PENYUSUNAN TABEL VOLUME LOKAL JENIS MERBAU
(
Intsia
spp
.
) DI AREAL KERJA IUPHHK-HA PT ARFAK
INDRA KABUPATEN FAKFAK PROVINSI PAPUA BARAT
AGUNG FADILLAH
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
2013
RINGKASAN
AGUNG FADILLAH. E14080083. Penyusunan Tabel Volume Lokal Jenis Merbau (Intsia spp.) di Areal Kerja IUPHHK-HA PT. Arfak Indra Kabupaten Fakfak Provinsi Papua Barat. Dibimbing oleh: Ir. Budi Prihanto, MS
Penyusunan rencana pengelolaan hutan memerlukan data yang akurat dan dapat diperoleh dengan cepat dalam proses inventarisasi hutan. Salah satu alat bantu dalam inventarisasi hutan adalah tabel volume pohon yang dibuat berdasarkan persamaan atau suatu model matematis yang menggambarkan hubungan antara volume dengan peubah penaksirnya. Penelitian ini bertujuan untuk menyusun tabel volume pohon jenis Merbau (Intsia spp.). Tabel volume lokal dapat digunakan di Areal Kerja IUPHHK-HA PT Arfak Indra Kabupaten Fakfak Provinsi Papua Barat dan hanya pada lokasi lain yang memiliki kondisi tempat tumbuh yang sama.
Penelitian ini menggunakan tiga alternatif model matematis, yaitu model Berkhout, Kopezky and Gehrhardt Horenald-Krenn. Kriteria pemilihan model yang digunakan adalah simpangan baku (s), koefisien determinasi (R2), simpangan agregat (SA), simpangan rata-rata (SR), root mean square error
(RMSE) dan PRESS. Model persamaan penduga terbaik adalah persamaan Berkhout. Model Persamaan Berkhout tersebut adalah V= 0.00025 dbh2.33 dengan nilai s = 0.071, R2 = 97.5%, SA = -0.0240, SR = 13%, RMSE = 18%, PRESS = 0.514402
Kata kunci: Merbau (Intsia spp.), Papua Barat, Tabel Volume Pohon, Inventarisasi Hutan
SUMMARY
AGUNG FADILLAH. E14080083. Development of the Local Volume Table Species of merbau (Intsia spp.) in work area IUPHHK-HA PT Arfak Indra, Fakfak Regency West Papua Province. Supervised by: Ir. Budi Prihanto, MS
Development of forest management plans required an accurate data and can be obtained quickly in the process of forest inventory. One of tool in forest inventory such as tree volume table made by equation and a mathematical model that describe relation between tree volume and pridictor variables. The purpose of this research is to develop tree volume table of Merbau (Intsia spp.). The local volume table can be applied in working area of IUPHHK-HA PT Arfak Indra, West Papua and only as well as other location that have some habitat conditions.
This research tried three alternatives of mathematical models, such as Berkhout, Kopezky and Gehrhardt Horenald-Krenn model. The criterias of model selection is Standard Deviation (s), Coefficient of Determination (R2), Standard Deviation Aggregate (SA), Average Standard Deviation (SR), Root Mean Square Error (RMSE), and Predicted Residual of Sum Square (PRESS). The best estimate equation model is Berkhout equation. The Berkhout equation model is V = 0.00025 dbh2.33 with the values of s = 0.071, R2 = 97.5%, SA = -0.0240, SR = 13%, RMSE = 18%, PRESS = 0.514402.
Keywords: Merbau (Intsia spp.), West Papua, Tree Volume Table, Forest Inventory
PENYUSUNAN TABEL VOLUME LOKAL JENIS MERBAU
(
Intsia
spp
.
) DI AREAL KERJA IUPHHK-HA PT ARFAK
INDRA KABUPATEN FAKFAK PROVINSI PAPUA BARAT
AGUNG FADILLAH
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan
Fakultas Kehutanan Institut Pertanian Bogor
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
2013
PERNYATAAN
Dengan ini saya menyatakan bahwa skripsi Penyusunan Tabel Volume Lokal Jenis Merbau (Intsia spp.) di Areal Kerja IUPHHK-HA PT Arfak Indra Kabupaten Fakfak Provinsi Papua Barat adalah benar-benar hasil karya saya sendiri dengan bimbingan dosen pembimbing dan belum pernah digunakan sebagai karya ilmiah pada perguruan tinggi atau lembaga manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Bogor, Februari 2013
Agung Fadillah NRP. E14080083
Judul Penelitian : Penyusunan Tabel Volume Lokal Jenis Merbau (Intsia spp.) di Areal Kerja IUPHHK-HA PT. Arfak Indra Kabupaten Fakfak Provinsi Papua Barat
Nama : Agung Fadillah
NRP : E14080083
Menyetujui, Dosen Pembimbing
Ir. Budi Prihanto, MS NIP 19610720 198903 1 004
Mengetahui,
Kepala Departemen Manajemen Hutan
Dr. Ir. Didik Suharjito, MS NIP 19630401 199403 1 001
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah SWT, karena berkat rahmat dan hidayah-Nya penulis mampu menyelesaikan skripsi ini. Penulis melaksanakan penelitian ini di IUPHHK-HA PT Arfak Indra, Provinsi Papua Barat pada bulan Mei hingga Juni 2012. Skripsi ini disusun untuk memberikan informasi mengenai Tabel Volume Lokal jenis Merbau (Intsia spp.) yang diharapkan dapat membantu mempermudah dan mempercepat kegiatan inventarisasi hutan di lapangan.
Penulis mengucapkan terima kasih kepada:
1. Ibunda, ayahanda dan adik-adik tercinta serta keluarga besar atas segala doa, kesabaran, dukungan dan kasih sayangnya.
2. Pihak IPB dan BUMN atas dukungan Beasiswa yang sangat bermanfaat dalam kelancaran studi serta penelitian yang dilakukan.
3. Bapak Ir. Budi Prihanto, MS selaku dosen pembimbing atas arahannya. 4. Bapak Dr.Ir.Erianto Indra Putra,M.Si selaku dosen penguji dan Ibu Dra.Sri
Rahaju,M.Si selaku ketua sidang atas arahan dan dukungan yang diberikan selama sidang akhir.
5. Keluarga besar IUPHHK-HA PT Arfak Indra di Jakarta dan di Fakfak atas izin, dukungan serta bimbingannya selama pelaksanaan penelitian.
6. Seluruh keluarga besar Asrama Sylvasari IPB dan Asrama Sylvapinus IPB, khususnya kawan-kawan seperjuangan USMAWAN angkatan 45 yang telah memberikan ilmu pengetahuan, semangat dan dukungan moral.
7. Keluarga besar Fakultas Kehutanan IPB khususnya kawan-kawan Departemen MNH 45 atas semangat dan dukungannya.
8. Widya Astuti atas semangat, kesabaran dan kasih sayangnya selama ini. 9. Serta semua yang telah membantu dan memberikan dukungan pada penulis
yang tidak dapat disebutkan satu per satu.
Penulis menyadari dalam pembuatan skripsi ini masih banyak kekurangan, sehingga saran dan kritik yang membangun sangat diharapkan. Semoga skripsi ini dapat bermanfaat bagi banyak pihak.
Bogor, Januari 2013
RIWAYAT HIDUP
Penulis dilahirkan dengan nama lengkap Agung Fadillah di Bogor, Jawa Barat pada tanggal 21 Juni 1990 sebagai anak pertama dari tiga bersaudara dari pasangan Ayahanda Dede Dharsono dengan Ibunda Nurhaya. Penulis lulus dari pendidikan dasar di SDN 1 Kasokandel pada tahun 2002 kemudian melanjutkan pendidikan di SLTPN 1 Jatiwangi dan lulus pada tahun 2005. Pada tahun 2005 penulis melanjutkan pendidikan di SMAN 1 Jatiwangi dan lulus pada tahun 2008. Pada tahun 2008 penulis lulus seleksi masuk Institut Pertanian Bogor melalui jalur USMI di Departemen Manajemen Hutan Fakultas Kehutanan.
Selama menuntut ilmu di IPB penulis mendapatkan Beasiswa Peningkatan Prestasi Akademik (PPA) (2008-2009) dan Beasiswa BUMN (2010-2012), penulis aktif dalam kegiatan pendampingan masyarakat di Lembaga Struktural Bina Desa BEM KM IPB mulai tahun 2008 sampai dengan tahun 2010 sebagai ketua di bidang pendampingan masyarakat, selain itu pula penulis pernah mengikuti Progam Pemulihan Lahan Pasca Erupsi Merapi di Desa Pule Kecamatan Muntilan Kabupaten Magelang Provinsi Jawa Tengah pada program IPB Goes To Field, penulis aktif juga di Himpunan Mahasiswa Majalengka (HIMMAKA) (2008-2010), sebagai anggota Kelompok Studi Hidrologi di Forest Manajemen Student Club (FMSC) (2009-2010), sebagai pengurus di Asrama Sylvasari IPB dan Sylvapinus IPB (2009-2010). Kegiatan kepanitiaan yang pernah penulis ikuti diantranya Temu Manajer (2009-2010), panitia Seminar Ilmuan Nasional di Gedung RRI Jakarta Pusat (2012).
Dalam rangka melakukan kegiatan akademis penulis melakukan Praktek Pengenalan ekosistem Hutan (PPEH) di daerah Gunung Sawal Tasikmalaya dan Pangandaran Ciamis Jawa Barat, Praktek pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat (HPGW) Sukabumi, serta Praktek Kerja Lapang di IUPHHK-HA PT Arfak Indra Provinsi Papua Barat yang sekaligus menjadi tempat pelaksanaan penelitian bagi penulis.
Untuk memperoleh Gelar Sarjana Kehutanan IPB, penulis menyelesaikan skripsi dengan judul Penyusunan Tabel Volume Lokal Jenis Merbau (Intsia spp.) di Areal Kerja IUPHHK-HA PT Arfak Indra di Kabupaten Fakfak Provinsi Papua Barat di bawah bimbingan Ir. Budi Prihanto MS.
DAFTAR ISI
Halaman
KATA PENGANTAR.. ... i
RIWAYAT HIDUP ... ii
DAFTAR ISI. ... iii
DAFTAR TABEL... ... v
DAFTAR GAMBAR ... vi
DAFTAR LAMPIRAN ... vii
BAB I PENDAHULUAN 1.1 Latar Belakang ... 1
1.2 Tujuan ... 2
1.3 Manfaat Penelitian ... 2
BAB II TINJAUAN PUSTAKA 2.1 Inventarisasi Hutan ... 3
2.2 Volume Pohon ... 3
2.3 Tabel Volume. ... 5
2.4 Deskripsi Umum Intsia spp. ... 7
2.5 Deskripsi Botani ... 7
2.6 Penyebaran Habitat ... 8
2.7 Kegunaan Kayu ... 8
BAB III METODOLOGI PENELITIAN 3.1 Lokasi dan Waktu Penelitian ... 9
3.2 Alat dan Bahan. ... 9
3.3 Batasan Penelitian ... 9
3.4 Metode Pengambilan Data ... 9
3.4.1 Penentuan Pohon Contoh ... 9
3.4.2 Pengukuran Pohon Contoh ... 10
3.5 Analisis Data ... 11
3.5.1 Eksplorasi Data ... 11
3.5.2 Pendugaan Parameter Model ... 12
3.5.3 Uji Keberartian Model ... 13
3.5.5 Eksplorasi Pencilan. ... 14
3.5.6 Validasi Model Terpilih ... 14
3.5.7 Kriteria Pemilihan Model Terbaik ... 15
3.5.8 Pemilihan Model Regresi Terbaik ... 17
BAB IV KEADAAN UMUM LOKASI PENELITIAN 4.1 Luas dan Letak Areal Kerja. ... 18
4.2 Iklim. ... 19
4.3 Jenis Tanah dan Kelerengan. ... 19
4.4 Hidrologi ... 19
4.5 Keadaan Hutan (Potensi dan Jenis) ... 20
4.6 Sosial Ekonomi dan Budaya Masyarakat ... 20
BAB V HASIL DAN PEMBAHASAN 5.1 Pemilihan Pohon Contoh ... 22
5.2 Eksplorasi Data ... 22
5.3 Uji Keberartian Model ... 23
5.4 Pemeriksaan Asumsi ... 24
5.5 Analisis Model Pesamaan Volume Tanpa Menggunakan Data Pencilan ... 26
5.6 Uji Validasi Model ... 27
5.7 Kriteria Pemilihan Model ... 27
5.8 Pemilihan Model Regresi Terbaik ... 29
BAB VI KESIMPULAN DAN SARAN 6.1. Kesimpulan ... 30
6.2. Saran ... 30
DAFTAR PUSTAKA ... 31
DAFTAR TABEL
No Halaman
1. Analisis keragaman pengujian regresi (ANOVA) ... 13
2. Kriteria dan kecenderungan pada pemilihan model regresi terbaik ... 17
3. Letak, luas dan keadaan wilayah di Areal Kerja IPHHK-HA PT Arfak Indra ... 18
4. Rekapitulasi data pohon contoh ... 22
5. Persamaan penduga volume dengan menghasilkan data pengamatan tak wajar (unusual observations) ... 26
DAFTAR GAMBAR
No Halaman
1. Peta RKT IUPHHK-HA PT Arfak Indra Tahun 2012 ... 10 2. Scatterplot antara diameter (dbh) dan volume (V) untuk semua jenis... 22 3. Diagram pencar hubungan antara sisaan dengan plot peluang normalnya untuk
ketiga model yang dicobakan. ... 24 4. Diagram pencar hubungan antara sisaan dengan Y duga untuk model yang
DAFTAR LAMPIRAN
No Halaman
1. Hasil pengolahan data dengan Minitab ... 34 2. Tabel volume ... 37
BAB I
PENDAHULUAN
1.1 Latar Belakang
Peraturan Menteri Kehutanan nomor P.33/Menhut-II/2009 tentang pedoman inventarisasi hutan menyeluruh berkala menyatakan bahwa setiap izin usaha pemanfaatan hasil hutan kayu (IUPHHK) dalam hutan alam dan hutan tanaman diwajibkan menyusun rencana karya usaha pemanfaatan hasil hutan kayu (RKUPHHK) yang disusun berdasarkan inventarisasi hutan menyeluruh berkala (IHMB). Kegiatan pemanfaatan hasil hutan dalam proses perencanaannya membutuhkan suatu kegiatan pengumpulan data yang cepat dan akurat. Tujuan dari kegiatan inventarisasi hutan antara lain adalah untuk mendapatkan data mengenai kondisi sediaan tegakan hutan (timber standing stock).
Sediaan tegakan hutan dapat dikuantifikasikan dalam besaran volume. Volume produksi dari suatu pohon dapat diperoleh dari data diameter setinggi dada (Dbh) dan tinggi bebas cabang (Tbc) yang diukur saat kegiatan inventarisasi.
Kegiatan inventarisasi hutan membutuhkan suatu alat bantu inventarisasi berupa tabel volume. Tabel volume lokal menyajikan nilai dugaan volume pohon pada setiap ukuran diameter setinggi dada (Dbh). Dengan adanya tabel volume lokal,
Untuk menduga volume pohon hanya diperlukan data diameter setinggi dada (Dbh).
IUPHHK-HA PT Arfak Indra dalam hal ini belum mempunyai tabel volume lokal jenis Merbau (Intsia spp.) yang merupakan jenis potensial yang banyak terdapat di IUPHHK-HA PT Arfak Indra. Untuk itulah dilakukan penelitian mengenai penyusunan tabel volume lokal untuk jenis merbau (Intsia spp.) di Areal Kerja IUPHHK-HA PT Arfak Indra, Kabupaten Fakfak, Provinsi Papua Barat.
1.2 Tujuan
Penelitian ini bertujuan untuk menyusun tabel volume lokal jenis merbau (Intsia spp.).
1.3 Manfaat Penelitian
Tabel volume lokal jenis merbau (Intsia spp.) dapat membantu meningkatkan efisiensi dalam pelaksanaan kegiatan inventarisasi hutan di Areal Kerja IUPHHK-HA PT Arak Indra Kabupaten Fakfak Provinsi Papua Barat.
BAB II
TINJAUAN PUSTAKA
2.1 Inventarisasi Hutan
Menurut Husch (1987), inventarisasi hutan adalah suatu usaha atau kegiatan untuk menguraikan kuantitas dan kualitas pohon-pohon hutan serta berbagai karakteristik areal tanah tempat tumbuhnya, dan inventarisasi hutan juga harus berisi evaluasi terhadap karakteristik-karakteristik pohon maupun terhadap lahan tempat pohon-pohon itu tumbuh. Sedangkan menurut Dephut (2009) inventarisasi hutan yaitu kegiatan pengumpulan data dan informasi tentang sediaan tegakan hutan (timber standing stock).
2.2 Volume Pohon
Beberapa jenis volume kayu yang paling lazim dipakai sebagai dasar penaksiran, adalah (Dephut 1992):
1. Volume tunggak: yaitu volume kayu yang terdiri atas akar dan pangkal pohon, sampai ketinggian (tunggak) tertentu. Tinggi tunggak ini bervariasi dari 0.1-0.5 m, tetapi sebagian besar diambil 0.3 m.
2. Volume kayu batang (Vst): adalah volume kayu di atas tunggak sampai
permukaan tajuk. Bagian pohon yang menyusun volume ini adalah batang pokok sampai percabangan pertama.
3. Volume kayu tebal (Vdk): adalah volume kayu di atas tunggak sampai
diameter dengan kulit besar 7 cm. Disini tercakup batang pokok dan cabang-cabang besar.
4. Volume kayu pohon (Vbm): adalah volume kayu yang terdapat diseluruh
pohon, mulai dari volume tunggak sampai ujung pohon ranting. Keterangan : V = volume
st = kayu batang dk = kayu tebal bm = kayu pohon
Rumus umum untuk menaksir volume kayu suatu pohon adalah (Dephut 1992): V= (πd²)/4 × h × f = g × h × f
Keterangan: V = volume kayu d = diameter setinggi dada h = tinggi pohon
g = luas penampang lintang pohon pada setinggi dada f = bilangan bentuk
Volume sortimen kayu ditentukan sebagai bagian dari volume kayu atau pohon, yang telah dikembangkan dengan rumus-rumus matematik sebagai berikut (Sutrahardja 2008): Rumus Smallian : V= 0.5 × (B + b) × L Rumus Huber : V= B1/2 × L Rumus Brereton : V= {0.25 × π × (D + d)² × L } Rumus Newton : V= {B + (B1/2 × 4) + b} × L × 1/6 Keterangan:
V = Volume dolok (logs) atau batang pohon dalam m3 B = Luas bidang dasar pangkal batang dalam m2 b = Luas bidang dasar ujung batang pohon dalam m2
B1/2 = Luas bidang dasar bagian tengah batang pohon dalam m2
D = Diameter pangkal batang pohon dalam meter d = Diameter ujung batang pohon dalam meter L = Panjang batang pohon dalam meter
Penentuan volume sortimen (batang pohon) dengan menggunakan rumus-rumus di atas dapat diartikan bahwa semakin pendek panjang batang (L) akan menghasilkan volume yang lebih tepat, karena rumus-rumus di atas merupakan perhitungan volume yang mendasarkan kepada bentuk benda teratur yaitu bentuk silinder. Berdasarkan volume sortimen-sortimen kayu yang diukur dengan rumus di atas, maka volume pohon dapat diketahui yaitu penjumlahan dari volume sortimen-sortimen dari pohon yang bersangkutan (Sutarahardja 2008).
Rumus Smallian mempunyai ketepatan yang lebih rendah dibandingkan dengan rumus Huber dan rumus Newton. Namun demikian rumus Smallian banyak digunakan karena cukup praktis dan mudah dalam penerapannya. Rumus Newton memberikan ketelitian yang tinggi dibanding dengan rumus lainnya, rumus ini memerlukan pengukuran kedua ujung batang dan tengah batang, sehingga penggunaannya lebih terbatas dan kurang praktis (Sutarahardja 2008).
2.3 Tabel Volume
Tabel volume merupakan suatu tabel yang menyajikan data atau informasi tentang volume kayu yang dapat dimanfaatkan dari sebatang pohon yang dirinci menurut dimensi tinggi dan atau diameter (Dbh) pohon. Berdasarkan lokasi dan
peubah atau dimensi penentu yang digunakannya, dikenal ada dua macam tabel volume, yaitu tabel volume lokal (disebut pula tarif volume) dan tabel volume standar (Fahutan IPB 2010). Bentuk tabel volume dibagi menjadi dua kelompok yaitu “Tarif“ dan “Tabel Volume”. Tarif adalah tabel dengan satu pembacaan (diameter), sedangkan tabel volume adalah tabel dengan dua atau lebih kunci pembacaan (diameter dan tinggi) (Bustomi et al. 2002).
Tabel volume pohon adalah suatu tabel yang memberikan nilai volume pohon apabila diketahui dua atau lebih komponen-komponen besaran dari pohon yang bersangkutan. Pada umumnya besaran yang digunakan adalah diameter setinggi dada dan tinggi pohon, baik tinggi total pohon maupun tinggi sampai pangkal tajuk (Sutarahardja 2008).
Tabel volume pohon lokal atau tarif volume adalah bentuk khusus dari tabel volume pohon, yaitu tabel yang memberikan nilai volume pohon dengan cukup mengetahui hanya satu besaran saja dari pohon yang bersangkutan. Besaran tersebut adalah yang paling mudah diukur, yaitu diameter pohon setinggi dada atau keliling pohon setinggi dada. Dengan tidak mengikut sertakan besaran tinggi pohon, maka tarif volume memiliki daerah berlaku yang terbatas (Sutarahardja 2008).
Tabel volume pohon lokal atau tarif volume mencerminkan bentuk kompromi antara persyaratan ketelitian dan kemungkinan-kemungkinan praktis pelaksanaannya. Dengan tidak memperhitungkan faktor tinggi pohon, maka volume pohon individual yang ditunjukkan oleh tarif volume, rata-rata akan lebih besar penyimpangannya dari volume pohon yang sebenarnya jika dibandingkan dengan volume pohon yang memperhitungkan faktor tinggi pohon seperti yang diberikan oleh tabel volume pohon standar. Berkaitan dengan hal tersebut, untuk memperkecil penyimpangan maka tabel volume lokal hanya berlaku setempat, yaitu tempat atau daerah dimana pohon-pohon contoh penyusun tabel volume lokal tersebut diambil (Sutarahardja 2008).
Penyusunan tabel volume pohon dimaksudkan untuk memperoleh taksiran volume pohon melalui pengukuran satu atau beberapa peubah penentu volume pohon serta untuk mempermudah kegiatan inventarisasi hutan dalam menduga potensi tegakan. Meskipun demikian, untuk meningkatkan efisiensi dalam penaksiran volume tegakan dengan tidak mengurangi ketelitian yang diharapkan, diusahakan dalam penyusunan tabel volume pohon memperkecil jumlah peubah bebas penentu volume pohon dan diberlakukan pada daerah setempat, yaitu daerah dimana pohon-pohon penyusun tabel tersebut diambil (Sutarahardja 2008).
Karakteristik paling nyata untuk diukur yang berkaitan dengan volume pohon adalah diameter setinggi dada (diameter at breast height). Oleh karena itu semua persamaan volume akan mempunyai diameter setinggi dada serta peubah lainnya dan yang umum ditambahkan sebagai peubah penentu volume pohon adalah jenis peubah tinggi pohon, baik tinggi total, tinggi bebas cabang ataupun tinggi yang lain yang dianggap mempunyai peranan dalam tujuan untuk pendugaan potensi tegakan (Sutarahardja 2008).
Beberapa persamaan hubungan antara volume pohon dengan peubah diameter yang digunakan dalam penyusunan tabel volume lokal antara lain (Loetsch et al. 1973):
V = b0 + b1d2 (Kopezky-Gehrhardt)
V = b1d + b2d2 (Dissescu-Meyer)
V = b0 + b1d + b2d2 (Hohenadl-Krenn)
V = b0db1 (Berkhout)
Log V = b0 + b1log d (Husch)
Jumlah pohon contoh yang diambil diusahakan sebanyak mungkin, misalnya 50 sampai 100 pohon dianggap telah mewakili untuk areal yang tidak terlalu luas. Dalam pemilihan pohon contoh, perlu diperhatikan juga ketersebaran diameter sehingga mewakili kisaran diameter dari yang terkecil sampai terbesar. Semakin lebar kisaran diameter dari pohon-pohon contoh tersebut, maka model yang terbentuk nantinya akan semakin leluasa digunakan untuk menduga volume dari pohon yang berdiameter kecil sampai besar. Selain itu, apabila tinggi pohon akan dijadikan sebagai peubah bebas (selain diameter), pengambilan pohon
contoh pun harus mewakili ketersebaran tinggi pohon dalam tegakannya (Fahutan IPB 2010).
2.4. Deskripsi Umum Intsia spp.
Menurut Martawijaya et al. (1989), Intsia spp. termasuk ke dalam famili
Caesalpiniaceae. Di indonesia jenis ini mempunyai nama daerah merbau, merbo, taritih (Jawa); alai, anglai, ipil, jumelai, maharau, merbau (Kalimantan); bayam, gefi, ipi, ipil, langgiri, ogifi (Sulawesi); aisele, dowora, falai, ipi, ipil, kayu besi (Maluku); doma, fimpi, ipi, ipir, (NTT); bau, kayu besi, pas, sekka (Irian Jaya). Nama dagang dari kayu ini adalah merbau dan bajan.
Klasifikasi dari Merbau:
Divisi : Spermatophyta Sub Divisi : Angiospermae
Kelas : Dicotiledoneae Bangsa : Caesalpinia Famili : Caesalpiniaceae Genus : Intsia Jenis : Intsia spp. 2.5. Deskripsi Botani
Pohon merbau berbentuk lurus, tegak dan dapat mencapai tinggi hingga 45 meter dengan panjang batang bebas cabang 4-30 m, diameter sampai 100 cm, tinggi banir sampai 4 m dengan lebar sampai 4 m, bergaris tengah 150-180 cm dan bagian bawahnya dilengkapi dengan akar papan. Kayu teras merbau berwarna sangat bervariasi dari kelabu, cokelat, dan kuning cokelat sampai cokelat merah cerah atau hampir hitam, kayu gubal berwarna kuning pucat sampai kuning muda, tebal 5-7.5 cm dan dapat dibedakan dengan jelas dari kayu teras. Tekstur kayu kasar dan merata dengan arah serat kebanyakan lurus, kadang-kadang tidak teratur dan terpadu. Permukaan kayu licin dan mengkilap indah (Sutisna et al. 1998).
2.6. Penyebaran Habitat
Penyebaran jenis merbau di Indonesia adalah Jawa, Sumatera, Kalimantan, Sulawesi, Maluku, Timor dan Irian Barat. Selain itu, tersebar di Asia Tenggara, yaitu kepulauan Andaman, Thailand, dan Malaysia. Merbau tumbuh baik pada tanah yang lembab yang kadang-kadang digenangi air dan juga dapat tumbuh pada tanah kering, tanah berpasir dan tanah berbatu, baik tanah datar maupun tanah miring. Jenis ini memerlukan iklim basah sampai iklim kering dengan tipe curah hujan A-D, pada dataran rendah dengan ketinggian 0-50 m di atas permukaan laut (Sutisna et al. 1998).
2.7. Kegunaan Kayu
Martawijaya et al. (1989) menyatakan bahwa kayu merbau umumnya dipakai untuk balok, tiang, dan papan pada bangunan perumahan dan jembatan, selanjutnya dapat juga dipakai sebagai bantalan rel kereta api dan baik juga digunakan sebagai bahan baku kayu perkapalan (lunas, gading-gading, dan dek kapal).
BAB III
METODOLOGI PENELITIAN
3.1 Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan di Areal Kerja IUPHHK-HA PT Arfak Indra Provinsi Papua Barat Blok Tebang RKT 2012 selama satu setengah bulan pada tanggal 5 Mei hingga 23 Juni 2012.
3.2 Alat dan Bahan
Alat dan bahan yang digunakan dalam penelitian ini adalah: meteran 50 m, meteran jahit dua meter, tallysheet, papan jalan, alat tulis, kamera digital, komputer, software Microsoft Excell 2007 dan Minitab 14.
3.3 Batasan Penelitian
Pembuatan tabel volume ini hanya mencakup satu jenis pohon saja yang dominan saja yaitu jenis merbau (Intsia spp.) dari Famili Leguminosae
(Caesalpiniaceae) yang merupakan kayu perdagangan komersial dengan nama lokal kayu besi, kayu sekka, kayu bau di Papua.
3.4 Metode Pengambilan Data 3.4.1 Penentuan Pohon Contoh
Pohon contoh yang diambil sebanyak 97 pohon yang terbagi menjadi 10 kelas diameter dengan interval kelas 10 cm. Metode pengambilan pohon contoh dilakukan secara purposive yaitu pemilihan pohon contoh yang terarah, karena pohon contoh terpilih haruslah sesuai kriteria yang diinginkan. Apabila menggunakan sistem pengambilan pohon contoh secara acak maka pohon contoh yang diambil belum tentu sesuai dengan kriteria yang diinginkan. Kelas diameter dimulai dari diameter 10-19 cm, 20-29 cm, 30-39 cm hingga kelas diameter 90-99 cm dengan jumlah pohon pada setiap kelas diameter yang berbeda-beda.
Adapun syarat pohon contoh yang diambil sebagai sampel antara lain: lurus, tidak menggarpu, bebas dari serangan hama penyakit, batang tidak pecah setelah ditebang. Berikut lokasi pengambilan data pohon contoh pada blok RKT 2012.
Gambar 1 Peta RKT IUPHHK-HA PT Arfak Indra Tahun 2012 3.4.2 Pengukuran Pohon Contoh
Tahapan yang dilakukan dalam pengukuran pohon contoh meliputi:
1. Perencanaan pengambilan pohon contoh yang mewakili dalam setiap kelas diameter yang dibutuhkan.
2. Menuju blok tebangan dengan didampingi operator tebang. 3. Memilih pohon contoh yang sesuai syarat yang telah ditentukan. 4. Mengukur diameter setinggi dada pohon contoh (Dbh).
5. Mengukur tinggi bebas cabang pembentuk tajuk dan mengukur diameter per seksi pada pohon yang telah rebah. Panjang per seksi sebesar 2 m dimulai dari seksi pertama pangkal sampai dbh untuk seksi pertama.
6. Menghitung volume per seksi dan menghitung volume pohon aktual. Rumus yang digunakan adalah Rumus Smallian sebagai berikut:
V = L × ( p1 p2 )
2
Keterangan:
V : volume seksi (m3) L : panjang seksi (m)
Dp2 : luas penampang lintang potongan ujung seksi (m2)
Volume pohon aktual merupakan jumlah dari volume semua seksi dari satu pohon sampel.
Va = ∑ni=1Vi Keterangan:
Va : volume aktual pohon (m3)
Vi : volume seksi ke-i dari satu pohon (m3) i : urutan seksi ke-... (1, 2, ..., n)
n : banyak seksi 3.5Analisis Data
3.5.1 Eksplorasi Data
Proses tahapan dalam penentuan model penyusun tabel volume antara lain terlebih dahulu data pohon contoh ditampilkan dalam scatterplot (diagram tebar). Dari tebaran tersebut dapat dilihat bentuk penampilan penyebaran datanya, apakah mengikuti pola linier atau non linier. Scatterplot digunakan untuk menggambarkan secara visual hubungan antara kelas Dbh dengan volume pohon
yang akan dimodelkan secara matematik.
Jumlah pohon contoh yang digunakan dalam penyusunan model regresi sebanyak 97 pohon. Model yang dicobakan meliputi:
a. V = b0 Dbh b1 (Berkhout)
b. V = b0 + b1 Dbh 2 (Kopezky-Gehrhardt)
c. V = b0 + b1 Dbh + b2 Dbh 2 (Horenald-Krenn)
Keterangan:
V = Volume total pohon (m³) Dbh = Diameter setinggi dada (cm)
b0, b1, dan b2 = Konstanta
Ketiga persamaan tersebut selanjutnya akan dijelaskan dengan istilah Persamaan (1) untuk persamaan Berkhout, Persamaan (2) untuk persamaan Kopezky-Gehrhardt dan Persamaan (3) untuk persamaan Horenald-Krenn.
3.5.2. Pendugaan Parameter Model
Metode pendugaan parameter dilakukan dengan menggunakan metode kuadrat terkecil, adapun model umum regresi linearnya (dengan notasi matriks) sebagai berikut:
Penduga parameter yang dihasilkan
X y n n n x x y y . . 1 . . . . 1 . . 1 1 0 1 1 ˆ= b(X'X)1X'y
Sebelum dioperasikan terlebih dahulu ketiga persamaan ditranformasikan menjadi bentuk linear. Transformasinya adalah sebagai berikut:
- (Berkhout)
V = a Dbhb Transformasi logaritmis Log V = Log a + b Log Dbh
model regresinya adalah
Y= βo + β1X1 +
ɛ
Yang diduga oleh Y= bo + b1X1 +e
- (Kopezky-Gerhardt)
V = a + b Dbh² Y= βo + β1X1 +
ɛ
diduga oleh Y= bo + b1X1 +e
(persamaan non linear) (model regresi linear) (penduga model regresi linear) - (Horenald-Kreen)
V = a + b Dbh + c Dbh² (persamaan non linear)
Y= βo + β1X1 + β2X2 +
ɛ
diduga oleh Y= bo + b1X1 + b2X
2 +e
(model regresi linear) (penduga model regresi linear) Keterangan: V = y Log V = y
̂
=e
= galat sisa Log Dbh = X1 Log a = bo Dbh = X1 Dbh² = X2 a = βo b = β1 c = β2 bo = ̂o b1 = ̂1 b2 = ̂23.5.3 Uji Keberartian Model
Persamaan-persamaan regresi sperti di atas dilakukan pengujian dengan analisis keragaman (analysis of variance) untuk melihat signifikan atau adanya ketergantungan peubah-peubah yang menyusun regresi tersebut.
Tabel 1 Analisis keragaman pengujian regresi (ANOVA)
Sumber: Walpole (1993)
Dalam analisis tersebut hipotesis yang diuji adalah:
H0 : β1=…= βk = 0 , lawan H1 : minimal ada satu βi ≠ 0 ( i = 0,1,…,k )
dengan kaidah keputusannya:
F hitung > F tabel maka tolak H0, F hitung ≤ F tabel maka terima H0
Jika H1 yang diterima, maka regresi tersebut nyata, artinya ada keterkaitan
antara peubah bebas (diameter pohon) dengan peubah tidak bebasnya (volume pohon). Sehingga setiap ada perubahan pada peubah bebasnya akan terjadi perubahan pada peubah tidak bebasnya. Jika H0 yang diterima, maka regresi
tersebut tidak nyata, artinya persamaan regresi tidak dapat digunakan untuk menduga volume pohon berdasarkan peubah bebasnya.
3.5.4 Pemeriksaan Asumsi a) Uji visual kenormalan
Kenormalan sisaan dapat dilihat dengan menampilkan plot hubungan sisaan dengan peluang normalnya. Nilai sisaan dinyatakan normal apabila antara nilai sisaan dengan peluang normalnya membentuk pola garis lurus atau mendekati garis lurus.
b) Uji keaditifan model
Sifat aditif dapat dilihat dengan menampilkan plot tebaran nilai sisaan dan nilai dugaan. Asumsi keaditifan model terpenuhi apabila tebaran yang dihasilkan tidak membentuk pola atau berbentuk acak disekitar nilai sisaan nol (menyerupai pipa horison).
Sumber keragaman Derajat bebas Jumlah kuadrat (JK) Kuadrat
tengah (KT) Fhitung Ftabel
Regresi k = p-1 JKR KTR=JKR/k KTR/KTS F(k, n-k-1 α5%)
Sisaan n-k-1 JKS KTS=JKS/(n-k-1)
3.5.5 Eksplorasi Pencilan
Eksplorasi pencilan ini dilakukan dengan melihat serta membandingkan nilai antara nilai yang diperoleh oleh model dengan menyertakan nilai pencilan dan tidak menyertakan nilai pencilan. Menurut Draper dan Smith (1992) nilai-nilai pengamatan tak wajar yang masuk pada data pencilan adalah nilai-nilai harga mutlak sisaan bakunya > 2 atau
>2.
3.5.6 Validasi Model Terpilih
1. PRESS (Predicted Residual of Sum Square)
Prosedur ini merupakan kombinasi dari semua kemungkinan regresi, analisis sisaan, dan teknik validasi. Adapun langkah-langkahnya sebagai berikut (Draper dan Smith 1992):
a) Amatan pertama pada peubah respons maupun peubah ramalannya dihilangkan.
b) Tentukan model dugaan semua kemungkinan regresi terhadap n-1 data. c) Gunakan setiap persamaan regresi yang diperoleh untuk meramalkan Y1 oleh
(i) (misalnya), sehingga diperoleh simpangan ramalannya untuk semua
kemungkinan model regresinya.
d) Ulangi ketiga langkah di atas namun dengan menghilangkan amatan kedua, ketiga sampai amatan ke-n.
e) Untuk setiap model regresi dihitung jumlah kuadrat simpangan ramalannya. = ∑ni=1( - (i))2
Keterangan: Yi = nilai Y pada amatan ke i
(i) = nilai Y(i) dugaan dari persamaan regresi tanpa mengikutsertakan
amatan ke-i
Perhitungan nilai PRESS berdasarkan rumus di atas cukup rumit untuk dikerjakan, Kuncahyo (1991) merumuskan nilai PRESS sebagai berikut:
∑ (i)
e
(i)=e 1- hii
Keterangan:
e = nilai sisaan ke i
Persamaan terbaik adalah persamaan yang memiliki nilai PRESS yang paling kecil.
3.5.7 Kriteria Pemilihan Model Terbaik a) Koefisien Determinasi (R2)
Koefisien determinasi (R2) adalah perbandingan antara jumlah kuadrat regresi (JKR) dengan jumlah kuadrat total yang terkoreksi yang biasa dinyatakan dalam persen (%). Nilai R2 ini mengukur besarnya bagian dari keragaman total terhadap nilai tengah peubah tidak bebasnya yang dapat diterangkan oleh regresi. Oleh karena itu makin besar nilai R2 maka akan makin besar keragaman yang dapat diterangkan oleh regresinya, berarti bahwa regresi yang diperoleh makin baik. Perhitungan besarnya nilai R2 dapat dihitung dengan rumus:
2= regre i
total Keterangan: JK regresi =
(yˆiy)2JK total =
(yiy)2Perhitungan nilai R2 adalah untuk melihat tingkat ketelitian dan keeratan hubungan antara peubah bebas dan tidak bebas.
b) Koefisien Determinasi Terkoreksi (Ra2)
Koefisien determinasi terkoreksi (Ra2) adalah koefisien determinasi yang
telah dikoreksi oleh derajat bebas (db) dari JKS dan JKT-nya. Perhitungan koefisien determinasi terkoreksi (Ra2) dengan rumus (Draper dan Smith 1992)
a2=1 ( )/(n p)
( TT)/(n 1) 100
Keterangan:
JKS = jumlah kuadrat sisa
JKTT = jumlah kuadrat total terkoreksi (n-p) = dbs = derajat bebas sisaan (n-1) = dbt = derajat bebas total
Ketentuan keterandalan (Ra2) sama dengan (R2). Kelebihan (Ra2) adalah
yang berbeda. Pengujian yang dilakukan menurut kriteria ini akan lebih dapat menambah keyakinan penerimaan model.
c) Simpangan Baku (s)
Nilai simpangan baku (s) ditentukan dengan rumus (Draper dan Smith 1992):
= √ 2=
√∑ei2
n p Keterangan: S² = kuadrat tengah sisaan
ei = sisaan ke-i
Pemeriksaan statistik di tingkat ini menunjukan bahwa semakin kecil nilainya semakin baik, artinya semakin tepat dugaannya.
d) Simpangan Agregat (Agregative Deviation)
Simpangan agregat merupakan selisih antara jumlah volume aktual (Va) dan volume dugaan (Vt) yang diperoleh berdasarkan dari tabel volume pohon, sebagai persentase terhadap volume dugaan (Vt). Persamaan yang baik memiliki nilai simpangan agregat (SA) yang berkisar dari -1 sampai +1 (Spurr 1952). Nilai SA dapat dihitung dengan rumus:
SA = ∑ Vti
n
i=1 -∑ni=1Vai
∑n Vti
i=1
e) Simpangan Rata-Rata (Mean Deviation)
Simpangan rata-rata merupakan rata-rata jumlah dari nilai mutlak selisih antara jumlah volume dugaan (Vt) dan volume aktual (Va), proporsional terhadap jumlah volume dugaan (Vt). Nilai simpangan rata-rata yang baik adalah tidak lebih dari 10 % (Spurr 1952).
Simpangan rata-rata dapat dihitung dengan rumus:
SR = { (∑ Vti-Vai Vti n i=1 ) n } × 100 % f) RMSE
RMSE merupakan akar dari rata-rata jumlah kuadrat nisbah antara selisih volume dugaan dari table volume pohon (Vt) dengan volume aktualnya (Va)
terhadap volume aktual. Nilai RMSE yang lebih kecil, menunjukkan model persamaan penduga volume yang lebih baik. RMSE dihitung dengan rumus:
RMSE = √ ∑ [(Vti-VaiVai )] 2 n i=1 n x 100%
3.5.8 Pemilihan Model Regresi Terbaik
Model persamaan regresi untuk penyusunan tabel volume pohon yang baik dan valid dapat dilihat pada tabel 2.
Tabel 2 Kriteria dan kecenderungan pada pemilihan model regresi terbaik
No Kriteria Kecenderungan 1 2 3 4 5 6 7 8 Model yang digunakan signifikan Asumsi terpenuhi R2 s PRESS Simpangan Agregat (SA) Sipangan Rata-Rata (SR)
Root Mean Square Eror (RMSE)
- Jika H1 yang diterima, maka regresi tersebut nyata, artinya ada keterkaitan antara peubah bebas (diameter pohon) dengan peubah tidak bebasnya (volume pohon). Sehingga setiap ada perubahan pada peubah bebasnya akan terjadi perubahan pada peubah tidak bebasnya
- Uji Visual Kenormalan: Nilai sisaan dinyatakan normal apabila antara nilai sisaan dengan peluang normalnya membentuk pola garis lurus atau mendekati garis lurus.
- Uji Keaditifan Model: Asumsi keaditifan model terpenuhi apabila tebaran yang dihasilkan tidak membentuk pola atau berbentuk acak disekitar nilai sisaan nol (menyerupai pipa horison).
- Makin besar nilai R2 maka akan makin besar keragaman yang dapat diterangkan oleh regresinya, berarti bahwa regresi yang diperoleh makin baik
- Pemeriksaan statistik di tingkat ini menunjukan bahwa semakin kecil nilainya semakin baik, artinya semakin tepat dugaannya. - Persamaan terbaik adalah persamaan yang memiliki nilai PRESS
yang paling kecil.
- Persamaan yang baik memiliki nilai simpangan agregat (SA) yang berkisar dari -1 sampai +1 (Spurr 1952).
- Nilai simpangan rata-rata yang baik adalah tidak lebih dari 10 % (Spurr 1952).
- Nilai RMSE yang lebih kecil, menunjukkan model persamaan penduga volume yang lebih baik.
BAB IV
KEADAAN UMUM LOKASI PENELITIAN
4.1 Luas dan Letak Areal Kerja
RKUPHHK-HA PT Arfak Indra (2011) menyatakan bahwa luas areal kerja IUPHHK-HA PT Arfak Indra adalah ±177.900 Ha yang terletak dalam wilayah Hutan Tanjung Tegin Sungai Bomberay, Kabupaten Fakfak, Provinsi Papua Barat. Areal ini terdiri atas dua ekosistem, yaitu ekosistem rawa dan tanah kering. Ekosistem tanah kering di areal ini menyebar secara menyeluruh kecuali pada areal dengan fungsi hutan produksi yang dapat dikonversi (HPK). Ekosistem rawa di areal ini merupakan rawa bencah (rawa tidak permanen) atau tidak tergenang sepanjang tahun kecuali pada musim hujan.
Secara administratif pemerintahan areal kerja PT Arfak Indra tersebar di 5 kecamatan yaitu: Kecamatan Fakfak, Fakfak Timur, Fakfak Barat, Kokas, dan Bomberay. Kelima kecamatan tersebut termasuk dalam wilayah Kabupaten Fakfak. Rincian letak dan luas batas areal di sajikan pada tabel berikut.
Tabel 3 Letak, Luas dan Keadaan Wilayah di Areal Kerja IUPHHK-HA PT Arfak Indra No Letak Uraian 1 Luas ±177.900 Ha 2 Geografis - Bujur Timur - Lintang Selatan 131°57’-133°54’ BT 02°39’-03°12’ L
3 Administrasi Pemerintahan Kecamatan Fakfak, Fakfak Timur, Fakfak Barat, Kokas dan Bomberay Kabupaten Fakfak Provinsi Papua Barat 4 Administrasi Kehutanan Dinas Kehutanan dan Perkebunan Kabupaten Fakfak
Dinas Kehutanan dan Perkebunan Provinsi Papua Barat 5 Batas areal
Utara Timur Selatan Barat
Teluk Berau dan ex PT Bintuni Utama Murni, Hutan Lindung Gunung Fakfak
Ex PT Agoda Rimba Irian
PT Hanurata Coy. Ltd Unit II dan ex PT Prabu alaska Teluk Berau, Teluk Wertopin dan Teluk Sumerin
6 Kelompok Hutan Tanjung Tegin-S. Bomberay
7 DAS/ SUB DAS Sub Das Koror Bomberay
4.2. Iklim
Data iklim dari badan meteorologi dan geofisika wilayah V Irian Jaya stasiun meteorologi kelas III Fakfak berdasarkan dokumen RKUPHHK-HA PT Arfak Indra tahun 2011 curah hujan rata-rata bulan terbesar di areal IUPHHK PT Arfak Indra terjadi pada bulan Juni dan terendah pada bulan November. Rata-rata curah hujan bulanan sebesar 292.1 mm dan tidak ada bulan kering sepanjang tahun. Untuk hari hujan rata-rata bulanan sebesar 19 hari/bulan. Tipe iklim di wilayah Fakfak menurut klasifikasi Schmidt dan Ferguson termasuk tipe iklim A (sangat basah) dengan nilai Q sebesar 0%, sedangkan menurut klasifikasi koppen termasuk tipe iklim alfa. Nilai Q adalah perbandingan antara bulan kering (BK) dengan bulan basah (BS). imana untuk bulan kering nilai bulan hujan ≤ 60 mm sedangkan pada bulan ba ah nilai curah hujan ≥ 100 mm.
4.3 Jenis Tanah dan Kelerengan
Jenis tanah di areal IUPHHK PT Arfak Indra adalah tanah podsolik yang memiliki tekstur liat berpasir (halus) sampai lempung liat berpasir (agak halus). Solum tanah pada umumnya dalam (150-175 cm) dengan drainase baik sampai sangat baik.
Luas penyebaran kelas lereng pada areal kerja IUPHHK PT Arfak Indra, maka bentuk wilayah sebagian besar merupakan areal berbukit sampai dengan areal datar maupun bergelombang di wilayah kerja Goras dan Bomberay. Untuk daerah datar terdapat pada sungai Bomberay dari hulu sampai muara dengan kemiringan 0-8%. Dengan luasan 95 128.28 Ha. Sedangkan daerah tergolong curam dengan kemiringan 26-40% terletak di sebelah selatan, untuk daerah landai dengan kemiringan 9-15% terletak di bagian barat, untuk daerah curam dengan kemiringan 16-25% terletak di sebelah utara tanjung tegin sampai kelompok hutan goras dan areal yang sangat curam dengan kemiringan > 40% terletak pada areal topografi berbukit.
4.4. Hidrologi
Letak Daerah aliran Sungai (DAS), di areal PT Arfak Indra terbagi menjadi tiga DAS yaitu: belahan barat meliputi DAS Kayuni, Sub DAS Kayuni Kanan, Sub DAS Kayuni Kiri, sedangkan belahan timur temasuk DAS Budidi dan DAS Bomberay.
Keadaan sumber air di areal IUPHHK-HA PT Arfak Indra dipengaruhi oleh faktor iklim, formasi geologi, tanah, dan vegetasi penutupan lahan. Morfologis DAS umumnya berkelok-kelok dan berarus tenang, serta tidak dijumpai adanya riam atau jeram. Pengaruh air pasang terasa sampai sejauh 40 km dari muara dan kenaikan permukaan air pada saat pasang 1.5-2 m. Dengan kondisi tersebut maka pemanfaatan sungai adalah sarana transportasi penduduk.
4.5. Keadaan Hutan (Potensi dan Jenis)
IUPHHK-HA PT Arfak Indra memiliki areal kerja seluas ± 177.900 ha yang termasuk dalam tipe hutan hujan tropika yang terdiri dari hutan tanah kering dan hutan rawa. Kedua tipe hutan tersebut memiliki sebaran jenis yang hampir sama dimana untuk jenis komersil di dominasi oleh mersawa (Anisopthera sp.), damar (Agathis sp.), kenanga (Canarium odoratum), merbau (Instia sp.), matoa (Pometia
sp.), bacu (Terogotaforbiselli), ketaran (Kordersiodendron pinatum), melur (Podocarpus sp.), nyatoh (Pallaquium sp.), kenari (Cannarium sp.), resak (Vatica
sp.), pulai (Alstonia sp.), binuang (Octomeles sumatrana), bintangur (Calophylum
sp.). Sedangkan potensi hasil hutan non kayu seperti sagu (Metroxylon sp.), pala (Myristica fragrans), nipah (Nypa frutican), dan rotan (Callamus sp.).
Jenis satwa liar yang sering ditemukan di areal IUPHHK-HA PT Arfak Indra antara lain babi hutan (Sus sp.), rusa (Cervus timorensis), buaya (Crocodilus novaguinea), law-law (Dendrolagus sp.), kus-kus (Phalanger sp.), kelelawar, beberapa jenis ular, burung cendrawasih (Paradisae sp.), mambruk (Gaura cristapa), kakatua, elang hitam, burung taon-taon dll.
4.6. Sosial,Ekonomi dan Budaya Masyarakat
Areal kerja IUPHHK-HA PT Arfak Indra terletak di Kabupaten Fakfak dan secara administratif pemerintahan tersebar dalam sembilan distrik, yaitu: distrik Fakfak Barat, Fakfak Timur, Fakfak, Kokas, Karas, Fakfak Tengah, Kramongmongga, Teluk Patipi dan Bomberay yang sebagian besar areal kerja IUPHHK-HA PT Arfak Indra tersebar di Distrik Kokas.
Masyarakat sekitar hutan dalam memenuhi kebutuhan hidupnya sebagian besar melakukan aktivitas berburu di hutan, mengumpulkan hasil hutan lainnya, bertani dan menangkap ikan (nelayan). Sebagian kecil lainnya bermata
pencaharian sebagai PNS, pedagang, buruh dan pertukangan umumnya masyarakat masih menganut sistem sederhana yang beroriantasi pada bentuk konsumtif dan subsisten, dan belum berorientasi pada pengakumulasian modal. Komunitas unggulan dan khas yang terdapat di Kabupaten Fakfak adalah pala, namun umumnya tidak dilokalisir pada wilayah tertentu dalam bentuk perkebunan, melainkan masih banyak yang tumbuh di dalam hutan. Kabupaten Fakfak khususnya memiliki potensi tinggi dalam bidang ekonomi antara lain bidang kelautan dan perkebunan. pala sebagai produk andalan setempat masih belum bervariasi dalam pengelolaannya.
dbh V 100 90 80 70 60 50 40 30 20 10 10.0 7.5 5.0 2.5 0.0 Scatterplot of V vs dbh
BAB V
HASIL DAN PEMBAHASAN
5.1 Pemilihan Pohon Contoh
Pemilihan pohon contoh dilakukan pemilihan pohon terbaik sebagai pohon yang nantinya akan dijadikan sebagai pohon contoh dalam pendugaan volume pohon, adapun kriteria pohon-pohon contoh yang dipilih diantaranya pohon yang memiliki pertumbuhan baik, bentuk batang lurus, tidak memiliki cacat batang (sehat), tidak pecah ketika pohon telah rebah. Dalam hal ini pengambilan data menggunakan metode purposive. Berikut rekapitulasi data pohon contoh yang diambil untuk penyusunan tabel volume yang disajikan pada Tabel 4.
Tabel 4 Rekapitulasi data pohon contoh
No Kelas Diameter (cm) Banyak Pohon Contoh
1 10-19 6 2 20-29 8 3 30-39 9 4 40-49 13 5 50-59 12 6 60-69 20 7 70-79 12 8 80-89 10 9 90-99 7 Jumlah 97 5.2 Eksplorasi Data
Scatterplot (diagram tebar) diperoleh dari data Diameter (Dbh) dan
Volume (V) seperti yang terlihat pada Gambar 2. Dari diagram tebar yang diperoleh, terlihat bahwa data tidak membentuk pola linear (non linear). Berikut ditampilkan bentuk diagram tebarantara Diameter (Dbh) dan Volume (V).
Gambar 2 Scatterplot hubungan antara Diameter setinggi dada (Dbh) dengan
Sehingga dari data tersebut perlu ditransformasi ke dalam bentuk linear. Beberapa cara yang digunakan dengan melihat diagram tebar di atas yaitu transformasi peubah respon, misalnya transformasi ln atau log. Cara lain agar data dapat menjadi pola yang linier yaitu dengan mentrasformasi peubah penjelasnya dengan tranformasi log atau kuadrat. Beberapa persamaan yang akan coba digunakan diantaranya:
a. V = b0 Dbh b1 (Berkhout)
b. V = b0 + b1 Dbh 2 (Kopezky-Gehrhardt)
c. V = b0 + b1 Dbh + b2 Dbh 2 (Horenald-Krenn)
Dari hasil pengolahan data diperoleh tiga nilai persamaan sebagai berikut: a. Persamaan Berkhout
log V = -3.60 + 2.33 log Dbh kemudian ditranformasi balik ke bentuk
persamaan volume didapatkan hasil V = 0.00025 Dbh2.33
b. Persamaan Kopezky-Gehrhardt V = -0.318 + 0.00112 Dbh 2
c. Persamaan Horenald-Krenn
V = -0.243 - 0.0029 Dbh + 0.00115 Dbh 2
5.3 Uji Keberartian Model
Pengjian keberartian peranan peubah bebas terhadap peubah tidak bebasnya dari persamaan tersebut dilakukan uji F (F-test) yaitu dengan membandingkan antara F–hitung dengan F–tabel. Nilai F–hitung diperoleh dari hasil perhitungan persamaan regresi yang diperoleh dengan menggunakan Metode Kuadrat Terkecil
(Least Square Methods). Dari Tabel 6 diperoleh untuk nilai F hitung diperoleh nilai sebesar 3762.17 untuk model persamaan 1. Dari ketiga persamaan di atas nilai F hitung > F tabel pada taraf nyata (5%) sebesar 3.951221547 tetapi untuk persamaan 1 apabila dilihat nilainya lebih besar dibandingkan dari persamaan lainnya. Menurut Draper dan Smith (1992) apabila F–hitung > F–tabel pada taraf nyata 5%, artinya sedikitnya ada satu peubah bebas yang mempengaruhi peubah tak bebasnya sehingga persamaan regresi yang di uji dapat diterima.
5.4 Pemeriksaan Asumsi
Model regresi dapat digunakan untuk menduga secara baik apabila salah satu asumsi penting mengenai kenormalan dari nilai sisaan terpenuhi. Oleh karena itu, perlu dilihat apakah sisaan tersebut menyebar normal atau tidak (Kuncahyo 1991). Kenormalan ini dapat dilihat dengan menampilkan plot hubungan sisaan dengan probability normalnya, seperti disajikan pada Gambar 3.
Persamaan (1) Berkhout Persamaan (2) Kopezky-Gehrhard
Persamaan (3) Horenald-Krenn
Gambar 3 Diagram pencar hubungan antara sisaan dengan plot peluang normalnya untuk ketiga model yang dicobakan.
Gambar 3 menunjukkan bahwa persamaan (1) nilai sisaannya menyebar normal dengan terbentuknya pola garis linier antara nilai sisaan dengan nilai normalnya. Persamaan (2) dan (3) membentuk pola yang mendekati linier, hal ini dapat dikatakan bahwa persamaan (2) dan (3) penyebaran nilai sisaannya kurang menyebar normal. Sehingga asumsi penting mengenai kenormalan dari nilai sisaan untuk persamaan (1) telah terpenuhi.
Residual P e rc e n t 0.2 0.1 0.0 -0.1 -0.2 -0.3 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1
Normal Probability Plot of the Residuals
(response is log V) Residual P e rc e n t 2 1 0 -1 -2 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1
Normal Probability Plot of the Residuals
(response is V) Residual P e rc e n t 3 2 1 0 -1 -2 -3 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1
Normal Probability Plot of the Residuals
a. Uji Keaditifan Model
Uji Keaditifan Model dapat dilihat dengan menampilkan plot tebaran nilai sisaan dan nilai dugaan (Kuncahyo 1991). Adapun asumsi daripada keaditifan model terpenuhi apabila tebaran yang dihasilkan tidak membentuk pola sehingga terlihat acak di sekitar nilai sisaan nol. Berikut adalah plot tebaran yang dihasilkan dari ketiga persamaan yang dicobakan:
Persamaan (1) Berkhout Persamaan (2) Kopezky-Gehrhard
Persamaan (3) Horenald-Krenn
Gambar 4 Diagram pencar hubungan antara sisaan dengan Y duga untuk model yang dicobakan.
Gambar 4 menunjukan bahwa persamaan (1) memiliki sebaran plot antara sisaan dengan nilai dugaan yang tidak membentuk pola, dan hasil tebaran sisaan menunjukkan pola acak, sementara untuk persamaan (2) dan (3) memiliki sebaran plot antara nilai sisaan dengan nilai dugaan yang membentuk pola membentuk huruf V dan pola corong. Dengan demikian pada persamaan (1) sifat keaditifan dan asumsi kehomogenan ragam sisaan terpenuhi.
Fitted Value R e si d u a l 1.0 0.5 0.0 -0.5 -1.0 0.2 0.1 0.0 -0.1 -0.2 -0.3
Residuals Versus the Fitted Values
(response is log V) Fitted Value R e si d u a l 12 10 8 6 4 2 0 2 1 0 -1 -2
Residuals Versus the Fitted Values
(response is V) Fitted Value R e si d u a l 10.0 7.5 5.0 2.5 0.0 2 1 0 -1 -2
Residuals Versus the Fitted Values
5.5 Analisis Model Pesamaan Volume Tanpa Menggunakan Data Pencilan
Hasil pengolahan data menunjukan nilai unusual observations, dimana nilai tersebut adalah nilai pengamatan yang muncul akibat data yang digunakan dianggap tidak wajar, sehingga lebih baik untuk dihapuskan. Pada persamaan (1) data dugaan yang dihapuskan sebanyak 4 data, untuk persamaan (2) dan (3) masing-masing sebanyak 7 data, berikut adalah hasil daripada pengamatan pencilan yang dilakukan.
Tabel 5 Persamaan penduga volume dengan menghasilkan data pengamatan tak wajar (unusual observations)
No Persamaan Penduga Sebelum Banyaknya pengamatan tak wajar yang dihilangkan Sesudah R² (%) Ra² (%) s R² (%) Ra² (%) s 1 V = 0.00025Dbh 2.33 97.5 97.5 0.071 4 97.7 97.7 0.057 2 V = - 0.318 + 0.00112 Dbh 2 95.7 95.7 0.593 7 97.5 97.4 0.43 3 V = - 0.243 - 0.0029 Dbh+ 0.00115 Dbh 2 95.7 95.6 0.596 7 97.3 97.3 0.43
Tabel 5 menunjukan bahwa nilai simpangan baku (s), Radj² dan R² yang paling baik diperoleh pada persamaan (1) dengan persamaan yang tidak menyertakan nilai unusual observation. Namun setelah data yang tidak terpakai dihilangkan, peningkatan nilai pada ketiga persamaan tidak terjadi perubahan yang signifikan terhadap setiap nilai penduganya, sehingga untuk persamaan penduga volume tetap menggunakan data unusual observations.
Data keseluruhan hingga menghasilkan peringkat terbaik dalam pemilihan model penduga volume hingga menghasilkan peringkat terbaik dapat dilihat pada tabel 6 secara lengkap.
Tabel 6 Tabulasi data keseluruhan hingga menghasilkan peringkat terbaik Subjek Persamaan Berkhout V= 0.00025Dbh.33 Kopezky Gehrhardt V= -0.318 + 0.00112 Dbh 2 Horenald-Krenn V= -0.243 - 0.0029 Dbh+ 0.00115 Dbh 2
Nilai Peringkat Nilai Peringkat Nilai Peringkat
Kriteria Uji s 0.071 1 0.593 2 0.596 3 R2 adj 97.5 1 95.7 2 95.6 3 R2 97.5 1 95.7 2 95.7 2 F hit 3762.17 1 2132.64 2 1055.58 3 F tab (α=5 ) 3.951222 3.951222 3.092217 Validasi model PRESS 0.5144 1 34.8539 2 35.2 3 Kriteria pemilihan model SA -0.024 1 0.143274 2 0.107524 3 SR 13% 1 24% 3 21% 2 RMSE 18% 1 78% 3 61% 2
Peringkat Jumlah Jumlah Jumlah
1 8
2 18
3 21
5.6 Uji Validasi Model
Nilai PRESS menunjukkan kombinasi analisis sisaan dan pemilihan model terbaik yang merupakan kemampuan model untuk menduga data yang baru. Berarti nilai dugaan yang dihasilkan tidak berbeda nyata dengan nilai aktualnya sehingga dapat digunakan untuk menduga data baru.
Nilai PRESS pada Tabel 6 menunjukkan bahwa nilai PRESS yang terbaik dari seluruh model persamaan regresi terdapat pada persamaan (1) dimana persamaan terbaik diperoleh dari nilai PRESS yang paling kecil dengan nilai 0.5114 dan nilai yang paling besar pada persamaan (3) dengan nilai 35.2.
5.7 Kriteria Pemilihan Model
Kriteria pemilihan model diantaranya terdiri dari beberapa point yaitu: a. Koefisien determinasi (R²)
b. Koefisien determinasi terkoreksi (R² adj) c. Simpangan Baku (s)
Tabel 6 di atas menjelaskan bahwa pada pemilihan model untuk nilai simpangan baku (s), Radj² dan R² yang paling baik ditunjukan oleh persamaan (1), dengan menunjukan nilai yang semakin kecil semakin baik untuk nilai (s) dan menunjukkan nilai yang paling tinggi untuk nilai Radj² dan R², yang masing-masing nilainya sebesar 0.071, 97.5%, 97.5%, yang artinya untuk nilai (s) terkecil pada persamaan (1) memiliki tingkat ketelitian yang lebih baik daripada kedua persamaan lainnya dalam menduga volume pohon, sedangkan untuk nilai R²adj pada persamaan (1) sebesar 97.5 menunjukan bahwa 97.5% keragaman volume dapat diterangkan oleh peubah bebas diameter, sisanya diterangkan oleh peubah lain yang tidak disertakan dalam model. Nilai PRESS yang paling baik dari ketiga persamaan yang diperoleh adalah nilai pada persamaan (1), dimana nilai yang dihasilkan sebesar 0.5144, artinya bahwa semakin kecil nilai PRESS maka semakin baik untuk model yang digunakan.
Menurut Spurr (1952), beberapa kriteria dalam mengevaluasi model selain ke empat point di atas diantaranya dengan pengujian simpangan agregrat (SA) dan simpangan rata-rata (SR). Persamaan yang baik memiliki nilai SA yang berkisar dari -1 sampai +1 dan SR tidak lebih dari 10%. Kriteria lain yang diuji agar suatu model dikatakan baik yaitu dengan Root Mean Square Error (RMSE). Model yang baik memiliki nilai RMSE yang terkecil.
Kriteria pemilihan model diantaranya SA, SR, RMSE nilai yang paling baik ditunjukkan oleh model persamaan 1, dimana nilai SA terletak paling dekat diantara selang -1 sampai +1 dengan nilai sebesar -0.0240 yang artinya persamaan model 1 memenuhi syarat ketelitian yang paling baik diantara model persamaan yang lainnya. Dari ketiga model persamaan dapat dilihat bahwa ketiganya memiliki nilai di atas 10%, hal ini menandakan bahwa selisih ketiga model persamaan kurang seimbang terhadap jumlah volume dugaannya, akan tetapi nilai SR yang paling baik ditunjukan oleh model persamaan 1 sebesar 13%, dimana pada persamaan 1 lebih mendekati nilai di bawah 10%, kemudian untuk nilai RMSE nilai terbaik terdapat pada persamaan 1 sebesar 18% dimana persamaan terbaik diperoleh dari nilai prosentase yang paling kecil. Data tersebut dapat dilihat secara lengkap pada lampiran 1.
5.8 Pemilihan Model Regresi Terbaik
Nilai-nilai statistik yang dipakai pada proses penyusunan model regresi terbaik meliputi Koefisien Determinasi (R²), Koefisien Determinasi Terkoreksi (Radj²), Simpangan Baku (s) dan nilai F hitung. Persamaan yang paling baik adalah
yang memiliki nilai Koefisien Determinasi (R²) dan Koefisien Determinasi Terkoreksi (Radj2) terbesar, Simpangan Baku (s) yang paling kecil dan nilai F
hitung yang terbesar. Kemudian dilakukan Validasi Model dengan melihat nilai PRESS yang paling kecil. Sebagai kriteria dalam pemilihan model regresi terbaik meliputi nilai SR, RMSE. Persamaan yang paling baik adalah yang memiliki nilai SR, RMSE terkecil dan nilai SA yang mendekati -1 sampai +1.
Nilai-nilai di atas menunjukan bahwa hasil terbaik terdapat pada persamaan yang mempunyai nilai terkecil dengan jumlah nilai keseluruhan sebanyak delapan yaitu pada persamaan Berkhout. Kecenderungan dari masing-masing nilai yang terdapat pada Tabel 6 mengacu pada Tabel 2, dimana kecenderungan dari masing-masing kriteria sebagian besar sudah terpenuhi. Hasil dugaan masing-masing volume pada setiap diameter disajikan pada lampiran 2 dengan selang diameter 10-99 cm.
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
1. Model persamaan terbaik untuk jenis Merbau (Intsia spp.) adalah model persamaan Berkhout (V = 0.00025 Dbh2.33) dengan nilai R2 sebesar 97.5% .
2. Model ini berlaku untuk lokasi penelitian (Areal Kerja IUPHHK-HA PT Arfak Indra, Kabupaten Fakfak, Provinsi Papua Barat) dan tempat-tempat lain yang memiliki keadaan tempat tumbuh yang sama atau mendekati keadaan tempat tumbuh di lokasi penelitian dengan selang diameter 10-99 cm.
6.2 Saran
1. Untuk penerapan terhadap model yang diperoleh perlu dilakukan pengujian langsung di lapangan pada lokasi yang lebih merata di wilayah kerja IUPHHK-HA PT Arfak Indra.
2. Model perlu diperbaiki terus menerus melalui penyertaan pohon model yang lebih mewakili seluruh strata tegakan yang ada di wilayah kerja IUPHHK-HA PT Arfak Indra.
DAFTAR PUSTAKA
Bustomi S, Wahjono D, Herbadung, Sumarna K. 2002. Tarif dan Tabel Volume Beberapa Jenis Pohon di Hutan Tanaman. Pusat Litbang Hutan dan Konservasi Alam Badan Litbang Kehutanan.
[Dephut] Departemen Kehutanan.1992. Manual Kehutanan. Jakarta: Departemen Kehutanan Republik Indonesia.
[Dephut] Departemen Kehutanan. 2009. Peraturan Menteri Kehutanan Republik Indonesia No. 33/Menhut-II/2009 tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala Pada Usaha Pemanfaatan Hasil Hutan Kayu Pada Hutan Produksi. Jakarta : Departemen Kehutanan Republik Indonesia. Draper NR, and Smith H. (1992). Analisis Regresi Terapan. Jakarta: PT Gramedia
Pustaka Utama.
Fakultas Kehutanan IPB. 2010. Modul Praktikum Inventarisasi Sumber Daya Hutan. Bogor: Departemen Manajemen Hutan Fakultas Kehutanan IPB. Husch B. 1987. Perencanaaan Inventarisasi Hutan. Setyarso A, penerjemah;
Jakarta: UI Press. Terjemahan dari: Planing a Forest Inventory.
Kuncahyo B. 1991. Analis Regresi dengan MINITAB. Laboratorium Biometrika Hutan Jurusan Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor.
Loetsch F, Zohrer F, and Haller KE.1973. Forest Inventori Volume II. Munchen. BLV Verlagsgesselschaft.
Martawijaya A, Kartasujana I, Mandang,Y.I. 1989. Atlas Kayu Indonesia. Jilid II. Badan Litbang Kehutanan Bogor, Departemen Kehutanan
PT Arfak Indra, 2011. Dokumen RKUPHHK Berbasis IHMB IUPHHK-HA PT Arfak Indra.
Spurr SH. 1952. Forest Inventory. NewYork: The Ronald Press Company, Inc. Sutarahardja S. 2008. Penyusunan Alat Bantu Dalam Inventarisasi Hutan. Bogor:
Departemen Manajemen Hutan Fakultas Kehutanan IPB.
Sutarahardja S, Muhdin, Priyanto. 2010. Penyusunan Tabel Tinggi, Tabel Volume dan Tabel Berat Pohon. Bogor: Departemen Manajemen Hutan Fakultas Kehutanan IPB.
Sutisna U, Kalima T, Purnadjaja. 1998. Pedoman Pengenalan Pohon Hutan di Indonesia. N Wulijarni, Seotjipto, Soekotjo, Editor. Bogor: Yayasan PROSEA Bogor dan Pusat Diklat Pegawai dan Sumber Daya Manusia Kehutanan.
Walpole ER, 1993. Pengantar Statistik Ed Ke-3. Jakarta: PT Gramedia Pustaka Utama.
Lampiran 1 Hasil Pengolahan Data Dengan Minitab
Persamaan (1) Berkhout
Regression Analysis: log V versus log Dbh
The regression equation is log V = - 3.60 + 2.33 log dbh
Predictor Coef SE Coef T P Constant -3.59546 0.06626 -54.26 0.000 log dbh 2.33093 0.03800 61.34 0.000 S = 0.0719063 R-Sq = 97.5% R-Sq(adj) = 97.5% PRESS = 0.514402 R-Sq(pred) = 97.42% Analysis of Variance Source DF SS MS F P Regression 1 19.452 19.452 3762.17 0.000 Residual Error 95 0.491 0.005 Total 96 19.944 Unusual Observations
Obs log dbh log V Fit SE Fit Residual St Resid 1 1.16 -0.76574 -0.88144 0.02281 0.11570 1.70 X 2 1.22 -0.85632 -0.75759 0.02091 -0.09873 -1.44 X 3 1.28 -0.77568 -0.60946 0.01866 -0.16622 -2.39RX 4 1.28 -0.55941 -0.60946 0.01866 0.05006 0.72 X 5 1.29 -0.57771 -0.59892 0.01850 0.02121 0.31 X 20 1.59 -0.04542 0.10538 0.00915 -0.15081 -2.11R 44 1.75 0.65602 0.47944 0.00732 0.17658 2.47R 47 1.76 0.20679 0.51147 0.00738 -0.30468 -4.26R R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.
Lampiran 1 Hasil Pengolahan Data Dengan Minitab (Lanjutan)
Persamaan (2) Kopezky – Gehrhardt
Regression Analysis: V versus Dbh2
The regression equation is V = - 0.318 + 0.00112 dbh^2
Predictor Coef SE Coef T P Constant -0.3175 0.1128 -2.81 0.006 dbh^2 0.00112389 0.00002434 46.18 0.000 S = 0.593796 R-Sq = 95.7% R-Sq(adj) = 95.7% PRESS = 34.8539 R-Sq(pred) = 95.56% Analysis of Variance Source DF SS MS F P Regression 1 751.96 751.96 2132.64 0.000 Residual Error 95 33.50 0.35 Total 96 785.45 Unusual Observations
Obs dbh^2 V Fit SE Fit Residual St Resid 44 3136 4.5292 3.2070 0.0632 1.3222 2.24R 47 3341 1.6099 3.4372 0.0619 -1.8273 -3.09R 69 5213 4.1842 5.5411 0.0680 -1.3569 -2.30R 76 5791 7.9149 6.1911 0.0756 1.7238 2.93R 83 6642 8.9370 7.1476 0.0896 1.7894 3.05R 89 7779 6.7841 8.4255 0.1117 -1.6414 -2.81R 92 8226 7.6320 8.9281 0.1210 -1.2961 -2.23R 96 9604 10.4495 10.4763 0.1509 -0.0268 -0.05 X 97 9742 10.6004 10.6310 0.1540 -0.0306 -0.05 X R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.
Lampiran 1 Hasil Pengolahan Data Dengan Minitab (Lanjutan) Persamaan (3) Horelnald- Krenn
Regression Analysis: V versus Dbh , Dbh2
The regression equation is
V = - 0.243 - 0.0029 dbh + 0.00115 dbh^2 Predictor Coef SE Coef T P Constant -0.2428 0.3841 -0.63 0.529 dbh -0.00291 0.01429 -0.20 0.839 dbh^2 0.0011485 0.0001234 9.31 0.000 S = 0.596815 R-Sq = 95.7% R-Sq(adj) = 95.6% PRESS = 35.2566 R-Sq(pred) = 95.51% Analysis of Variance Source DF SS MS F P Regression 2 751.97 375.99 1055.58 0.000 Residual Error 94 33.48 0.36 Total 96 785.45 Source DF Seq SS dbh 1 721.10 dbh^2 1 30.87 Unusual Observations
Obs dbh V Fit SE Fit Residual St Resid 1 14.6 0.1715 -0.0405 0.2139 0.2120 0.38 X 2 16.5 0.1392 0.0219 0.1963 0.1173 0.21 X 44 56.0 4.5292 3.1960 0.0835 1.3333 2.26R 47 57.8 1.6099 3.4260 0.0831 -1.8161 -3.07R 69 72.2 4.1842 5.5341 0.0766 -1.3499 -2.28R 76 76.1 7.9149 6.1870 0.0786 1.7279 2.92R 83 81.5 8.9370 7.1487 0.0902 1.7883 3.03R 89 88.2 6.7841 8.4351 0.1217 -1.6510 -2.83R 92 90.7 7.6320 8.9414 0.1381 -1.3094 -2.26R 95 97.0 9.8014 10.2812 0.1891 -0.4799 -0.85 X 96 98.0 10.4495 10.5023 0.1983 -0.0528 -0.09 X 97 98.7 10.6004 10.6584 0.2050 -0.0580 -0.10 X R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.
Lampiran 2 Tabel Volume Lokal Jenis Merbau (Intsia spp.)
Model persamaan yang digunakan Persamaan Berkhout (V=0.00025 Dbh2.33 )
Tabel Volume
diameter volume diameter volume diameter volume diameter volume diameter volume 10 0.05345 30 0.69125 50 2.27269 70 4.97758 90 8.93974 11 0.06674 31 0.74613 51 2.38001 71 5.14484 91 9.1729 12 0.08174 32 0.80341 52 2.49016 72 5.31526 92 9.40948 13 0.0985 33 0.86313 53 2.60317 73 5.48886 93 9.64951 14 0.11706 34 0.92531 54 2.71905 74 5.66565 94 9.893 15 0.13748 35 0.98996 55 2.83782 75 5.84565 95 10.14 16 0.15979 36 1.05712 56 2.9595 76 6.02887 96 10.3904 17 0.18403 37 1.12681 57 3.0841 77 6.21532 97 10.6443 18 0.21024 38 1.19905 58 3.21164 78 6.40502 98 10.9018 19 0.23847 39 1.27386 59 3.34214 79 6.59798 99 11.1627 20 0.26874 40 1.35126 60 3.47562 80 6.79422 21 0.3011 41 1.43129 61 3.61209 81 6.99375 22 0.33557 42 1.51395 62 3.75157 82 7.19658 23 0.37219 43 1.59927 63 3.89407 83 7.40273 24 0.41099 44 1.68727 64 4.03961 84 7.61221 25 0.452 45 1.77797 65 4.18821 85 7.82503 26 0.49525 46 1.8714 66 4.33988 86 8.04121 27 0.54078 47 1.96756 67 4.49463 87 8.26076 28 0.5886 48 2.06648 68 4.65249 88 8.48369 29 0.63874 49 2.16819 69 4.81347 89 8.71001
