbon di HTI PT. Toba Pulp Lestari 15
9 Hasil uji korelasi dua variabel pada model 15
10 Hasil uji regresi dua variabel pada model 16
11 Hasil validasi model menggunakan Uji Chi-square 17
12 Kriteria nilai simpanan karbon di IUPHHK-HTI PT. Toba Pulp Lestari 20
13 Kriteria nilai simpanan karbon berdasarkan sektor wilayah kerja di IUPHHK - HTI PT. Toba Pulp Lestari 20
14 Hasil pengujian akurasi pemetaan dengan metode confusion matrix 21
DAFTAR GAMBAR
1 Lokasi penelitian di Hutan Tanaman Industri PT.Toba Pulp Lestari 3 2 Klasifikasi NDVI di Hutan Tanaman Industri PT. Toba Pulp Lestari 143 Sebaran simpanan karbon di sektor Aek Nauli 18
4 Sebaran simpanan karbon di sektor Aek Raja 18 5 Sebaran simpanan karbon di sektor Habinsaran 19 6 Sebaran simpanan karbon di sektor Tele 19
DAFTAR LAMPIRAN
1 Hasil rekapitulasi data diameter, NDVI, dan simpanan karbon 252 Hasil perhitungan regresi model linier 26
3 Hasil perhitungan regresi model polinomial Kuadratik 26
4 Hasil perhitungan regresi model kuadratik 27
5 Hasil perhitungan regresi model eksponensial 28
6 Hasil perhitungan regresi model power 28
PENDAHULUAN
Latar Belakang
Hutan sebagai suatu ekosistem memiliki 3 fungsi, yaitu fungsi produksi, fungsi ekologi, dan fungsi sosial. Fungsi ekologi hutan diantaranya adalah pengatur iklim mikro, perlindungan tanah dan air, dan sumber plasma nutfah flora dan fauna (Atmawidjaja 1995 diacu dalam Andreas 2013). Fungsi ekologi lain yang terkait masalah perubahan iklim yang saat ini dihadapi oleh dunia sebagai akibat pemanasan global yaitu sebagai penyimpan karbon. Saat ini, kondisi ketersediaan hutan semakin berkurang akibat adanya pemanfaatan kayu yang bersifat ekploitasi sehingga pemanasan global semakin meningkat. Hal tersebut mengakibatkan terjadinya peningkatan emisi gas karbondioksida dalam atmosfer dan penurunan simpanan karbon dalam hutan.
Salah satu jenis hutan berdasarkan bentuknya adalah hutan tanaman. Hutan tanaman juga berperan penting dalam menyimpan karbon meskipun karbon yang disimpan lebih rendah dibandingkan hutan alam karena hutan tanaman didominasi oleh tanaman yang cenderung monokultur dan tanaman yang berumur muda. Tetapi apabila dilihat dari produktivitasnya dalam menyimpan karbon (per satuan luas dan per satuan waktu) maka ada kemungkinan hutan tanaman akan memiliki kemampuan menyimpan karbon pada tegakannya dalam jumlah yang lebih besar dibandingkan dengan hutan alam karena rotasinya lebih pendek (Badan Litbang Kehutanan 2010).
PT Toba Pulp Lestari, Tbk adalah sebuah perusahaan pulp yang telah mendapatkan izin dari pemerintah berupa izin Hak Pengusahaan Hutan Tanaman Industri (HPHTI) dengan luas ± 188 055 hektar dan hanya sekitar 63 000 hektar saja yang dapat dikembangkan menjadi HTI dengan jenis tanaman
Eucalyptus grandis hybrid yang digunakan sebagai sumber bahan baku. Di
samping itu, PT. Toba Pulp Lestari juga membutuhkan sekitar 1.1 juta meter kubik kayu per tahun untuk menghasilkan lebih kurang 200 ribu ton pulp baik sebagai bahan baku industri kertas maupun bahan baku industri rayon untuk industri tekstil. Dilihat dari peranan hutan dalam penyimpan karbon, informasi mengenai jumlah karbon yang disimpan oleh suatu kawasan hutan menjadi penting.
Simpanan karbon diperoleh dari hasil perhitungan biomassa suatu tegakan melalui kegiatan inventarisasi hutan tanaman industri Eucalyptus grandis hybrid, namun luasan HTI yang cukup besar akan memerlukan biaya, waktu, dan tenaga yang besar jika dilakukan secara sensus (menyeluruh). Salah satu solusi yang diterapkan adalah dengan menggabungkan data kegiatan sampling di lapangan dan penggunaan teknologi penginderaan jauh dari sistem informasi geografis guna memperoleh hasil yang yang efisien, lengkap, dan akurat. Teknologi penginderaan jauh telah banyak digunakan dalam penelitian kondisi tutupan lahan, pendugaan simpanan biomassa hutan, dan pemetaan titik api suatu kawasan. Salah satu teknologi penginderaan jauh yaitu Citra Landsat 7 telah banyak digunakan dalam kegiatan penelitian diantaranya penelitian pemetaan simpanan karbon tegakan hutan alam, hutan rakyat maupun hutan tanaman (Andreas 2013, Butar-butar 2006, Pratama 2012). Citra Landsat 8 merupakan satelit generasi terbaru dari program
2
landsat dan masih belum banyak digunakan dalam kegiatan penelitian, oleh karena itu Citra Landsat 8 diharapkan dapat meningkatkan kemampuan dalam mengidentifikasi tutupan lahan dan pendugaan simpanan karbon. Dalam pendugaan simpanan karbon, citra penginderaan jauh yang digunakan adalah citra NDVI yang menggunakan band Red dan band NIR (Near Infrared). Pada Citra Landsat 8 terjadi pergeseran rentang spektral pada band Red dan NIR. Untuk itu, pada penelitian ini akan dilakukan pendugaan simpanan karbon menggunakan citra NDVI pada Landsat 8.
Perumusan Masalah
Adapun perumusan masalah dari penelitian ini adalah :
1. Adakah hubungan antara nilai indeks vegetasi dengan nilai simpanan karbon dari hasil pengukuran di lapangan?
2. Apakah model terbaik memiliki nilai dugaan karbon yang tidak berbeda nyata dengan nilai perhitungan karbon hasil pengukuran di lapangan?
Tujuan Penelitian
Tujuan penelitian adalah mengetahui simpanan karbon yang tersimpan pada hutan tanaman Eucalyptus grandis hybrid di PT. Toba Pulp Lestari pada tahun tanam 2010-2014 dan merumuskan model terbaik untuk menduga simpanan karbon berdasarkan nilai NDVI dari Landsat 8.
Manfaat Penelitian
Penelitian ini diharapkan memberikan manfaat berupa informasi mengenai peta sebaran simpanan karbon di Hutan Tanaman Industri PT. Toba Pulp Lestari. Rekomendasi peta simpanan karbon juga bermanfaat bagi pihak perusahaan dalam mengelola hutan yang lestari (Sustainable Forest Management).
METODE Waktu dan Lokasi
Penelitian ini dilaksanakan pada bulan April 2015 di Hutan Tanaman Industri PT. Toba Pulp Lestari yaitu di sektor Aek Nauli dan sektor Tele. Lokasi penelitian secara administrasi terletak pada beberapa kabupaten yaitu Kabupaten Simalungun, Humbang Hasundutan, Samosir, Pak-Pak Barat, dan Dairi. Pengolahan dan analisis data dilaksanakan pada bulan Mei sampai dengan Juni 2015 di laboratorium fisik remote sensing dan GIS Fakultas Kehutanan IPB. Peta lokasi penelitian HTI PT. Toba Pulp Lestari disajikan pada Gambar 1.
4
Tabel 1 Karakteristik band Citra Landsat 8
Saluran band Panjang gelombang Resolusi spasial
(µm) (m)
Band 1 – Coastal Aerosol 0.43-0.45 30
Band 2 – Blue 0.45-0.51 30
Band 3 – Green 0.53-0.59 30
Band 4 – Red 0.64-0.67 30
Band 5 – Near Infrared (NIR) 0.85-0.88 30
Band 6 – SWIR 1 1.57-1.65 30
Band 7 – SWIR 2 2.11-2.29 30
Band 8 – Panchromatic 0.50-0.68 15
Band 9 – Cirrus 1.36-1.38 30
Band 10 – Thermal Infrared (TIRS) 1 10.6-11.19 100 Band 11 – Thermal Infrared (TIRS) 2 11.5-12.51 100 Sumber : USGS (2013)
Metode Penelitian
Prosedur analisis data penelitian ini terdiri dari beberapa proses yaitu Pra-pengolahan citra, pengambilan data lapangan, analisis data dengan perhitungan simpanan karbon, uji regresi dan uji korelasi, pemetaan simpanan karbon, dan uji akurasi pemetaan.
Pra Pengolahan Citra
Pra pengolahan citra merupakan proses awal sebelum melakukan kegiatan pengolahan citra. Kegiatan Pra pengolahan citra dalam penelitian ini terdiri dari beberapa proses yaitu Layer Stack, Fusi Citra ( Image Fusion or Pan-Sharpening ), Tranformasi Koordinat Citra, Mosaik Citra ( Mosaic Process ), dan Pemotongan Citra ( Cropping ).
1. Layer Stack
Layer stack merupakan suatu proses menggabungkan beberapa band pada citra menjadi suatu kesatuan. Tujuan dari pengolahan citra ini adalah menghasilkan citra gabungan yang mempunyai kualitas kekontrasan yang baik. 2. Fusi Citra ( Image Fusion or Pan-Sharpening )
Fusi Citra atau Pan-Sharpening merupakan salah satu kegunaan dari IHS (Intensity, Hue, dan Saturation) dalam teknik mendisplay citra. Fusi citra bertujuan untuk mengintegrasikan detail geometri atau spasial dari suatu citra pankromatik beresolusi tinggi dengan citra multispektral rendah. Proses fusi dilakukan oleh band 8 yang memiliki resolusi spasial 15 m x 15 m (pankromatik) dengan band multispektral lainnya (band 1,2,3,4,5,6,7, dan 9). Berdasarkan hasil fusi tersebut akan diperoleh citra yang memiliki resolusi spasial 15 m x 15 m. 3. Tranformasi Koordinat Citra
Tahapan ini mempunyai tujuan yaitu melakukan rektifikasi (pembetulan) atau restorasi (pemulihan) citra agar koordinat citra sesuai dengan koordinat geografi, registrasi posisi citra dengan citra lain atau mentransformasikan sistem
5 koordinat citra multispektral atau citra multitemporal, registrasi citra ke peta atau transformasi sistem koordinat citra ke peta, yang menghasilkan citra dengan sistem proyeksi tertentu (Jaya 2010). Penentuan sistem koordinat, proyeksi dan datum sistem koordinat sesuai dengan lokasi penelitian yaitu Universal Tranverse
Mercator (UTM) zona 47N dengan datum yang digunakan adalah World Geographic System 84 (WGS 84).
4. Mosaik Citra ( Mosaic Process )
Mosaik citra merupakan proses menggabungkan beberapa citra secara bersama membentuk satu kesatuan (satu lembar) yang utuh dari suatu wilayah. Kegiatan mosaik citra memiliki beberapa syarat kondisi yaitu sudah dilakukan koreksi geometrik, mempunyai tingkat kekontrasan yang sama, dan jumlah band dan panjang gelombang dari masing-masing band yang akan dimosaik sama (Jaya 2010).
5. Pemotongan Citra ( Cropping )
Cropping merupakan suatu proses pemotongan atau pembatasan citra yang akan digunakan sehingga sesuai dengan lokasi penelitian. Kegiatan ini dilakukan bertujuan untuk menganalisis dan mengevaluasi suatu lokasi agar sesuai dengan batasan lokasi yang akan diamati.
Pengolahan Citra
Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Pengolahan citra pada penelitian ini adalah pembuatan peta NDVI (Normalized Difference
Vegetation Index). Pembuatan peta NDVI bertujuan untuk memberikan informasi
nilai indeks vegetasi setiap titik pengamatan yang dilakukan. Perhitungan indeks vegetasi tutupan lahan dengan menggunakan NDVI (Normalized Difference
Vegetation Index) merupakan perhitungan dari sinar tampak dan inframerah dekat
yang direfleksikan oleh vegetasi. Klasifikasi nilai piksel untuk NDVI berkisar antara -1 sampai dengan 1 dimana nilai NDVI yang rendah (negatif) mengidentifikasikan wilayah badan air, bebatuan, pasir, dan salju. Nilai NDVI yang tinggi (positif) mengidentifikasikan wilayah vegetasi baik berupa padang rumput, semak belukar, maupun hutan sedangkan nilai NDVI mendekati 0 umumnya mengidentifikasikan lahan kosong (Saputra 2007). Nilai NDVI dapat dihitung dengan menggunakan persamaan:
NDVI = NIR-RED
NIR+RED
Keterangan: NIR : near infrared ( band infra merah dekat) RED : band merah
Pengambilan Data Lapangan
Pengambilan data lapangan kondisi karbon di Hutan Tanaman Industri dilakukan dengan cara inventarisasi hutan. Metode yang digunakan dalam penentuan jumlah contoh di lapangan adalah metode purposive sampling. Pengambilan plot contoh dilakukan berdasarkan tahun tanam 2010-2014 pada satu
6
jenis tanaman dan klasifikasi nilai NDVI dengan luas plot contoh seluas 0.04 ha berbentuk lingkaran. Luas plot yang digunakan sesuai dengan luas plot pada pengukuran tegakan Eucalyptus grandis hybrid di PT. Toba Pulp Lestari. Data yang diperlukan dalam penelitian ini adalah pengukuran diameter pohon setinggi dada (dbh), koordinat titik pusat plot (x,y), dan dokumentasi tegakan berdasarkan tahun tanam. Pengambilan data lapangan dilakukan di dua sektor kerja perusahaan HTI yaitu sektor Aek Nauli dan sektor Tele. Plot contoh yang diambil sebanyak 50 plot contoh yang terdiri dari 14 plot contoh dari sektor Aek Nauli dan 36 plot contoh dari sektor Tele.
Analisis Data
1. Perhitungan biomassa
Perhitungan biomassa yang digunakan menggunakan pendugaan biomassa non destruktif (persamaan alometrik) karena metode ini tidak merusak lingkungan dan dapat dilaksanakan lebih cepat untuk areal hutan yang lebih luas. Model alometrik yang digunakan untuk menghitung biomassa tanaman Eucalyptus
grandis hybrid adalah :
DW = aDb Keterangan :
DW = Estimasi biomassa (kg/pohon) D = Diameter pohon (cm)
a,b = Nilai estimasi parameter yang disajikan pada Tabel 2
Tabel 2 Nilai estimasi parameter model alometrik untuk menghitung biomassa jenis pohon Eucalyptus grandis
No Biomassa pohon Persamaan alometrik R2(%) R2-adj(%) a b
1 Batang 0.0436 2.6883 98.28 98.17 2 Cabang 0.0228 2.0779 82.03 80.90 3 Daun 0.5775 2.5794 73.48 27.47 Sumber : Onrizal, Hartono dan Kusmana 2006
2. Perhitungan simpanan karbon
Brown (1997); Heriansyah et al. (2003); Husch et al. (2003); Losi et al. 2003 diacu dalam Tiryana 2005 mengemukakan bahwa setengah (50%) dari biomassa adalah karbon. Dengan demikian simpanan karbon dapat dihitung melalui perkalian biomassa dengan konsentrasi karbon sebesar 50% tersebut. Penelitian ini dilakukan pada tanaman Eucalyptus yang memiliki simpanan karbon rata-rata adalah sebesar 44.92 % (45%) dengan kisaran 36.72-54.015 ton/ ha dari biomassa (Onrizal, Hartono dan Kusmana 2006). Maka simpanan karbon tanaman dapat diduga dengan rumus:
C = B x 0.45
7 3. Penyusunan model
Peubah yang digunakan dalam penyusunan model adalah peubah bebas dan peubah terikat. Peubah bebas adalah nilai NDVI dan peubah terikat adalah simpanan karbon. Penyusunan model hubungan antara simpanan karbon dan indeks vegetasi menggunakan beberapa model matematika disajikan pada Tabel 3.
Tabel 3 Model matematika yang digunakan untuk pendugaan karbon Jenis model Bentuk model
Linier Y=a+b*NDVI
Kuadratik Y=a+b*NDVI2
Polinomial Kuadratik Y=a+b*NDVI+c*NDVI2
Power Y=a*NDVIb
Eksponensial Y=a*e(b*NDVI)
Sumber : Irianto (2008) Keterangan :
Y = Simpanan karbon
NDVI = Nilai NDVI pada Citra Landsat 8 a,b = Nilai estimasi parameter
4. Pemilihan model terbaik
Pemilihan model terbaik didasarkan atas uji statistika yang dilakukan. Model regresi dipilih berdasarkan nilai uji koefisien determinasi (R2) dan uji koefisien determinasi terkoreksi (R2-adj) yang tinggi serta memiliki nilai simpangan baku yang kecil (Sembiring 1995). Selain itu, model regresi terpilih juga memiliki uji hipotesis yang antar peubah berhubungan nyata dan uji validasi yang antara peubah memiliki kesamaan hasil perhitungan model dengan data lapangan. Kriteria dalam pemilihan model terbaik yaitu:
Uji korelasi (r)
Uji korelasi digunakan untuk melihat hubungan antara simpanan karbon dengan indeks vegetasi. Berikut ini persamaan untuk uji korelasi (r) (Irianto 2008):
r = { ∑ ∑ { ∑ ∑ ∑ ∑ ∑ Keterangan
xi = Nilai NDVI dari unit-unit contoh
yj = Nilai volume tegakan dari unit-unit contoh n = Numlah unit contoh
r = Nilai korelasi
Besarnya koefisien korelasi (r) akan berkisar antara -1 sampai dengan 1. Nilai korelasi negatif menunjukkan hubungan antara dua peubah yang diuji memiliki korelasi negatif yaitu jika salah satu peubah nilainya menurun, maka peubah lainnya akan meningkat. Nilai korelasi positif menunjukkan hubungan antara dua peubah yang diuji memiliki korelasi positif, yaitu jika salah satu peubah nilainya meningkat maka peubah lainnya akan meningkat pula. Sedangkan nilai korelasi 0 menunjukkan hubungan antara dua peubah yang diuji tidak memiliki korelasi. Hipotesisnya adalah :
H0: r = 0, artinya tidak ada korelasi antar dua peubah H1: r ≠ 0, artinya ada korelasi antara dua peubah
8
Keputusan uji korelasi dapat dilihat dari nilai p-value. Keputusan memiliki kriteria yaitu H0 diterima apabila p ≥ α dan H1 diterima apabila p< α, dimana α adalah tingkat nyata sebesar 0.05 dengan selang kepercayaan 95%.
Uji koefisien regresi
Untuk mengetahui pengaruh signifikan koefisien regresi yang dihasilkan dalam pembuatan model terhadap volume tegakan, maka perlu dilakukan pengujian menurut kaidah statistik. Uji koefisien regresi ini dilakukan dengan menggunakan uji-F (uji secara simultan/bersama).
- Pengujian hipotesis
Pengujian hipotesis dilakukan terhadap model untuk mengetahui keberartian hubungan peubah pada citra dengan simpanan karbon. Analisis ragam untuk regresi disajikan pada Tabel 4 (Steel dan Torrie 1991).
Tabel 4 Analisis ragam untuk regresi sederhana
Sumber Db JK KT Fhit
keragaman
Regresi dbr=p-1 JKR=bJHKxy KTR=JKR/dbr KTR/ KTS Sisa dbs=n-p JKS=JKT-JKR KTS=JKS/dbs
Total n-1 JKT=Jky
Ket : p: banyaknya parameter; n: banyaknya plot contoh; db: derajat bebas; JK: jumlah kuadrat; JHKxy: jumlah hasil kali x dan y; Jky: jumlah kuadrat y; KT: kuadrat tengah
Hipotesis yang diuji adalah:
H0 : β1 = 0; peubah terikat Y tidak dipengaruhi oleh peubah bebas X H1 : β1 ≠ 0; peubah terikat Y dipengaruhi oleh peubah bebas X Keterangan : jika F-hit > F-tab maka terima H1
Jika F-hit ≤ F-tab maka terima H0
- Perhitungan koefisien determinasi dan koefisien determinasi tekoreksi Koefisien determinasi (R2) adalah ukuran dari besarnya keragaman peubah tidak bebas yang dapat diterangkan oleh keragaman peubah bebasnya. Perhitungan besarnya koefisien determinasi dimaksudkan untuk melihat tingkat ketelitian dan keeratan hubungan yang dinyatakan dengan rumus (Sembiring 1995):
R2 = { } Keterangan :
R2 = Koefisien determinasi JKR = Jumlah kuadrat regresi JKS = Jumlah kuadrat sisa JKT = Jumlah kuadrat total
9 - Simpangan baku (s)/ Deviasi standard
Deviasi standard atau simpangan baku merupakan ukuran penyebaran
yang paling sering digunakan. Mayoritas nilai data cenderung berada dalam satu deviasi standar dari mean (Harinaldi 2005). Dalam hal ini nilai simpangan baku merupakan akar dari ragam sisaan. Model yang baik memiliki nilai simpangan baku yang kecil. Simpangan baku dapat didefinisikan sebagai berikut (Sembiring 1995):
S2 = JKS ; S =
n-p
Keterangan :
S2 : Ragam sisaan/ rataan kuadrat sisa JKS : Jumlah kuadrat sisa
n : Banyak data contoh p : Parameter
s : Simpangan baku
Uji validasi model (Uji Chi-square/ Uji X2 )
Setelah model terbangun dan secara statistik dapat diterima, maka perlu dilakukan validasi terhadap hasil dari model tersebut dengan menggunakan perhitungan Uji-X2 (Chi-square). Perhitungan Uji-X2 menunjukkan besarnya kecocokan antara hasil perhitungan menggunakan model dengan perhitungan data lapangan aktual. Perhitungan Uji-X2 dapat dirumuskan sebagai berikut (Usman dan Akbar 2009):
X2 = ∑ (Ei-Oi)2
Oi
Keterangan : X2 = Nilai Chi-square Oi = Nilai observasi/ aktual Ei = Nilai ekspetasi/ dugaan Hipotesisnya adalah :
Ho : tidak ada perbedaan antara frekuensi harapan dengan frekuensi observasi H1 : ada perbedaan antara frekuensi harapan dengan frekuensi observasi Keterangan :
Jika X2-hitung < X2-tabel maka terima H0 Jika X2-hitung > X2-tabel maka tolak H0
Pemetaan Simpanan Karbon
Pemetaan simpanan karbon tegakan Eucalyptus grandis hybrid dibuat berdasarkan model terpilih pendugaan simpanan karbon yang sudah tervalidasi. Klasifikasi pemetaan simpanan karbon berdasarkan sebaran nilai NDVI dan kerapatan tajuk di lapangan. Pembuatan peta simpanan karbon di Hutan tanaman Industri PT. Toba Pulp Lestari menggunakan tools model maker pada software
Erdas Imagine 9.1 dan disempurnakan dengan software Arcgis 9.3. Uji Akurasi Pemetaan
Uji akurasi pemetaan dilakukan untuk mengetahui tingkat keterwakilan dan akurasi pembuatan peta simpanan karbon hutan tanaman industri. Uji akurasi pemetaan yang digunakan dalam penelitian ini adalah Kappa acuracy. Akurasi ini menggunakan semua elemen atau kolom dalam matriks (Jaya 2005). Selain itu,
10
dalam kappa acuracy dapat pula dihitung nilai overall acuracy (OA), akurasi pembuat ( producer accuracy ), dan akurasi pengguna ( user’s accuracy ) dari setiap kelas yang telah dibuat ( Tabel 5 ). Perhitungan nilai K, OA, UA, dan PA dapat dirumuskan sebagai berikut (Jaya 2010) :
∑ ∑ ∑ ∑ Keterangan:
= Nilai diagonal dari matrik kontingensi baris ke-i dan kolom ke-i = Jumlah pixel dalam kolom ke-i
= Jumlah piksel dalam baris ke-i N = Banyaknya plot contoh
Tabel 5 Matriks kesalahan ( confussion matrix )
Data acuan Diklasifikasikan ke dalam kelas Producer’s (Training Area) (data kelas di peta) Total baris Accuracy
A B C A X11 X21 X31 X1+ X11/X1+ B X21 X22 X32 X2+ X22/X2+ C X31 X23 X33 X3+ X33/X3+ Total Kolom X+1 X+2 X+3 N User’s Accuracy X11/X+1 X22/X+2 X33/X+3
HASIL DAN PEMBAHASAN
Kondisi Umum Lokasi Praktek
Areal IUPHHK-HTI PT. Toba Pulp Lestari terdiri dari 4 sektor yaitu sektor Aek Nauli, Aek Raja, Habinsaran, dan Tele yang masih dilakukan pengusahaan hutan. Luas areal IUPHHK-HTI PT. Toba Pulp Lestari adalah seluas ± 188 055 ha. Secara geografi, lokasi sektor IUPHHK-HTI tersebut adalah:
- Sektor Aek Nauli : 98O50’00”- 99O10’00” BT
02O40’00’’- 02O50’00” LU - Sektor Habinsaran : 99O05’00”- 99O18’00” BT
02O07’00”- 02O21’00” LU
- Sektor Aek Raja : 98O42’00”- 98O58’00” BT
01O54’00”- 02O15’00” LU - Sektor Tele : 98O20’00”- 98O
50’00” BT 02O15’00”- 02O50’00” LU
Secara administrasi pemerintahan, areal IUPHHK-HTI tersebut tersebar ke dalam beberapa kabupaten dan kecamatan yaitu:
11 - Sektor Aek Nauli : Kabupaten Simalungun (Kecamatan Girsang Sipangan Bolon, Dolok Panribuan, Jorlang Hataran, Hatonduhan, Pematang Sidamanik) dan Kabupaten Asahan (Kecamatan Bandar Pasir Mandoge). - Sektor Habinsaran: Kabupaten Toba Samosir (Kecamatan Silaen,
Habinsaran, Bor-bor, Laguboti) dan Kabupaten Tapanuli Utara (Kecamatan Siborong-borong, Sipahutar)
- Sektor Aek Raja: Kabupaten Tapanuli Utara (Kecamatan Tarutung, Parmonangan, Sipoholon, Pagaran), Kabupaten Humbang Hasundutan (Kecamatan Dolok Sanggul, Sijamapolang), dan Kabupaten Tapanuli Tengah (Kecamatan Sorkam, Pasaribu Tobing, Kolang)
- Sektor Tele : Kabupaten Humbang Hasundutan (Kecamatan Pollung, Parlilitan), Kabupaten Samosir (Kecamatan Harian Boho), Kabupaten Dairi (Kecamatan Parbuluan), dan Kabupaten Pak-Pak Barat (Kecamatan Siempat Rube).
Selain itu, kondisi ketinggian tempat dari keempat sektor berkisar antara lain yaitu sektor Aek Nauli berkisar antara 250-1700 mdpl, sektor Habinsaran berkisar antara 900-1700 mdpl, sektor Aek Raja berkisar antara 700-1700 mdpl, dan sektor Tele berkisar antara 900-1850. Kondisi Iklim di areal IUPHHK-HTI PT. Toba Pulp Lestari adalah tipe iklim A ( sangat basah ) dengan curah hujan rata-rata yang berbeda pada setiap sektor yaitu sektor Aek Nauli memiliki curah hujan rata-rata 238 mm/ bulan, sektor Aek Raja memiliki curah hujan rata-rata 223 mm/ bulan, sektor Habinsaran memiliki curah hujan rata-rata 173 mm/bulan, dan sektor Tele memiliki curah hujan rata-rata 220 mm/bulan. Keadaan penutupan lahan areal PT. Toba Pulp Lestari berdasarkan hasil verifikasi lapangan terhadap penafsiran Citra Landsat tahun 2011 dan 2012 adalah sebagai berikut areal hutan alam bekas tebangan (20.88%), areal yang telah ditanami (31.97%), areal tanah kosong, padang alang-alang dan semak belukar (28.06 %), sarana prasarana (0.98%), dan permukiman, sawah, ladang, kebun, areal, pinjam pakai (18.35%) (IUPHHK-HT PT. Toba Pulp Lestari 2013).
Karakteristik Tegakan Eucalyptus grandis Hybrid
Eucalyptus grandis Hybrid merupakan tanaman berkayu yang ditanam di
areal HTI PT. Toba Pulp Lestari. Eucalyptus grandis Hybrid ini merupakan hasil persilangan antara Eucalyptus grandis dengan Eucalyptus pelita dan Eucalyptus
grandis dengan Eucalyptus urophylla. Tujuan dilakukan persilangan jenis adalah
untuk memperoleh induk unggul yang memiliki batang yang kuat, perakaran serabut, dan pertumbuhan yang cepat. Berdasarkan hasil persilangan tersebut diperoleh hasil kloning yang berbeda-beda dengan ciri masing-masing kloning tidak terlalu signifikan. Pengambilan plot contoh dilakukan berdasarkan tahun tanam 2010-2014 sehingga diperoleh kelas simpanan karbon di HTI tersebut. Pengambilan plot contoh di lapangan dilakukan sebanyak 50 plot contoh yang tersebar pada tahun tanam eukaliptus yang terdiri dari tahun tanam 2010 sebanyak 6 plot, tahun tanam 2011 sebanyak 13 plot, tahun tanam 2012 sebanyak 15 plot, tahun tanam 2013 sebanyak 7 plot, dan tahun tanam 2014 sebanyak 9 plot. Plot contoh pengukuran berbentuk lingkaran dengan luasan 0.04 ha atau diameter 11.28 meter. Penentuan jumlah plot contoh didasarkan atas luas masing-masing tahun tanam dari dua sektor yaitu sektor Aek Nauli dan sektor Tele. Berdasarkan
12
hasil pengukuran lapangan terhadap diameter pohon, diperoleh nilai biomassa suatu tegakan per ha dengan rumus alometrik tanaman Eucalyptus grandis yang berasal dari hasil penelitian Onrizal, Hartono dan Kusmana (2006) pada lokasi yang sama. Hasil dari biomassa tersebut dikonversikan menjadi karbon dan mengalikan dengan nilai rata-rata karbon (%) di lokasi penelitian yang sama . Berdasarkan hasil perhitungan nilai simpanan karbon di HTI PT. Toba Pulp Lestari diperoleh nilai karbon tanaman Eucalyptus grandis pada tahun tanam 2010-2014 berkisar antara 1.53 – 52.75 ton/ha yang terdapat pada Lampiran 1. Nilai rata-rata diameter, kerapatan pohon dan simpanan karbon berdasarkan tahun tanam tanaman Eucalyptus grandis hybrid disajikan pada Tabel 6.
Tabel 6 Nilai simpanan karbon berdasarkan kelas tahun tanam tanaman Eucalyptus grandis hybrid di PT. Toba Pulp Lestari pada tahun 2015 Tahun Rata-rata Kerapatan Rata-rata Rata-rata Rata-rata Tanam diameter (pohon/ha) biomassa karbon karbon model
(cm) (ton/ha) (ton/ha) (ton/ha) 2014 3.97 1613 6.33 2.84 6.62 2013 8.23 1617 30.09 13.54 17.52 2012 10.70 1550 53.15 23.92 23.42 2011 12.05 1430 68.10 30.64 33.43 2010 13.32 1354 85.93 38.66 39.77 Sumber : pengukuran data lapangan tahun 2015
Tabel 6 menunjukkan bahwa nilai biomassa berbanding lurus dengan nilai simpanan karbon. Hal tersebut sesuai dengan Onrizal (2004) yang mengemukakan bahwa semakin tinggi biomassa vegetasi tersebut maka simpanan karbon juga semakin tinggi. Pertambahan nilai diameter juga menyebabkan nilai karbon semakin tinggi. Hal tersebut sesuai dengan penelitian Dahlan (2005) bahwa total simpanan karbon juga sangat dipengaruhi oleh diameter pohon dan kerapatan akan tetapi faktor kerapatan tidak memberikan total simpanan karbon yang besar apabila diameter pohonnya kecil. Berdasarkan tahun tanam tegakan Eucalyptus
grandis hybrid diperoleh nilai karbon yang paling tinggi pada tahun tanam 2010
sebesar 38.66 ton/ha sedangkan nilai karbon yang paling kecil pada tahun 2014 sebesar 2.84 ton/ha. Selain itu terlihat bahwa nilai karbon pada tahun tanam 2010-2012 tidak berbeda secara signifikan. Hal ini sesuai dengan penelitian dari Pratama (2012) bahwa pada kelas umur 4 tahun dan 3 tahun tidak terjadi perbedaan nilai karbon yang signifikan dikarenakan pada tegakan dilakukan perawatan dan pemeliharaan secara bertahap baik dari perlindungan hutan maupun serangan hama dan penyakit tanaman. Tabel 6 juga menjelaskan bahwa nilai rata-rata karbon dari hasil pengukuran lapangan tidak berbeda nyata dengan nilai rata-rata karbon dari hasil perhitungan model sehingga simpanan karbon di HTI PT. Toba Pulp Lestari dapat dipetakan.
Selain data aktual yang diperoleh dari plot contoh pengukuran, setiap plot contoh juga memiliki nilai indeks vegetasi (NDVI) yang berbeda-beda dari citra satelit. Hal ini dikarenakan kondisi tutupan tajuk berdasarkan kelas umur tanaman terdiri dari kerapatan tajuk rendah, sedang, dan tinggi. Nilai NDVI Hutan Tanaman Industri PT. Toba Pulp Lestari berkisar antara 0.28-0.50 yang terlampir pada Lampiran 1. Kisaran nilai NDVI tersebut merupakan objek yang bervegetasi.
13 Nilai indeks vegetasi yang tinggi memberikan gambaran bahwa di areal yang diamati terdapat vegetasi dengan tingkat kehijauan yang tinggi seperti areal hutan dan lebat. Sebaliknya nilai indeks vegetasi yang rendah merupakan indikator bahwa lahan yang dipantau mempunyai tingkat kehijauan yang rendah, lahan dengan vegetasi jarang atau bukan objek vegetasi (Arhatin 2007). Nilai NDVI tanaman Eukaliptus dilihat dari satu titik pusat pengamatan plot contoh. Data NDVI akan menjadi variabel (peubah bebas X) untuk menduga simpanan karbon di citra satelit sesuai dengan model yang sudah teruji. Kondisi tutupan lahan bervegetasi di areal IUPHHK-HTI akan disajikan pada Tabel 7.
Tabel 7 Kondisi tutupan lahan bervegetasi areal IUPHHK-HTI PT. Toba Pulp Lestari
Rata-rata Tampilan citra Tampilan lapang Keterangan nilai NDVI 0.35 Tahun tanam 2014 0.396 Tahun tanam 2013 0.406 Tahun tanam 2012 0.428 Tahun tanam 2011 0.44 Tahun tanam 2010
15 Tabel 8 Model penduga simpanan karbon di HTI PT. Toba Pulp Lestari No. Jenis model Model persamaan regresi
1 Model Linier Y = - 3.53 + 10.9 NDVI
2 Model Polinomial Kuadratik Y = -0.25-5.6 NDVI + 20.3 NDVI2
3 Model Kuadratik Y= - 1.38 + 13.5 NDVI2
4 Model Eksponensial Y= 0.000363*e (18.3*NDVI)
5 Model Power Y= 478.1861*NDVI7.34
Berdasarkan model yang sudah terbentuk maka dilakukan analisis statistik yaitu uji koefisien korelasi, uji koefisien regresi, dan uji validasi. Hasil analisis statistik ini digunakan untuk memilih model terbaik yang akan digunakan untuk pemetaan simpanan karbon di areal IUPHHK-HTI PT. Toba Pulp Lestari.
Uji koefisien korelasi
Ada atau tidaknya hubungan antara peubah X (NDVI) dan peubah Y (simpanan karbon) digambarkan oleh koefisien korelasi (r). Nilai r tersebut dapat pula diartikan sebagai tingkat kekuatan hubungan antara dua variabel atau lebih (besarnya kontribusi yang diberikan oleh variabel yang mempengaruhi) (Supangat 2010) . Hasil korelasi dari kedua variabel X dan Y disajikan pada Tabel 9.
Tabel 9 Hasil uji korelasi dua variabel pada model
Karbon NDVI NDVI2
Karbon 1 0.829 0.833 NDVI 0.829 1 0.996 NDVI2 0.833 0.996 1
Berdasarkan hasil uji korelasi di atas menggambarkan bahwa korelasi yang paling tinggi adalah korelasi antara peubah X (NDVI dan NDVI2) sebesar 0.996. Hal ini menjelaskan bahwa antara peubah X tersebut memiliki hubungan yang sangat kuat. Begitupun hubungan antara peubah X dan peubah Y memiliki nilai korelasi sebesar 0.829 dan 0.833. Ini membuktikan bahwa dalam pembentukan model, peubah X sudah dapat digunakan untuk menduga nilai Y tanpa harus menambah peubah yang lain. Hal ini juga berpengaruh terhadap kesalahan standar yaitu apabila koefisien korelasi sangat besar maka kesalahan standar akan sangat kecil karena secara prinsip nilai dari koefisien korelasi dan kesalahan standar ternyata mempunyai kesamaan yang sama yaitu merupakan ukuran untuk menyatakan tingkat kekuatan hubungan antara nilai sesungguhnya atau nilai pengamatan terhadap nilai dugaan (Supangat 2010). Selain nilai korelasi, uji korelasi juga menghasilkan nilai p-value sebesar 0. Ini menjelaskan bahwa apabila nilai p-value < α (α = 0.05) maka uji tolak H0 yang berarti terdapat korelasi antara kedua peubah. Korelasi antara dua variabel ini termasuk korelasi positif yaitu perubahan variabel X diikuti oleh perubahan variabel Y secara searah.
Uji koefisien regresi
Pengujian selanjutnya dilakukan dengan menguji koefisien regresi yang terdiri dari koefisien determinasi, simpangan baku dan uji hipotesis. Berikut hasil uji dari nilai koefisien regresi yang disajikan pada Tabel 10.
16
Tabel 10 Hasil uji regresi dua variabel pada model
No. Model persamaan regresi R2 R2-adj s F-hit F-tab 1 Y = - 3.53 + 10.9 NDVI 79.7% 78.9% 0.26 109.62 4.195 2 Y = -0.25-5.6 NDVI + 20.3 NDVI2 81.2% 79.8% 0.26 58.36 4.195 3 Y= - 1.38 + 13.5 NDVI2 81% 80.4% 0.25 119.65 4.195 4 Y= 0.000363*e (18.3*NDVI) 76.2% 75.4% 0.49 89.80 4.195 5 Y= 478.1861*NDVI7.34 78.5% 77.7% 0.47 102.20 4.195 *
Keterangan: R2: koefisien determinasi, R2-adj: koefisien determinasi terkoreksi, s: simpangan baku, F-hit: nilai uji F-hitung, F-tab: nilai F-tabel pada tingkat kepercayaan 95% (α = 0.05)
Berdasarkan hasil analisis regresi pada Tabel 10 diperoleh nilai koefisien determinasi, koefisien determinasi terkoreksi, simpangan baku, dan uji F-hitung serta F-tabel. Hasil dari nilai uji koefisien determinasi diperoleh nilai R2 terbesar yaitu pada model polinomial kuadratik sebesar 81.2% selanjutnya diikuti dengan model kuadratik sebesar 81%. Tetapi hasil dari uji R2-adj diperoleh nilai tertinggi dari model kuadratik sebesar 80.4% diikuti dengan model polinomial kuadratik sebesar 79.8%. Berdasarkan hal tersebut, koefisien determinasi terkoreksi yang memiliki nilai tertinggi mewakili kriteria pemilihan model terbaik yaitu model kuadratik sebesar 80.4%. Hasil koefisien determinasi tersebut menjelaskan bahwa 80.4% keragaman variabel Y dapat dijelaskan oleh keragaman X atau 80.4% variabel X memberikan kontribusi terhadap variabel Y. Jadi semakin tinggi nilai koefisien determinasi maka semakin tinggi pula kemampuan model regresi menjelaskan variasi variabel terikat.
Selanjutnya kriteria nilai simpangan baku, berdasarkan hasil uji regresi diperoleh nilai simpangan baku terkecil pada model kuadratik sebesar 0.25. Hal ini menunjukkan bahwa penyimpangan nilai pengamatan dari model yang lain kurang beragam. Jadi semakin besar nilai s maka penyimpangan nilai pengamatan terhadap model semakin beragam.
Uji terakhir yaitu uji hipotesis. Berdasarkan hasil uji F-hitung dan F-tabel bahwa nilai F-hitung lebih besar dari nilai F-tabel (F-hitung>F-tabel) dengan selang kepercayaan 95% (α = 0.05) maka dapat disimpulkan bahwa hasil perhitungan uji hipotesis tolak H0 yaitu ada hubungan regresi yang nyata antara peubah X (NDVI) dan peubah Y (simpanan karbon).
Uji Validasi (Uji Chi-square)
Tujuan uji validasi adalah membandingkan antara fakta yang diperoleh berdasarkan hasil observasi dan fakta yang didasarkan secara teoritis (yang diharapkan) (Supangat 2010). Uji validasi yang dilakukan adalah pengujian terhadap perhitungan hasil model regresi dengan perhitungan hasil data lapangan (aktual). Perhitungan hasil model regresi menggunakan sebaran nilai NDVI dari setiap plot contoh di lapangan. Nilai NDVI diperoleh dari deteksi oleh citra satelit terhadap titik pusat setiap plot contoh. Sedangkan perhitungan hasil data lapangan menggunakan rumus alometrik tegakan Eucalyptus grandis dari hasil pengukuran diameter pohon. Berikut hasil uji validasi yang disajikan pada Tabel 11.
17 Tabel 11 Hasil validasi model menggunakan uji Chi-square
No. Model Persamaan Regresi X2-hitung X2-tabel 1 Y = - 3.53 + 10.9 NDVI 6.97 30.14 2 Y = -0.25-5.6 NDVI + 20.3 NDVI2 6.44 30.14 3 Y= - 1.38 + 13.5 NDVI2 6.57 30.14 4 Y= 0.000363*e (18.3*NDVI) 6.35 30.14 5 Y= 478.1861*NDVI7.34 6.23 30.14
Berdasarkan hasil perhitungan uji validasi menunjukkan bahwa nilai X2 -hitung < X2-tabel dengan selang kepercayaan 95% yang menyatakan bahwa hasil uji terima H0 berarti adanya kecocokan antara hasil model regresi dengan hasil data lapangan (aktual) atau hasil model regresi tidak berbeda nyata dengan hasil data lapangan (aktual). Oleh karena itu, model regresi yang dibentuk dapat digunakan untuk menduga simpanan karbon di lokasi Hutan Tanaman Industri PT. Toba Pulp Lestari.
Model Persamaan Regresi Terpilih
Model persamaan regresi terpilih dengan beberapa kriteria yaitu memiliki simpangan baku yang kecil, memiliki R2 dan R2-adj yang besar dan nilainya tidak berbeda jauh, memiliki uji hipotesis yang antara kedua variabel saling berhubungan (berpengaruh satu sama lain), dan uji validasi yang hasil perhitungan model regresi tidak berbeda nyata dengan hasil perhitungan data lapangan. Berdasarkan kriteria tersebut, model persamaan regresi yang terpilih adalah model kuadratik dengan persamaan model Y= - 1.38 + 13.5 NDVI2karena model kuadratik memiliki simpangan baku terkecil sebesar 0.25; memiliki nilai R2 dan R2-adj yang tidak berbeda jauh yaitu 81% dan 80.4% meskipun model kuadratik tidak memiliki nilai R2 tertinggi tetapi memiliki nilai R2-adj tertinggi dan perbedaan nilai R2 dan R2-adj tidak terlalu signifikan; saling berpengaruh antara dua variabel dan memiliki kecocokan antara hasil model regresi dan hasil data lapangan. Sehingga model kuadratik dapat digunakan untuk pemetaan dan pendugaan simpanan karbon di HTI PT. Toba Pulp Lestari.
Pemetaan Sebaran Simpanan Karbon Hutan Tanaman Industri Model yang sudah terpilih yaitu model kuadratik selanjutnya digunakan untuk pemetaan simpanan karbon di Hutan Tanaman Industri PT. Toba Pulp Lestari. Pemetaan simpanan karbon dilakukan di seluruh areal IUPHHK-HTI PT. Toba Pulp Lestari yang terdiri dari 4 sektor yaitu sektor Aek Nauli, sektor Aek Raja, sektor Habinsaran, dan sektor Tele. Berdasarkan pemetaan model regresi terpilih diperoleh 4 kelas simpanan karbon HTI yaitu non vegetasi, simpanan karbon dengan kelas rendah, simpanan karbon dengan kelas sedang, dan simpanan karbon dengan kelas tinggi, dengan masing-masing kelas dihitung luasnya. Hasil pemetaan simpanan karbon di seluruh areal HTI akan disajikan pada Gambar 3 sampai dengan Gambar 6. Selain itu, kriteria nilai simpanan karbon di seluruh areal kerja PT. Toba Pulp Lestari disajikan pada Tabel 12 dan kriteria nilai simpanan karbon berdasarkan sektor wilayah kerja disajikan pada Tabel 13 .
20
Tabel 12 Kriteria nilai simpanan karbon di IUPHHK-HTI PT. Toba Pulp Lestari No. Simpanan Karbon (ton/ha) Luas (ha) Luas (%) Kriteria 1 0 43647.09 23.74 Non Vegetasi 2 > 0 – 19.5 46801.23 25.4 Rendah 3 > 19.5 – 42.93 77953.23 42.39 Sedang 4 >42.93 15450.57 8.4 Tinggi Tabel 13 Kriteria nilai simpanan karbon berdasarkan sektor wilayah kerja di
IUPHHK-HTI PT. Toba Pulp Lestari
No. Simpanan Karbon Luas (ha)
(ton/ha) Aek Nauli Aek Raja Tele Habinsaran 1 0 5317.58 2807.90 6142.66 7997.08 2 > 0 – 19.5 7483.00 12187.59 17966.26 9152.07 3 > 19.5 – 42.93 7024.97 26695.96 35359.83 8860.38 4 >42.93 552.83 4090.66 10058.65 748.68 Tabel 12 menjelaskan bahwa kriteria sedang memiliki total simpanan karbon yang paling besar yaitu berkisar antara >19.5-42.93 ton/ha dengan persentase luas 42.39% sedangkan total simpanan karbon yang paling rendah adalah kriteria tinggi sebesar >42.93 ton/ha dengan persentase luas 8.4%. Hal ini disebabkan kelas kelas umur tanaman 5 tahun sudah banyak dilakukan penebangan sehingga mengurangi nilai biomassa suatu tegakan. Hasil pada Tabel 12 dijabarkan pada Tabel 13 menurut kriteria simpanan karbon yang terdapat pada keempat sektor yaitu sektor Aek Nauli, Habinsaran, Aek Raja, dan Tele. Tabel 13 menjelaskan bahwa nilai simpanan karbon tinggi pada kriteria kelas sedang tidak menyebar merata pada keempat sektor. Sektor Aek Nauli dan Sektor Habinsaran memiliki nilai simpanan karbon tinggi pada kriteria kelas rendah. Namun perbedaan luas areal yang menyimpan karbon antara kriteria kelas sedang dan kriteria kelas rendah tidak signifikan sehingga hasil kumulatif kriteria kelas simpanan karbon yang memiliki simpanan karbon paling tinggi adalah kelas sedang.
Menurut Rauf (2011), biomassa dan karbon total tegakan (vegetasi) dalam suatu kawasan atau unit lahan menggambarkan berapa besar kemampuan kawasan tersebut dalam menyerap (menambat) CO2 dari udara dan sekaligus menggambarkan energi tersimpan (potensial) yang berada atau dimiliki oleh kawasan atau unit lahan tersebut. Semakin lebat vegetasi suatu kawasan, akan semakin tinggi kemampuan penambatan CO2 udara dan energi tersimpan dalam kawasan itu, demikian sebaliknya. Penelitian yang telah dilakukan menunjukkan bahwa jenis tanaman Eucalyptus grandis hybrid pada hutan tanaman industri (HTI) PT Toba Pulp Lestari cukup memberikan kontribusi terhadap penyerapan gas rumah kaca khususnya gas CO2 dari udara. Berdasarkan hasil penelitian pemetaan simpanan karbon di hutan alam (Andreas 2013) bahwa hutan alam menyimpan karbon rata-rata sebesar 200 ton/ha. Meskipun karbon yang disimpan tidak sebesar pada hutan alam tetapi dari hasil penelitian ini Hutan Tanaman Industri mampu menyimpan karbon hingga mencapai 42.93 ton/ha setiap rotasi. Menurut Brown dan Gaton dalam Salim (2005) bahwa karbon merupakan komponen penting dalam penyusunan biomassa tanaman yang dilakukan dalam proses fotosintesis. Umumnya biomassa terdiri dari 45-50 % karbon. Biomassa
21 tanaman yang paling banyak menyerap karbon adalah batang. Sehingga HTI berbagai kelas umur dengan pertumbuhan diameter yang cukup besar berkisar antara 2-18cm dapat menghasilkan simpanan karbon yang cukup besar pula.
Akurasi Pemetaan Simpanan Karbon Hutan Tanaman Industri
Pengujian akurasi pemetaan dilakukan dengan supervised classification (klasifikasi terbimbing). Pengujian akurasi ini bertujuan untuk mengetahui ketelitian dari hasil klasifikasi. Akurasi sering dianalisis menggunakan suatu matriks kontingensi yaitu suatu matrik bujur sangkar yang memuat jumlah piksel yang diklasifikasi. Matrik ini sering disebut dengan error matrix atau confusion
matrix (Jaya 2010). Pengujian akurasi pemetaan ini menggunakan metode confusion matrix. Berikut hasil dari pengujian akurasi pemetaan yang disajikan
pada Tabel 14.
Tabel 14 Hasil pengujian akurasi pemetaan dengan metode confusion matrix Data K_rendh K_sedang K_tinggi Non_htn row total UA (%) K_ rendah 244 8 0 0 252 96.82 K_sedang 0 352 0 0 352 100 K_tinggi 0 2 533 0 535 99.62 Non_htn 4 0 0 667 671 99.40 Kolom Total 248 362 533 667 1810 PA (%) 98.38 97.23 100 100 *keterangan : UA = User’s Accuracy ; PA = Producer’s Accuracy
Berdasarkan Tabel 14 bahwa data hasil uji akurasi dapat menghitung besarnya user’s accuracy, producer’s accuracy, dan overall accuracy. User’s
accuracy (akurasi pengguna) adalah akurasi yang diperoleh dengan membagi
jumlah piksel yang benar dengan total piksel dalam kolom. Producer’s accuracy (akurasi pembuat) adalah akurasi yang diperoleh dengan membagi piksel yang benar dengan jumlah total piksel training area per kelas. Hasil user’s accuracy pada Tabel 14 menunjukkan bahwa nilai terbesar terdapat pada klasifikasi menurut kelas simpanan karbon sedang sebesar 100% sedangkan nilai terkecil terdapat pada klasifikasi kelas simpanan karbon rendah sebesar 96.82%. Hasil
producer’s accuracy menunjukkan bahwa nilai terbesar terdapat pada kelas
simpanan karbon tinggi dan non vegetasi sebesar 100% sedangkan nilai terkecil terdapat pada kelas simpanan karbon sedang sebesar 97.23%. Untuk mengetahui keseluruhan akurasi maka digunakan uji akurasi umum (overall accuracy). Berdasarkan hasil perhitungan uji akurasi umum diperoleh nilai akurasi umum sebesar 99.22% yang menggambarkan bahwa uji akurasi pemetaan ini sudah memenuhi syarat minimal tingkat ketelitian pemetaan menggunakan penginderaan jauh sebesar 85%. Akan tetapi, akurasi ini umumnya overestimate sehingga jarang digunakan sebagai indikator yang baik untuk pengklasifikasian karena hanya menggunakan piksel yang terletak pada diagonal suatu matrik kontingensi. Oleh karena itu, pengujian akurasi dilakukan lagi dengan menggunakan kappa
accuracy. Tabel 14 menunjukkan bahwa diperoleh nilai uji kappa accuracy
sebesar 98.92%. Hasil uji kappa accuracy menjelaskan bahwa hasil uji akurasi klasifikasi pemetaan cukup tinggi sehingga peta simpanan karbon tersebut dapat digunakan.
22
SIMPULAN DAN SARAN Simpulan
Pendugaan simpanan karbon aktual berdasarkan tahun tanam 2010-2014 di Hutan Tanaman Industri PT. Toba Pulp Lestari diperoleh nilai karbon pada tahun 2010 sebesar 38.66 ton/ha, nilai karbon pada tahun tanam 2011 sebesar 30.64 ton/ha, nilai karbon pada tahun tanam 2012 sebesar 23.92 ton/ha, nilai karbon pada tahun tanam 2013 sebesar 13.54 ton/ha dan nilai karbon pada tahun tanam 2014 sebesar 2.84 ton/ha. Model penduga karbon yang terpilih adalah model persamaan kuadratik yaitu Y= - 1.38 + 13.5 NDVI2. Berdasarkan hasil uji korelasi menjelaskan bahwa nilai NDVI dan simpanan karbon memiliki hubungan (saling berpengaruh) dengan nilai korelasi lebih dari 0,8. Hasil uji validasi menunjukkan bahwa X2-hitung < X2-tabel berarti adanya kecocokan antara hasil model regresi dengan data lapangan. Model penduga karbon yang terpilih menghasilkan peta simpanan karbon yang terdiri dari 3 kriteria yaitu kriteria rendah, sedang, dan tinggi. Kriteria rendah memiliki nilai simpanan kabon berkisar antara 0-19.5 ton/ha, kriteria sedang berkisar antara 19.5-42.93 ton/ha, dan kriteria tinggi lebih besar dari 42.93 ton/ha.
Saran
1. Diperlukan pengambilan contoh yang lebih banyak dan terwakili agar hasil uji statistik lebih besar dan lebih akurat.
2. Diperlukan pendugaan simpanan karbon berdasarkan hasil kloning tegakan
Eucalyptus grandis hybrid.
DAFTAR PUSTAKA
Andreas C. 2013. Pemetaan Stok Karbon Tegakan Hutan Menggunakan citra Landsat ETM+ di PT. Sarmiento Parakantja Timber Kalimantan Tengah [Skripsi]. Bogor (ID) : Departemen Manajemen Hutan Fakultas Kehutanan IPB.
Arhatin RE. 2007. Pengkajian Algoritma Indeks Vegetasi dan Metode Klasifikasi Mangrove dari Data Satelit Landsat-5 TM dan Landsat-7 ETM+ : Studi Kasus di Kabupaten Berau, Kalimantan Timur [Tesis]. Bogor (ID) : Program Pascasarjana Institut Pertanian Bogor.
Badan Litbang Kehutanan. 2010. Cadangan Karbon Pada Berbagai Tipe Hutan dan Jenis Tanaman di Indonesia. Kementrian Kehutanan Badan Penelitian dan Pengembangan Kehutanan Pusat Penelitian dan Pengembangan Perubahan Iklim dan Kebijakan.
Butar-butar N. 2006. Pendugaan Cadangan Karbon Hutan Tanaman Eucalyptus
grandis Tahun Tanam 2004 dan 2005 di Areal HPHTI PT TPL Sektor Aek
Nauli Menggunakan Citra Landsat TM [skripsi]. Medan (ID) : Program Sarjana Universitas Sumatera Utara.
Dahlan. 2005. Estimasi Karbon Tegakan Acacia mangium willd Menggunakan Citra Landsat ETM+ dan Spot-5: Studi Kasus di BKPH Parung Panjang
23 KPH Bogor [Tesis]. Bogor (ID) : Program Pascasarjana Institut Pertanian Bogor.
Harinaldi. 2005. Prinsip-Prinsip Statistika Untuk Teknik dan Sains. Jakarta (ID) : Penerbit Erlangga
IUPHHK-HT PT. Toba Pulp Lestari. 2013. Revisi Rencana Kerja Umum Usaha Pemanfaatan Hasil Hutan Kayu Hutan Tanaman Industri Periode Tahun 2010 sampai dengan 2019.
Irianto A. 2008. Statistik: Konsep Dasar dan Aplikasinya. Jakarta (ID) : Kencana Prenada Media Group.
Jaya INS. 2005. Analisis Citra Digital. Bogor (ID) : Laboratorium Inventarisasi Sumber Daya Hutan. Fakultas Kehutanan IPB.
Jaya INS. 2010. Teori dan Praktik menggunakan Erdas Imagine. Bogor (ID) : Laboratorium Fisik Remote Sensing dan GIS Fakultas Kehutanan IPB. [NASA] National Aeronautics and Space Administration (US). 2011. Lansat Data
Continuity Mission [internet]. [diunduh 16 Mei 2015 ]. Tersedia pada http://ldcm.gsfc.nasa.gov/.
Onrizal. 2004. Model Penduga Biomassa dan Karbon Tegakan Hutan Kerangas di Taman Nasional Danau Sentarum, Kalimantan Barat [Tesis]. Bogor (ID) : Institut Pertanian Bogor.
Onrizal, R Hartono, & C Kusmana. 2006. Simpanan karbon biomassa hutan tanaman Eucalyptus grandis di Sumatera Utara. Jurnal Penelitian Hutan dan Konservasi Alam.
Pratama TD. 2012. Pemetaan Potensi Simpanan Karbon Hutan Tanaman Industri Eucalyptus grandis di Hutan Tanaman Industri PT. Toba Pulp Lestari, Tbk Sektor Aek Nauli [Skripsi]. Medan (ID) : Universitas Sumatera Utara.
Rauf A. 2011. Potensi Sistem Agroforestri Dalam Mitigasi Emisi Gas Rumah Kaca Ditinjau Dari Total Biomassa Dan Penambatan Karbon. Prosiding;
Simposium Nasional Perubahan Iklim Indonesia, Kerjasama Antara: Lembaga Penelitian Universitas Sumatera Utara dengan Deputi III Kementrian Lingkungan Hidup Bidang Pengendalian kerusakan Lingkungan dan Perubahan Iklim. Medan
Saputra GR. 2007. Model Penduga Potensi Hutan Rakyat Menggunakan Citra Aster dan Sistem Informasi Geografis di beberapa Wilayah Kabupaten Bogor Bagian Barat [Skripsi]. Bogor (ID) : Departemen Manajemen Hutan Fakultas Kehutanan IPB.
Saefurahman G. 2008. Distribusi, Kerapatan dan Perubahan Luas Vegetasi Mangrove Gugus Pulau Pari Kepulauan Seribu Menggunakan Citra Formosat 2 dan Landsat 7 ETM+ [Skripsi]. Bogor (ID) : Program Sarjana Institut Pertanian Bogor.
Sembiring. 1995. Analisis Regresi. Bandung (ID) : Penerbit ITB.
Supangat A. 2010. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta (ID) : Kencana Prenada Media Group.
Salim. 2005. Profil Kandungan Karbon Pada Tegakan Puspa (Schima wallichii Korth.) [Tesis]. Bogor (ID) : Sekolah Pascasarjana Institut Pertanian
Bogor.
Steel Robert GD dan Torrie James H. 1991. Prinsip dan Prosedur Statistika. Jakarta (ID) : PT. Gramedia Pusaka Utama.
24
Tiryana T. 2005. Pengembangan Metode Pendugaan Sebaran Potensi Biomassa dan Karbon pada Hutan Tanaman Mangium (Acacia mangium Willd.).
Laporan Hasil Penelitian Dosen Muda IPB. Bogor (ID) : Departemen
Manajemen Hutan Fakultas Kehutanan IPB.
[USGS] United States Geological Survey. 2013. Frequently Asked Questions about the Landsat Missions [Internet]. [diacu 16 Mei 2015]. Tersedia pada: http://Landsat.usgs.gov/band_designations_ Landsat_satellites.php.
Usman H dan Akbar RPS. 2009. Pengantar Statistika. Jakarta (ID) : PT. Bumi Aksara.
25
LAMPIRAN
Lampiran 1 Hasil rekapitulasi data diameter, NDVI, dan simpanan karbon
Nama
plot koord. X koord. Y NDVI
karbon/ plot karbon (ton/ha) M002 454072 273785 0,28 0,06 1,53 M184 451145 274842 0,336 0,07 1,81 F258 507347 298601 0,347 0,10 2,50 M022 452459 272465 0,348 0,09 2,49 C192 497601 301830 0,349 0,11 2,87 M177 450199 275430 0,349 0,12 3,23 D108 502464 298688 0,361 0,14 3,51 M020 451075 271109 0,388 0,15 3,92 O001 450048 270193 0,42 0,14 3,72 C148 501394 304536 0,387 0,54 13,61 D059 503019 300431 0,387 0,53 13,38 B003 493045 301687 0,391 0,29 7,32 C033 443594 280617 0,393 0,58 14,60 Q017 453639 264899 0,394 0,50 12,73 E109 456403 275480 0,398 0,62 15,58 R001 458614 265336 0,425 0,70 17,56 F218 508688 299829 0,377 0,75 18,99 C008 446646 280434 0,388 0,85 21,43 M065 447055 275811 0,39 0,74 18,58 C053 444304 281252 0,395 0,93 23,38 D045 449080 278513 0,395 0,86 21,66 D142 501082 296474 0,398 0,89 22,25 C055 445391 282859 0,4 0,99 24,88 C037 442562 281089 0,401 0,91 22,78 B055 442475 284946 0,407 1,16 29,22 C069 445628 281866 0,408 0,90 22,58 B062 490259 302057 0,413 0,69 17,27 A001 441522 285084 0,414 1,01 25,42 B009 444994 283764 0,419 1,24 31,05 B017 444413 283826 0,424 1,27 31,97 F009 461706 274895 0,466 1,09 27,26 L017 454925 264984 0,375 0,89 22,30 L123 451115 266544 0,396 1,03 25,88 F020 459427 275153 0,398 1,22 30,59 F042 506907 299518 0,398 1,03 25,79 B098 487564 306170 0,412 1,04 26,07 A014 483498 305698 0,414 1,22 30,66 E023 454993 273802 0,417 0,78 19,54
26 Lampiran 1 lanjutan D035 449952 277883 0,428 1,13 28,46 D016 452270 276553 0,436 1,62 40,51 M005 453739 274342 0,451 1,05 26,45 A052 484060 307709 0,465 1,30 32,50 L061 453874 270115 0,479 1,65 41,29 E037 455786 275015 0,495 1,93 48,30 D042 500800 298232 0,385 1,27 31,97 C215 502380 302640 0,405 1,07 26,98 B029 493873 305986 0,439 1,63 40,99 M045 447642 272945 0,441 1,32 33,11 M043 453892 273369 0,492 1,84 46,18 L132 453987 270974 0,501 2,11 52,75
Lampiran 2 Hasil perhitungan regresi model linier
The regression equation is
karbon/plot = - 3,53 + 10,9 NDVI Predictor Coef SE Coef T P Constant -3,5332 0,4287 -8,24 0,000 NDVI 10,858 1,037 10,47 0,000 S = 0,267146 R-Sq = 79,7% R-Sq(adj) =78,9% Analysis of Variance Source DF SS MS F P Regression 1 7,8238 7,8238 109,63 0,000 Residual Error 28 1,9983 0,0714 Total 29 9,8221 Unusual Observations
Obs NDVI karbon/plot Fit SE Fit Residual St Resid 5 0,280 0,0615 -0,4930 0,1441 0,5545 2,46RX
Lampiran 3 Hasil perhitungan regresi model polinomial kuadratik
The regression equation is
27
Predictor Coef SE Coef T P
Constant -0,247 2,234 -0,11 0,913 NDVI -5,60 11,04 -0,51 0,616 NDVI^2 20,33 13,58 1,50 0,146 S = 0,261408 R-Sq = 81,2% R-Sq(adj) = 79,8% Analysis of Variance Source DF SS MS F P Regression 2 7,9771 3,9885 58,37 0,000 Residual Error 27 1,8450 0,0683 Total 29 9,8221 Source DF Seq SS NDVI 1 7,8238 NDVI^2 1 0,1532 Unusual Observations
Obs NDVI karbon/plot Fit SE Fit Residual St Resid 5 0,280 0,0615 -0,2221 0,2294 0,2836 2,26RX
Lampiran 4 Hasil perhitungan regresi model kuadratik
The regression equation is
karbon/plot = - 1,38 + 13,5 NDVI^2 Predictor Coef SE Coef T P Constant -1,3758 0,2157 -6,38 0,000 NDVI^2 13,470 1,231 10,94 0,000 S = 0,257920 R-Sq = 81,0% R-Sq(adj) = 80,4% Analysis of Variance Source DF SS MS F P Regression 1 7,9595 7,9595 119,65 0,000 Residual Error 28 1,8626 0,0665 Total 29 9,8221 Unusual Observations
Obs NDVI^2 karbon/plot Fit SE Fit Residual St Resid 5 0,078 0,0615 -0,3197 0,1233 0,3812 1,68 X
28
Lampiran 5 Hasil perhitungan regresi model eksponensial
The regression equation is LN Y = - 7,92 + 18,3 NDVI
Predictor Coef SE Coef T P Constant -7,9248 0,7977 -9,93 0,000 NDVI 18,285 1,929 9,48 0,000 S = 0,497052 R-Sq = 76,2% R-Sq(adj) = 75,4% Analysis of Variance Source DF SS MS F P Regression 1 22,188 22,188 89,81 0,000 Residual Error 28 6,918 0,247 Total 29 29,105 Unusual Observations
Obs NDVI LN Y Fit SE Fit Residual St Resid 5 0,280 -2,7890 -2,8051 0,2681 0,0161 0,04 X 6 0,388 -1,8522 -0,8303 0,1008 -1,0219 -2,10R
Lampiran 6 Hasil perhitungan regresi model power
The regression equation is LN Y = 6,17 + 7,34 LN NDVI
Predictor Coef SE Coef T P Constant 6,1711 0,6571 9,39 0,000 LN NDVI 7,3447 0,7265 10,11 0,000 S = 0,472787 R-Sq = 78,5% R-Sq(adj) = 77,7% Analysis of Variance Source DF SS MS F P Regression 1 22,847 22,847 102,21 0,000 Residual Error 28 6,259 0,224 Total 29 29,105 Unusual Observations
Obs LN NDVI LN Y Fit SE Fit Residual St Resid 5 -1,27 -2,7890 -3,1784 0,2867 0,3894 1,04 X 6 -0,95 -1,8522 -0,7824 0,0937 -1,0697 -2,31R
29
RIWAYAT HIDUP
Penulis dilahirkan pada tanggal 22 September 1993 di Pematangsiantar, Sumatera Utara. Penulis adalah anak pertama dari empat bersaudara dari pasangan Bapak Encus Purba dan Ibu Ninah Sriwahyuni. Penulis memulai jenjang pendidikan formal di SD Perguruan Kristen Methodist Indonesia (1999-2005), SMP Perguruan Kristen Methodist Indonesia (2005-2008), SMA Negeri 2 Pematangsiantar (2008-2011). Pada tahun 2011, penulis melanjutkan studi S-1 di Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI).
Selama menjadi mahasiswa, penulis aktif menjadi asisten mata kuliah Ekologi Hutan tahun ajaran 2014, asisten mata kuliah Inventarisasi Sumber Daya Hutan tahun ajaran 2014, dan asisten mata kuliah Ilmu Ukur Tanah dan Pemetaan Wilayah tahun ajaran 2014. Penulis juga aktif berorganisasi di Organisasi Mahasiswa Daerah IKANMASS IPB sebagai Bendahara periode 2012-2013, Organisasi Forest Management Student Club (FMSC) sebagai anggota Divisi Keprofesian periode 2012-2013, dan Organisasi Persekutuan Mahasiswa Kristen IPB sebagai anggota Komisi Kesenian periode 2012-2014. Penulis juga aktif berpartisipasi dalam berbagai kegiatan Organisasi Mahasiswa Daerah dan Persekutuan Mahasiswa Kristen. Penulis melakukan Praktik Pengenalan Ekosistem Hutan (PPEH) di Kamojang dan Sancang Barat. Penulis juga mengikuti Praktik Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat (HPGW), Sukabumi. Tahun 2015 penulis melakukan Praktik Kerja Lapang di PT. Suka Jaya Makmur, Kalimantan Barat.
Untuk memperoleh gelar Sarjana Kehutanan IPB, penulis menyelesaikan skripsi dengan judul Pendugaan Simpanan Karbon Hutan Tanaman Industri
