+ MODEL SPASIAL PENDUGAAN DAN PEMETAAN
BIOMASSA DI ATAS PERMUKAAN TANAH MENGGUNAKAN CITRA ALOS PALSAR RESOLUSI 12.5 M
MITRA ELISA HUTAGALUNG
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2013
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Model Spasial Pendugaan dan Pemetaan Biomassa di Atas Permukaan Tanah Menggunakan Citra ALOS PALSAR Resolusi 12.5 M 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, Maret 2013 Mitra Elisa Hutagalung NIM E14070096
ABSTRAK MITRA ELISA HUTAGALUNG. Model Spasial Pendugaan dan Pemetaan Biomassa di Atas Permukaan Tanah Menggunakan Citra ALOS PALSAR Resolusi 12.5 M. Dibimbing oleh NINING PUSPANINGSIH. Teknologi penginderaan jauh merupakan salah satu teknologi untuk mengetahui seberapa besar kandungan biomassa dalam hutan. Citra ALOS PALSAR memiliki keunggulan dapat menembus lapisan awan tebal. Penelitian ini bertujuan untuk membangun model penduga biomassa pada areal revegetasi pertambangan batubara PT Bukit Asam menggunakan Citra ALOS PALSAR resolusi spasial 12.5 m dan memetakan sebaran biomassanya. Biomassa di lapangan diduga dengan menggunakan metode alometrik Chave (2005) dan Ketterings (2001). Model penduga biomassa disusun menggunakan analisis regresi antara nilai-nilai biomassa di lapangan dengan nilai-nilai backscatter polarisasi HH dan HV dari citra ALOS PALSAR. Kriteria yang digunakan dalam pemilihan model terbaik didasarkan pada kriteria R2adj paling tinggi dan Root Mean Square Error paling rendah. Verifikasi model terpilih dilakukan dengan menggunakan uji t-berpasangan, kemudian dilakukan pemetaan biomassa berdasarkan hasil model terverifikasi. Dari analisis model yang dicobakan untuk menduga biomassa diperoleh hasil Y= EXP (16.724 + (0.387 x BS_HV)), dengan nilai R2adj 87.9%, RMSE 24.19, Overall Accuracy 58.93% dan Kappa Accuracy 19.5%. Kata kunci: biomassa, backscatter, ALOS PALSAR
ABSTRACT MITRA ELISA HUTAGALUNG. Spatial Model Estimation and Above Ground Biomass Mapping Using 12.5 M Resolution of ALOS PALSAR Image. Supervised by NINING PUSPANINGSIH. Remote Sensing Technology is one of the technology to estimate biomass in the forest. ALOS PALSAR image has a capability to penetrate the thick cloud layer. The aim of this research was to create biomass estimation model in coal mining areas of revegetation PT. Bukit Asam using 12.5 m resolution of ALOS PALSAR image and mapped the distribution of biomass. Field biomass was estimated using allometric Chave (2005) and Ketterings (2001). The biomass estimation models were developed using regression analysis by relating the field biomass values and the backscatter values of HH and HV polarizations of the ALOS PALSAR image. Selection of the best model based on parameters maximum R2adj, Root Mean Square Error as the least. The verification of selected model done by using t-paired test, then the biomass mapping based on models that have been verified. Based on model analysis to estimate biomass obtained results Y = EXP (16.724 + (0.387 x BS_HV)), with value of R2adj 87.9%, RMSE 24.19, Overall Accuracy 58.93% and Kappa Accuracy 19.5%. Keywords: biomass, backscatter, ALOS PALSAR
© Hak Cipta Milik IPB, Tahun 2013 Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apa pun tanpa izin IPB
MODEL SPASIAL PENDUGAAN DAN PEMETAAN BIOMASSA DI ATAS PERMUKAAN TANAH MENGGUNAKAN CITRA ALOS PALSAR RESOLUSI 12.5 M
MITRA ELISA HUTAGALUNG
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2013
DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN PENDAHULUAN Latar Belakang Tujuan Manfaat TINJAUAN PUSTAKA Penginderaan Jauh Sistem Informasi Geografis (SIG) Citra Sistem RADAR (Radio Detecting and Ranging) ALOS PALSAR Biomassa Pendugaan Biomassa METODE PENELITIAN Waktu dan Tempat Alat dan Bahan Tahapan Penelitian Pengumpulan dan Pengambilan Data Lapangan Pengolahan Data Lapangan Pengolahan Data Citra Penyusunan Model Pemilihan Model Verifikasi Model Pembuatan Peta Sebaran Biomassa Uji Akurasi Peta KONDISI UMUM LOKASI PENELITIAN Sejarah Berdirinya Perusahaan Profil Perusahaan Letak Geografis Izin Usaha dan Luas Area Topografi Iklim dan Curah Hujan Program Reklamasi Lahan Pascatambang di PT. Bukit Asam HASIL DAN PEMBAHASAN Hasil Pengolahan Data Lapangan Hasil Pengolahan Data Citra ALOS PALSAR Hubungan Biomassa dan Nilai Backscatter Citra ALOS PALSAR Penyusunan Model Hubungan Backscatter dengan Biomassa Verifikasi Model Peta Sebaran Biomassa dan Akurasi SIMPULAN DAN SARAN Simpulan Saran DAFTAR PUSTAKA LAMPIRAN RIWAYAT HIDUP
vii vii viii 1 1 2 2 2 2 3 4 8 10 11 13 13 14 14 16 16 16 18 18 19 20 20 21 21 21 21 22 22 22 23 23 23 26 28 29 30 31 33 33 33 33 36 43
DAFTAR TABEL 1 2 3 4 5 6 7 8
9
Penandaan saluran RADAR Karakteristik citra ALOS Karakteristik PALSAR Persamaan alometrik penduga biomassa lapangan Model yang digunakan untuk pendugaan biomassa Data curah hujan tahun 2005 hingga 2009 Hubungan biomassa alometrik Chave (2005) dan biomassa Ketterings (2001) Model pendugaan biomassa berdasarkan hubungan biomassa dengan backscatter polarisasi HH citra ALOS PALSAR resolusi spasial 12.5 M PT. Bukit Asam tahun 2012 Model pendugaan biomassa berdasarkan hubungan biomassa dengan backscatter polarisasi HV citra ALOS PALSAR resolusi spasial 12.5 M PT. Bukit Asam tahun 2012
6 9 10 16 18 22 25
29
30
DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9 10 11
12 13 14 15 16 17
Diagram alir subsistem Sistem Informasi Geografis Efek geometri sensor/medan pada citra SLAR Bentuk pantulan dari berbagai macam permukaan Satelit ALOS PALSAR Peta lokasi penelitian Citra ALOS PALSAR resolusi 12.5 m Diagram alur penelitian Citra ALOS PALSAR resolusi 12.5 m polarisasi HH (a), polarisasi HV (b), rasio HH/HV (c), dan polarisasi HH,HV,HH/HV(d) Hubungan kelas umur dengan nilai biomassa menggunakan alometrik Chave (2005) dan Ketterings (2001) Rata-rata biomassa alometrik Chave (2005) dan Ketterings (2001) pada setiap kelas umur a) Hubungan antar peubah menggunakan biomassa persamaan Chave (2005) dan diameter (dbh), b) hubungan biomassa persamaan Ketterings (2001) dan diameter (dbh) Sebaran plot pengamatan pada citra ALOS PALSAR resolusi spasial 12.5 m polarisasi HH Sebaran plot pengamatan pada citra ALOS PALSAR resolusi spasial 12.5 m polarisasi HV Scatterplot pembangun model pendugaan biomassa antara biomassa alometrik dengan nilai backscatter HH Scatterplot pembangun model pendugaan biomassa antara biomassa alometrik dengan nilai backscatter HV Distribusi biomassa menggunakan model alometrik Chave (2005) Peta sebaran biomassa di areal revegetasi PT. Bukit Asam Sumatera Selatan dengan menggunakan citra ALOS PALSAR resolusi spasial 12.5 m tahun perekaman 2010
4 7 7 8 13 14 15 17 24 24
25 27 27 28 28 31
32
DAFTAR LAMPIRAN 1 2 3 4
Hasil analisis regresi model linear pada polarisasi HH dan HV Hasil analisis regresi model eksponensial pada polarisasi HH dan HV Hasil analisis regresi model polynomial pada polarisasi HH dan HV Overall Accuracy dan Kappa Accuracy
36 38 40 42
PENDAHULUAN Latar Belakang Hutan merupakan sumber daya alam penting dan bermanfaat bagi kehidupan manusia dan mahluk hidup lainnya penghuni biosfer bumi ini. Manfaat langsung dari keberadaan hutan diantaranya yaitu berupa hasil hutan kayu, hasil hutan non-kayu dan satwa. Kawasan hutan sangat berfungsi sebagai penampung karbon dioksida, habitat hewan, sumber keanekaragaman jenis dan genetik, pengatur tata air, fungsi estetika serta stabilator iklim dunia. Konversi hutan menjadi lahan terbuka menyebabkan penurunan fungsi hutan. Hal ini akan berdampak terhadap lingkungan yang lebih luas, misalnya perubahan iklim. Perubahan iklim menjadi salah satu masalah lingkungan hidup yang sedang berkembang saat ini karena merupakan suatu hal yang mendorong terjadinya pemanasan global yang diakibatkan meningkatnya gas rumah kaca (GRK). Gas-gas yang dilepas tersebut berdampak terhadap ketidakseimbangan energi antara bumi dengan atmosfer sehingga menyebabkan perubahan iklim global. Meningkatnya suhu global diperkirakan akan menyebabkan perubahanperubahan yang lain seperti naiknya permukaan air laut, meningkatnya intensitas fenomena cuaca yang sangat ekstrim, produktifitas hasil pertanian menurun, hilangnya gletser dan punahnya berbagai jenis hewan. Salah satu penyebab meningkatnya GRK adalah emisi (pelepasan) akibat pembukaan lahan atau pembabatan vegetasi alami, kebakaran hutan, serta emisi akibat aktivitas peternakan. Penurunan emisi karbon dapat dilakukan dengan cara mempertahankan cadangan karbon yang ada dengan mengelola hutan lindung, mengendalikan deforestasi, menerapkan praktek silvikultur yang baik, dan mengganti bahan bakar fosil dengan bahan bakar yang dapat diperbaharui secara langsung maupun tidak langsung. Hutan memiliki peranan yang sangat penting berkaitan dengan perubahan iklim dikarenakan fungsi hutan sebagai penyerap karbon (carbon sink) dan penyimpan karbon (carbon reservoir) apabila dikelola secara lestari. Kegiatan pertambangan menjadi salah satu hal yang menyebabkan penurunan fungsi hutan. Sampai dengan tahun 2007 terdapat ± 299.762 ha lahan di dalam kawasan hutan yang telah mendapat izin pinjam pakai untuk kepentingan pembangunan di luar kehutanan termasuk untuk pertambangan batubara (Departemen Kehutanan 2007). Untuk meminimalisasi dampak negatif dari kegiatan pertambangan, sesuai dengan Undang-Undang No.4 tahun 2009 tentang pertambangan, setiap pemegang kuasa pertambangan diwajibkan untuk mengembalikan tanah sedemikian rupa sehingga tidak menimbulkan bahaya, antara lain melalui kegiatan reklamasi. Menurut Keputusan Menteri (KEPMEN) ESDM No.18 tahun 2008 yang dimaksud reklamasi adalah kegiatan yang bertujuan memperbaiki atau menata kegunaan lahan yang terganggu sebagai akibat kegiatan usaha pertambangan, agar dapat berfungsi dan berdayaguna sesuai dengan peruntukannya. Kegiatan reklamasi di kawasan pertambangan dapat dipantau melalui pendugaan biomassa. Teknologi penginderaan jauh merupakan salah satu teknologi untuk mengetahui seberapa besar kandungan biomassa dalam hutan. Teknologi ini dapat memberikan informasi yang cepat, akurat dan efisien apabila dipadukan dengan
2
pengukuran lapangan. Teknologi penginderaan jauh yang digunakan berupa sistem penginderaan jauh aktif yaitu radar. Penggunaan citra radar untuk memetakan sebaran biomassa telah menarik perhatian besar karena dapat mengatasi kelemahan citra optik. Citra radar memiliki kemampuan untuk melakukan perekaman dalam segala cuaca, baik pada siang hari maupun pada malam hari, serta mampu mengatasi kendala tutupan awan. Salah satu satelit yang diluncurkan Pemerintah Jepang pada tanggal 24 Januari 2006 adalah satelis ALOS dengan sensor PALSAR. Sensor PALSAR merupakan sensor gelombang mikroaktif yang memiliki keunggulan dapat menembus lapisan awan dan asap tebal. Dalam penelitian ini, sensor PALSAR digunakan untuk pendugaan sebaran biomassa di lahan revegetasi tambang batubara PT Bukit Asam. Tujuan Tujuan utama dari penelitian ini adalah untuk membangun model penduga biomassa pada areal revegetasi pertambangan batubara PT Bukit Asam, Tanjung Enim menggunakan Citra ALOS PALSAR resolusi spasial 12.5 m dan membuat peta sebaran biomassa dari model yang terpilih.
Manfaat Hasil penelitian diharapkan dapat dimanfaatkan sebagai alat dalam melakukan pendugaan biomassa melalui citra ALOS PALSAR. Hasil penelitian juga dapat memberikan informasi untuk pemantauan dan pengelolaan lingkungan secara lestari dengan memanfaatkan teknologi penginderaan jauh.
TINJAUAN PUSTAKA Penginderaan Jauh Penginderaan jauh merupakan ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui analisis yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah, atau fenomena yang dikaji (Lillesand dan Kiefer 1990). Tujuan utama dari penginderaan jauh adalah mengumpulkan data dan informasi tentang sumberdaya alam dan lingkungan (Lo 1996). Penginderaan jauh (remote sensing) merupakan ilmu dan seni pengukuran untuk mendapatkan informasi pada suatu objek atau fenomena, dengan menggunakan suatu alat perekaman dari suatu kejauhan, dimana pengukuran dilakukan tanpa melakukan kontak langsung secara fisik dengan objek atau fenomena yang diukur atau diamati (Jaya 2010). Kegiatan penginderaan jauh tidak cukup hanya melakukan dengan pengumpulan data secara mentah namun diperlukan pula pengolahan data secara otomatis (komputerisasi) dan manual (interpretasi), analisis citra dan penyajian data yang diperoleh (Jaya 2010).
3
Menurut Handini (2009), analisis data penginderaan jauh memerlukan data rujukan seperti peta tematik, data statistik dan data lapangan. Hasil analisis yang diperoleh berupa informasi mengenai bentang lahan, jenis penutup lahan, kondisi lokasi dan kondisi sumberdaya yang diindera. Informasi tersebut bagi para pengguna dapat dimanfaatkan untuk membantu dalam proses pengambilan keputusan. Penginderaan jauh dibedakan menjadi dua berdasarkan sumber energi elektromagnetik yang digunakan yaitu penginderaan jauh pasif (Pasif Remote Sensing) dan penginderaan jauh aktif (Active Remote Sensing). Penginderaan jauh pasif merupakan suatu sistem yang menggunakan sumber energi yang telah ada (reflektansi energi matahari dan/atau radiasi dari objek secara langsung). Penginderaan jauh aktif merupakan suatu sistem yang menggunakan sumber energi buatan (microwave). Beberapa sensor yang menggunakan sistem ini adalah RADAR, seperti RADAR SAT, ERS-1, JERS-1 dan ALOS PALSAR (Jaya 2010). Gelombang elektromagnetik yang paling penting bagi penginderaan jauh adalah sinar matahari. Sensor yang menggunakan energi dari sinar matahari sebagai sumber gelombang elektromagnetik disebut sebagai sensor pasif sedangkan sensor yang menggunakan energi yang dipancarkan oleh sensor itu sendiri disebut sensor aktif (Syafril 2009 yang diacu dalam Turana 2012). Sensor merupakan alat perekam objek bumi yang dipasang pada wahana (platform) dan letaknya jauh dari objek yang diindera (Jaya 2010).
Sistem Informasi Geografis (SIG) Sistem Informasi Geografis adalah kumpulan yang terorganisasi dari perangkat keras komputer, perangkat lunak, data geografi dan personil yang dirancang secara efisien untuk memperoleh, menyimpan, mengupdate, memanipulasi, menganalisis dan menampilkan semua bentuk informasi yang bereferensi geografis (ESRI 1990 dalam Prahasta 2009). Menurut Depdiknas (2008) dalam Puspitasari (2010) SIG merupakan teknik berbasis komputer untuk memasukan, mengolah, dan menganalisis data objek permukaan bumi dalam bentuk grafis, koordinat, dan database; dimana hasilnya dapat menggambarkan sebuah fenomenal keruangan (spasial) yang bisa digunakan sebagai basis informasi untuk pengambilan keputusan di berbagai bidang. Tujuan pokok dari pemanfaatan SIG adalah untuk mempermudah mendapatkan informasi yang telah diolah dan tersimpan sebagai atribut suatu lokasi atau objek. Sedangkan menurut Purwadi (2001), Sistem Informasi Geografis (SIG) merupakan manajemen data spasial dan non-spasial yang berbasis komputer dengan tiga karakteristik dasar, yaitu: (1) mempunyai fenomena aktual (variable data non-lokasi) yang berhubungan dengan topik permasalahan dilokasi bersangkutan; (2) merupakan suatu kejadian di suatu lokasi; dan (3) mempunyai dimensi waktu. SIG dapat diuraikan menjadi beberapa subsistem, yaitu input data, output data, manajemen data, manipulasi data serta analisis data. Subsistem dapat melakukan pemodelan data untuk menghasilkan informasi yang diharapkan. Jika subsistem diatas diperjelas berdasarkan uraian jenis masukan, proses, dan jenis
4
keluaran yang ada di dalamnya. Subsistem SIG digambarkan dalam Gambar 1 (Prahasta 2005). INPUT DATA Tabel Laporan Pengukuran lapang
MANIPULASI DAN
DATA
MANAJEMEN DATA
OUTPUT Peta
Storage (data base)
Tabel
Data digital lain Input
Retrieval
Output
Peta (tematik, topografi, dll)
Laporan Processing
Citra satelit
Informasi digital (softcopy)
Foto udara Data lainnya Gambar 1 Diagram alir subsistem Sistem Informasi Geografis Citra Sistem RADAR (Radio Detecting and Ranging) Radar menurut Lillesand dan Kiefer (1990) merupakan suatu cara yang menggunakan gelombang radio untuk mendeteksi adanya objek dan menentukan jarak (posisi)-nya. Prosesnya meliputi transmisi ledakan pendek atau pulsa tenaga gelombang mikro ke arah yang dikehendaki dan merekam kekuatannya dan asal “gema” (echo) atau “pantulan” yang diterima dari objek dalam sistem medan pandang. Gelombang mikro dapat menembus atmosfer dalam segala keadaan tergantung pada panjang gelombang yang digunakan. Tenaga gelombang mikro dapat melalui kabut tipis, hujan, salju, awan, asap dan lainnya. Menurut Barret dan Curtais (1982) dalam Ristiana (2011), sistem radar merupakan gelombang yang merambat dari sensor dan dipantulkan kembali oleh permukaan bumi lalu kemudian direkam pantulannya. Menurut JICA dan Fakultas Kehutanan IPB (2010), sebuah sistem radar mempunyai tiga fungsi sebagai berikut: 1. Sensor memancarkan gelombang microwave (radio) ke bidang permukaan tertentu, 2. Sensor tersebut menerima beberapa bagian dari energi yang dipancarkan balik (backscatter) oleh permukaan, Sensor ini dapat menangkap kekuatan (detection, amplitude) dan perbedaan waktu (ranging, phase) dari pancar balik gelombang energi.
5
Synthetic Aperture Radar (SAR) adalah sistem sensor (aktif) pencitraan yang sering digunakan pada aplikasi-aplikasi remote sensing resolusi tinggi khususnya pada pembuatan model permukaan digital, mengenali unsur-unsur buatan manusia, alat bantu navigasi, penetrasi tanah dan daun, deteksi target bergerak, dan monitoring perubahan lingkungan. Sensor yang dapat dipasang pada platform satelit atau pesawat terbang, tembus awan atau tidak terpengaruh oleh lapisan atmosfer ini dapat merekam informasi objek pada segala cuaca, baik siang maupun malam hari (Prahasta 2009). Terdapat tiga macam hamburan di atmosfer yaitu hamburan Rayleigh, hamburan Mie, dan hamburan non-selektif. Hamburan Rayleigh biasa terjadi apabila radiasi tenaga berinteraksi dengan molekul dan partikel kecil atmosfer lainnya yang garis tengahnya jauh lebih kecil daripada panjang gelombang radiasi yang berinteraksi. Langit berwarna “biru” merupakan salah satu perwujudan hamburan Rayleigh. Hamburan ini juga menyebabkan adanya “kabut tipis” pada citra (Lillesand dan Kiefer 1990). Jenis hamburan yang lain ialah hamburan Mie yang terjadi bila garis tengah partikel atmosfer sama dengan panjang gelombang tenaga yang diindera. Penyebab utama timbulnya hamburan Mie ialah uap air dan debu di atmosfer. Jenis hamburan ini cenderung mempengaruhi panjang gelombang yang lebih panjang bila dibandingkan dengan hamburan Rayleigh sehingga hamburan Mie cukup berarti pada saat cuaca agak gelap. Sedangkan hamburan non-selektif terjadi ketika garis tengah partikel (berkisar antara 5 hingga 10 µm) yang menyebabkan hamburan jauh lebih besar daripada panjang gelombang yang diindera. Sebagai akibatnya, hamburan ini “ tidak selektif” dalam hubungannya dengan panjang gelombang. Pada panjang gelombang tampak maka cahaya biru, hijau dan merah dihamburkan dengan jumlah yang sama dan menyebabkan kabut dan awan tampak putih (Lillesand dan Kiefer 1990). Radar adalah citra-citra digital hasil rekaman sistem sensor pada domaindomain (band) spektrum gelombang elektromagnetik microwave. Pada umumnya citra-citra digital yang tergolong ke dalam kelompok ini memiliki resolusi spasial menengah hingga tinggi (Prahasta 2009). Resolusi spasial sistem radar ditentukan antara lain oleh ukuran antena. Untuk suatu panjang gelombang tertentu maka semakin panjang antena, akan semakin baik resolusi spasialnya (Lillesand dan Kiefer 1990). Sedangkan menurut Prahasta (2009) resolusi spasial merujuk pada ukuran objek terkecil (yang terdapat di permukaan bumi) yang dapat dikenali (dibedakan). Sementara pada peta digital, resolusi ini dibatasi oleh ukuran piksel. Dengan demikian, ukuran objek terkecil (di permukaan bumi) yang dapat dibedakan tidak bisa berukuran lebih kecil dari ukuran pikselnya. Dalam kaitan ini, muncullah istilah resolusi tinggi dan resolusi rendah. Citra dengan resolusi tinggi ukuran pikselnya relatif kecil hingga dapat menggambarkan bagian permukaan bumi secara detail dan halus. Microwave: domain panjang gelombang yang sering digunakan sebagai pendukung instrumen radar yang berkisar antara 1mm hingga 1m. Selain itu domain microwave ini dapat dibagi-bagi ke dalam beberapa sub-domain: (1) Pband [30-100cm]; (2) L-band [15-30cm]; (3) S-band [7.5-15cm]; (4) C-band [3.87.5cm]; (5) X-band [2.4-3.8cm]; (6) Ku-band [1.7-2.4cm]; (7) K-band [1.1-1.7cm] dan (8) Ka-band [0.75-1.1cm] (Prahasta 2009).
6
Pada remote sensing tipe microwave, terdapat dua bagian: remote sensing microwave pasif dan remote sensing microwave aktif. Pada yang pertama (pasif), radiasi microwave yang dipancarkan objek akan dideteksi. Sementara pada yang kedua (aktif) yang dideteksi adalah koefisien back-scattering (Prahasta 2009). Faktor utama yang mempengaruhi sifat khas transmisi signal dari suatu sistem radar ialah panjang gelombang dan polarisasi pulsa yang digunakan. Tabel 1 menunjukan saluran panjang gelombang yang lazim digunakan dalam transmisi pulsa. Kode huruf untuk berbagai saluran (K,X,L,dsb) digunakan dan menandakan berbagai saluran yang agak berbeda panjang gelombangnya. Saluran K dan X merupakan saluran yang paling umum digunakan dalam terapan sumberdaya bumi. Penandaan saluran RADAR disajikan pada Tabel 1. Tabel 1 Penandaan saluran RADAR Kode saluran Panjang gelombang (λ) (mm) 7.5 - 11 K 11 - 16.7 16.7 - 24 X 24 - 37.5 C 37.5 - 75 S 75 - 150 L 150 - 300 P 300 - 1000 Sumber : Lillesand dan Kiefer (1990)
Frekuensi (f) = Megaherts ( putaran ) 40000 – 26500 26500 – 18000 18000 – 12500 12500 – 8000 8000 – 4000 4000 – 2000 2000 – 1000 1000 – 300
Sinyal radar dapat ditransmisikan dan/atau diterima dalam bentuk polarisasi yang berbeda, artinya sinyal dapat disaring sehingga getaran gelombang elektrik dibatasi hanya pada satu bidang datar yang tegak lurus arah perjalanan gelombang. Satu sinyal radar dapat ditransmisikan pada bidang mendatar (H) ataupun tegak (V). Sinyal tersebut dapat pula diterima pada bidang mendatar atau tegak sehingga ada empat kombinasi sinyal transmisi dan penerimaan yang berbeda, yaitu dikirim H diterima H (HH), dikirim H diterima V (HV), dikirim V diterima H (VH), dikirim V diterima V (VV). Pada beberapa kasus sinyal terpolarisasi silang atau HV, menghasilkan citra dengan kontras lebih kecil dan menunjukan pembedaan lebih sedikit diantara tipe vegetasi bila dibanding terhadap citra polarisasi searah (HH). Citra dengan polarisasi searah dihasilkan dari paduan HH dan VV. Citra polarisasi silang dihasilkan dari paduan HV atau VH. Karena berbagai objek mengubah polarisasi tenaga yang mereka pantulkan dalam berbagai tingkatan maka bentuk polarisasi sinyal mempengaruhi kenampakan objek pada citra yang dihasilkan (Lillesand dan Kiefer 1990). Sifat khas medan yang mempengaruhi pantulan radar (yang paling utama) adalah ukuran geometris dan sifat khas elektrik objektif. Sifat khas geometris atau ukuran ialah suatu corak “pandangan samping” di dalam mencitrakan berbagai relief medan. Hal ini timbul melalui variasi geometrik sensor medan relatif untuk berbagai orientasi medan, seperti dilukiskan di dalam Gambar 2. Variasi lokal lereng medan mengakibatkan sudut datang sinyal yang berbeda-beda. Sebaliknya, variasi ini mengakibatkan hasil balik relatif tinggi bagi lereng yang menghadap sensor, dan hasil balik yang rendah atau tidak ada sama sekali bagi lereng yang
7
membelakangi sensor. Kekuatan hasil balik lawan grafik waktu yang ditempatkan pada medan sehingga sinyal dapat dikorelasikan terhadap kenampakan yang menghasilkannya dapat dilihat pada Gambar 2.
Gambar 2 Efek geometri sensor/medan pada citra SLAR Sumber: Lillesand dan Kiefer (1990) Pada permukaan dengan kekasaran yang sama atau lebih besar dari panjang gelombang yang ditransmisikan, permukaan yang kasar bertindak sebagai pemantul baur dan memencar semua tenaga datang ke semua arah (hanya mengembalikan sebagian kecil ke antena) seperti yang digambarkan pada Gambar 3a. Pada umumnya semakin halus permukaan maka semakin jauh panjang gelombang untuk sensor menerima dan mengakibatkan sinyal balik menjadi rendah seperti tampak pada Gambar 3b (Lillesand dan Kiefer 1990). Pantulan sudut terjadi sebagai hasil dari bentuk sudut objek alami maupun objek buatan. Pantulan sudut menyebabkan pantulan gelombang kembali ke arah sensor yang menyebabkan rona sangat cerah. Hal ini terjadi pada objek yang bersudut sikusiku seperti gedung bertingkat dan lereng terjal dapat dilihat pada Gambar 3c (Daulay 2011).
Gambar 3 Bentuk pantulan radar dari berbagai macam permukaan menurut Lillesand dan Kiefer (1990) Baur (a); Sempurna (b); Sudut (c)
8
Sifat khas elektrik merupakan kenampakan medan bekerja sangat erat dengan sifat khas geometri untuk menentukan intensitas hasil balik radar. Satu ukuran bagi sifat khas elektrik objek ialah tetapan dielektrik komplek. Parameter ini merupakan suatu indikasi bagi daya pangkul dan konduktifitas berbagai material (Lillesand dan Kiefer 1990).
ALOS PALSAR (Advance Land Observing Satellite) ALOS adalah satelit milik Jepang yang diluncurkan pada tahun 2006 menggunakan roket H-II dan didesain untuk dapat beroperasi selama 3-5 tahun. Satelit ALOS merupakan generasi lanjutan dari JERS-1 (the Japanese Earth Resource Satellite-1) dan ADEOS (the Advance Earth Observing Satellite) yang dilengkapi dengan teknologi yang lebih maju. Pertama teknologi yang mampu mengerjakan data dalam kapasitas yang sangat besar dengan kecepatan tinggi, dan selanjutnya kapasitas untuk menentukan posisi satelit dengan ketinggian yang lebih tepat (JAXA 2010). ALOS dilengkapi dengan tiga instrumen penginderaan jauh : yaitu Panchromatik Remote_sensing Instrument Stereo Mapping (PRISM), Advanced Visible and Near Infrared Radiometer type-2 (AVNIR-2) dan Phased Array Type L-band Synthetic Aperture Radar (PALSAR). AVNIR dan PRISM merupakan sensor optik dan PALSAR merupakan sensor SAR (Riska 2011). Bentuk dari instrumen PALSAR disajikan pada Gambar 4.
Gambar 4 Satelit ALOS PALSAR (Jaxa 2010)
9
Melalui observasinya, yaitu ScanSAR sensor ini memungkinkan untuk melakukan pengamatan permukaan bumi dengan cakupan area yang cukup luas yaitu 250 hingga 350 km. ScanSAR mempunyai kemudi berkas cahaya (yang dapat diatur) pada elevasi (ketinggian) dan didesain untuk memperoleh cakupan yang lebih lebar daripada SAR konvensional. Karakteristik citra ALOS dapat dilihat pada Tabel 2. Tabel 2 Karakteristik citra ALOS Karakteristik Keterangan Tanggal Peluncuran 24 Januari 2006 Alat Peluncuran Roket H-IIA Tempat Peluncuran Pusat Ruang Angkasa Tanagashima Berat satelit 4000 Kg Power 7000 W Waktu operasional 3 sampai 5 tahun Sun-Synchronous Sub-Recurrent Orbit Repeat Cycle: 46 days, Sub Cycle: 2 days Tinggi Lintasan 691,65 Km diatas Equator Inclinasi 98.16 ° (dengan GCP) Akurasi Ketinggian 1 m (off-line) Akurasi Posisi 240Mbps (via Data Relay Technology Satellite) Kecepatan Perekaman 120Mbps (Transmisi Langsung) Onboard Data Recorder Solid-state data recorder (90 Gbytes) Sumber: Jaxa 2010 JICA dan Fakultas Kehutanan IPB (2010) menjelaskan bahwa dalam PALSAR resolusi tinggi dapat diperoleh dengan berbagai cara: a. Resolusi ke arah range dapat ditingkatkan dengan sistem beam yang lebih lebar dan pengulangan waktu yang lebih pendek. b. Resolusi ke arah azimuth dapat ditingkatkan dengan beam yang lebih sempit dan pengulangan waktu yang lebih panjang. c. Resolusi sebesar 10 m ke arah range dan 6, ke arah azimuth dapat diperoleh dengan PALSAR. d. Secara umum, target merupakan objek yang dihasilkan dari sejumlah scatter dan menyebabkan speckle. e. Sinyal yang diterima merupakan jarak antara target dengan radar Data PALSAR dapat digunakan untuk pembuatan DEM, Interferometri untuk mendapatkan pergeseran tanah, maupun kandungan biomassa, monitoring kehutanan, pertanian, tumpahan minyak (oil spill), soil moisture, mineral, dan lain-lain. Karakteristik PALSAR dalam melakukan perekaman dapat dilihat pada Tabel 3.
10
Tabel 3 Karakteristik PALSAR Mode
Fine
ScanSAR
Polarimetric (Experiment Mode)
Frekuensi Lebar Kanal Polarisasi
1.270 MHz (L-Band) 28/114 MHz HH/VV/HH+HV HH atau VV HH+HV+VH+VV atau VV+HV Resolusi Spasial 10 m (2 look)/ 100m (multi look) 30 m 20 m (4 look) Lebar cakupan 70 km 250-350 km 30 km Incidence Angle 8-60 derajat 18-43 derajat 8-30 derajat NE Sigma 0 <-23 dB (70 km) <-25 dB <-29 dB <-25 dB (60 km) Panjang Bit 3 bit atau 5 bit 5 bit 3bit atau 5bit Ukuran AZ:8.9m x EL: 2.9m Sumber: Jaxa 2010
Biomassa Brown (1997) mendefinisikan biomassa sebagai jumlah total bahan organik hidup di atas permukaan tanah pada tanaman khususnya pohon (daun, ranting, cabang, batang utama, dan kulit) yang dinyatakan dalam berat kering oven ton per unit area. Biomassa dibedakan menjadi dua kategori, yaitu biomassa di atas permukaan tanah (above ground biomass) dan biomassa di bawah permukaan tanah (bellow ground biomass). Komponen biomassa terbesar terdapat pada biomassa di atas permukaan tanah. Karena terdapat kesulitan pada pengumpulan data lapangan biomassa di bawah permukaan (Below-Ground Biomass, BGB), penelitian estimasi biomassa yang telah banyak dilakukan sebelumnya terfokus pada biomassa di atas permukaan (Above-Ground Biomass, AGB) (Lu, 2006). Biomassa di atas permukaan tanah terdiri atas semua biomassa hidup di atas permukaan tanah yang meliputi batang, tunggak, cabang, kulit, buah/biji, dan daun. Biomassa di bawah permukaan tanah terdiri atas semua akar pohon yang masih hidup kecuali serabut akar (diameter < 2mm) (Septyawardani 2012). Biomassa tegakan hutan dipengaruhi oleh umur tegakan hutan, sejarah perkembangan vegetasi, komposisi dan struktur tegakan (Lugo dan Snedaker 1974 dalam Syarif 2011). Sedangkan menurut Satoo dan Madgwick (1982) dalam Rochmawati (2010) faktor-faktor yang dapat mempengaruhi biomassa dapat berupa suhu, curah hujan, umur dan kerapatan tegakan, komposisi dan susunan tegakan, serta kualitas tempat tumbuh. Suhu tersebut berdampak pada proses biologi dalam pengambilan karbon oleh tanaman dan penggunaan karbon dalam aktivitas dekomposisi (Murdiyarso et al. 1999). Jumlah biomassa dalam hutan merupakan hasil perbedaan produksi melalui fotosintesis dan konsumsi tumbuhan melalui respirasi dan proses pemanenan. Biomassa merupakan ukuran penting untuk menilai perubahan struktur hutan.
11
Perubahan dalam biomassa hutan bisa disebabkan oleh suksesi alami: kegiatan manusia seperti silvikultur, pemanenan, dan pendegradasian; serta dampak alami dari kebakaran dan perubahan iklim. Biomassa hutan juga relevan dengan isu perubahan iklim (Brown 1997). Biomassa tumbuhan bertambah karena tumbuhan menyerap CO2 dari udara dan mengubah bahan tersebut menjadi zat organik melalui proses fotosintesis. Hal ini tergantung pada luas daun yang terkena sinar matahari, intensitas penyinaran, suhu dan ciri masing-masing tumbuhan. Lebih lanjut disebutkan bahwa jumlah biomassa di dalam hutan adalah hasil dari perbedaan antara produksi melalui fotosintesis dengan konsumsi melalui respirasi dan proses penebangan (Whitten et al. 1984). Semakin tua umur suatu tanaman maka akan semakin rendah kemampuan tanaman tersebut dalam menyerap karbon dioksida. Hal ini berarti suatu saat kandungan suatu tanaman akan mencapai titik jenuh seiring dengan akhir daur (Siringoringo dan Ginting 1997; Langi 2007; Turana 2012).
Pendugaan Biomassa Secara umum, pendugaan dan pemetaan biomassa hutan dapat dilakukan dengan dua pendekatan (Labrecque et al. 2006 dalam Tiryana 2011): 1. Pemodelan radiometrik, dimana biomassa diduga dan dipetakan berdasarkan model hubungan antara nilai-nilai dijital (atau transformasinya) pada citra satelit dengan nilai-nilai biomassa hasil pengukuran pada plot-plot contoh di lapangan. 2. Klasifikasi tematik pada citra satelit, dimana biomassa diduga dan dipetakan berdasarkan kelas-kelas penutupan lahan atau stratifikasi tegakan yang biomassanya diduga dari suatu tabel konversi biomassa. Pendugaan biomassa hutan dibutuhkan untuk mengetahui perubahan cadangan karbon dan untuk tujuan lain. Pendugaan biomassa di atas permukaan tanah sangat penting untuk mengkaji cadangan karbon dan efek dari deforestasi serta penyimpanan karbon dalam keseimbangan karbon secara global (Ketterings et al. 2001). Terdapat 4 cara utama untuk menghitung biomassa yaitu (i) sampling dengan pemanenan (Destructive sampling) secara in situ; (ii) sampling tanpa pemanenan (Non-destructive sampling) dengan data pendataan hutan secara in situ; (iii) pendugaan melalui penginderaan jauh; dan (iv) pembuatan model. Untuk masing masing metode di atas, persamaan alometrik digunakan untuk mengekstrapolasi cuplikan data ke area yang lebih luas. Penggunaan persamaan alometrik standar yang telah dipublikasikan sering dilakukan, tetapi karena koefisien persamaan alometrik ini bervariasi untuk setiap lokasi dan spesies, penggunaan persamaan standar ini dapat mengakibatkan galat (error) yang signifikan dalam mengestimasikan biomassa suatu vegetasi (Heiskanen, 2005) Menurut Brown (1997) ada dua pendekatan untuk menduga biomassa pohon, yang pertama berdasarkan pendugaan volume kulit sampai batang bebas cabang yang kemudian diubah menjadi jumlah biomassa (ton/ha) dan yang kedua secara langsung dengan menggunakan regresi biomassa. Seperti dikemukakan oleh Tiryana (2011), potensi biomassa hutan juga dapat diketahui melalui data hasil inventarisasi baik dengan menggunakan faktor konversi volume ke biomassa
12
maupun persamaan alometrik yang menghubungkan dimensi pohon (diameter atau tinggi) dengan biomassanya. Diameter pohon merupakan salah satu variable yang penting bagi pendugaan biomassa selain kerapatan jenis pohon dan tipe hutan (Chave et al. 2001). Sehubungan dengan pernyataan tersebut Ketterings et al. (2001) membuat model penduga biomassa hutan dengan menggunakan variable diameter dan kerapatan jenis dalam persamaan sebagai berikut: 𝐷 Dimana : W = biomassa (kg/pohon) ρ = kerapatan jenis (gr/cm3) D = diameter setinggi dada (cm) Menurut Chapman 1976 secara garis besar metode pendugaan biomassa di atas permukaan tanah dapat dikelompokkan menjadi dua kelompok, yaitu metode pendugaan langsung atau pemanenan (destructive sampling) dan metode pendugaan tidak langsung (non-destructive sampling). Metode pendugaan langsung terdiri dari: 1. Metode pemanenan individu tanaman Metode ini dapat digunakan pada tingkat kerapatan individu tumbuhan cukup rendah dan komunitas tumbuhan dengan jenis yang sedikit. Nilai total biomassa dengan metode ini diperoleh dengan menjumlahkan biomassa seluruh individu dalam suatu unit area contoh. 2. Metode pemanenan kuadrat Metode ini mengharuskan memanen semua individu tumbuhan dalam suatu unit area contoh dan menimbangnya. Nilai total didapat dengan mengkonversi berat bahan organik tumbuhan yang dipanen ke dalam suatu unit area tertentu. 3. Metode pemanenan individu pohon yang mempunyai luas bidang dasar ratarata. Metode ini biasanya diterapkan pada tegakan yang memiliki ukuran individu seragam. Pohon yang ditebang ditentukan berdasarkan rata-rata diameternya dan kemudian menimbangnya. Nilai total biomassa diperoleh dengan menggandakan nilai berat rata-rata dari pohon contoh yang ditebang dengan jumlah individu pohon dalam suatu unit area tertentu atau jumlah berat dari semua pohon contoh yang digandakan dengan rasio antara luas bidang dasar dari semua pohon dalam suatu unit area dengan jumlah luas bidang dasar dari semua pohon contoh. Sedangkan metode pendugaan tidak langsung terdiri dari metode hubungan alometrik dan metode crop meter. 1. Metode hubungan alometrik Metode hubungan allometrik dibuat dengan mencari korelasi yang paling baik antar dimensi pohon dengan biomassanya. Sebelum membuat persamaan tersebut, pohon-pohon yang mewakili sebaran kelas diameter ditebang dan ditimbang. Nilai total biomassa diperoleh dengan menjumlahkan semua berat individu pohon dari suatu unit area tertentu. 2. Metode crop meter Metode crop meter adalah pendugaan biomassa dengan menggunakan seperangkat peralatan elektroda listrik yang kedua kutub positif dan
13
negatifnya diletakkan di atas permukaan tanah pada jarak tertentu. Biomassa tumbuhan yang terletak antara dua elektroda dipantau dengan memperhatikan electrical capacitance yang dihasilkan alat tersebut. Riska (2011) telah melakukan penelitian pendugaan biomassa pinus pada kawasan hutan di wilayah KPH Banyumas Barat dengan menggunakan citra ALOS PALSAR resolusi 12.5 m dan 50 m. Hasil yang didapatkan dari penelitian tersebut menunjukan adanya hubungan yang lebih baik antara nilai backscatter polarisasi HV dengan kandungan biomassa. Penelitian lain dilakukan oleh Syarif (2011) dengan menggunakan citra ALOS PALSAR resolusi 12.5 m dan 50 m pada tegakan jati di KPH Kebonharjo menyimpulkan bahwa hubungan antara backscatter polarisasi HH dengan kandungan biomassa tidak terlalu erat. Hasil studi tersebut menunjukan bahwa hubungan polarisasi HV dengan biomassa lebih baik, hal tersebut ditunjukan oleh nilai koefisien determinasi yang tinggi.
METODE PENELITIAN Waktu dan Tempat Penelitian Penelitian dilaksanakan di areal revegetasi kawasan pertambangan batubara PT. Bukit Asam, Kabupaten Tanjung Enim, Provinsi Sumatera Selatan (Gambar 5). Pengolahan data dilakukan di Laboratorium Remote Sensing dan GIS, Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor. Penelitian, pengolahan data dan penyusunan laporan dilaksanakan mulai bulan September 2012 sampai dengan bulan Januari 2013.
Gambar 5 Peta lokasi penelitian
14
Alat dan Bahan Alat yang digunakan yaitu: Global Positioning System (GPS), golok, kamera digital, meteran, Phi-Band, tali tambang, haga hypsometer, tabel pengukuran (tally sheet), alat tulis, dan satu unit komputer pribadi yang dilengkapi dengan software pengolahan citra yaitu Erdas Imagine Ver 9.1, Arcview GIS Ver 3.2, Arc GIS 9.3 serta aplikasi perkantoran Microsoft Word dan Microsoft Excel 2007. Analisis data statistik dilakukan menggunakan Software SPSS Ver 16.0. Bahan yang digunakan dalam penelitian yaitu: data hasil pengukuran diameter (D) dan tinggi pohon (H), peta areal kerja kegiatan pertambangan PT Bukit Asam Muara Enim, peta Rupa Bumi Indonesia, dan citra ALOS PALSAR tahun perekaman 2010 dengan resolusi spasial 12.5 m daerah Sumatera Selatan kombinasi RGB:HH-HV-HH/HV (Gambar 6).
Gambar 6 Citra ALOS PALSAR resolusi 12.5 m.
Tahapan Penelitian Tahapan penelitian ini secara umum terdiri dari persiapan dan pengambilan data lapangan, pengolahan data lapangan, pengolahan data citra, pembuatan model penduga biomassa, dan pemetaan biomassa. Tahapan penelitian dan pengolahan citra ALOS PALSAR disajikan pada Gambar 7.
15
Mulai
Persiapan dan pengumpulan data
Hasil inventarisasi tegakan
Citra ALOS PALSAR resolusi 12.5 M
Konversi nilai digital
Perhitungan biomassa
Dimensi tegakan dan nilai biomassa
Nilai backscatter
Overlay
Analisis statistik dan penyusunan model pendugaan biomassa
Verifikasi model terbaik
Peta sebaran biomassa
Uji akurasi peta
Selesai Gambar 7 Diagram alur penelitian
16
Pengumpulan dan Pengambilan Data Lapangan Data yang dikumpulkan berupa data primer dan sekunder. Data primer meliputi pengenalan spesies pohon, pengukuran diameter pohon, pengukuran tinggi pohon dan pengambilan koordinat plot lapangan. Nilai simpanan biomassa dan karbon dihitung menggunakan model alometrik biomassa Chave (2005) dan Kettering (2001). Plot diletakkan di areal revegetasi PT Bukit Asam. Jumlah plot contoh pengukuran diameter (D) dan tinggi pohon (H) diambil secara purposive sampling yang direncanakan pada peta areal kerja PT Bukit Asam Sumatera Selatan. Plot contoh berupa persegi panjang berukuran 20 m × 50 m sebanyak 56 plot dan tersebar proporsional menurut umur tanaman hasil revegetasi. Kelas umur pada wilayah revegetasi dibagi menjadi 3 yaitu, Kelompok Umur (KU) I umur 0-4 tahun, kelompok umur (KU) umur 5-8 tahun, kelompok umur (KU) umur 9 tahun atau lebih. Pengukuran koordinat titik pengamatan diukur dengan GPS, kemudian dilakukan perekaman posisi area contoh menggunakan GPS. Data sekunder meliputi peta areal kerja PT Bukit Asam, peta Rupa Bumi Indonesia dan studi literatur kerapatan jenis pohon (ρ) setiap spesies pohon untuk mendukung data primer yang dikumpulkan di lapangan. Pengolahan Data Lapangan Pengolahan data di lapangan dilakukan untuk menduga biomassa atas permukaan tanah (above-ground biomass) pada setiap plot dengan menggunakan model alometrik. Pendugaan biomassa di lapangan dilakukan dengan menggunakan dua persamaan alometrik. Persamaan alometrik yang akan digunakan merupakan persamaan biomassa yang didasarkan atas kerapatan jenis (ρ) setiap spesies yang diukur. Adapun persamaan alometrik penduga biomassa yang digunakan tercantum pada Tabel 4. Tabel 4 Persamaan alometrik penduga biomassa lapangan No Persamaan Alometrik Sumber 2.62 1 AGB = 0.11 ρ (D) (Ketterings et al. 2001) 2 AGB = exp (-2.557 + 0.940 x ln (ρD2H)) (Chave et al.2005) Keterangan: AGB = biomassa atas permukaan tanah (above-ground biomass) D = diameter setinggi dada (cm) H = tinggi pohon (m) = kerapatan jenis (gr/cm3) ρ exp = exponensial ln = logaritma natural Pemilihan persamaan alometrik terbaik didasarkan pada uji tstudent dan korelasi R2 mendekati 100%. Jika nilai thitung lebih besar dari ttabel dapat diartikan bahwa nilai pendugaan biomassa menggunakan alometrik Chave (2005) berbeda nyata dengan nilai pendugaaan biomassa Ketterings (2001). Sehingga, persamaan yang memiliki nilai R2 lebih besar akan digunakan dalam pemodelan spasial. Pengolahan Data Citra Citra yang digunakan dalam penelitian ini yaitu citra ALOS PALSAR resolusi 12.5 m tahun perekaman 2010. Dalam pengolahan data citra ALOS
17
PALSAR resolusi 12.5 m dilakukan pembuatan synthetic band dan citra komposit yang diawali dengan layer stack. Layer stack merupakan suatu proses penggabungan, penumpukan dan pemisahan masing-masing layer pada citra. Pengkombinasian rasio (HH/HV) dilakukan menggunakan Erdas Model Builder guna pembuatan synthetic band. Sedangkan citra komposit yang dibuat merupakan penggabungan band HH, HV, HH/HV sebagai band red, green dan blue. Citra ALOS PALSAR 12.5 m polarisasi HH, polarisasi HV, polarisasi HH/HV dan citra komposit polarisasi HH,HV,HH/HV pada band Red, Green, Blue disajikan pada Gambar 8.
Gambar 8 Citra ALOS PALSAR resolusi 12.5 m Polarisasi HH (a), Polarisasi HV (b), Rasio HH/HV (c), dan Polarisasi HH, HV, HH/HV (d) Setelah beberapa proses pengolahan citra di atas, selanjutnya dilakukan pengambilan data dari citra ALOS PALSAR berupa nilai dijital (digital number) pada setiap plot penelitian. Ekstraksi nilai dijital diperoleh dengan membuat buffer pada titik pengamatan di lapangan. Dengan menggunakan ekstensi square buffer pada ArcView 3.2 dibuat buffer pada titik pengamatan dilapangan dengan ukuran buffer 3 piksel × 3 piksel atau setara dengan 37.5 meter pada resolusi citra 12.5
18
meter yang ditentukan berdasarkan pertimbangan error GPS dan pergeseran citra. Square buffer yang dihasilkan kemudian digunakan sebagai AOI (Area Of Interest) sehingga didapat nilai dijital rata-rata pada buffer titik pengamatan. Nilai digital yang dihasilkan kemudian dikonversi menjadi nilai hamburan balik (backscatter). Analisis backscatter dalam penelitian ini dilakukan terhadap polarisasi HH dan HV. Nilai backscatter dapat diperoleh dengan menggunakan formulasi sebagai berikut (Shimada et al. 2009): 𝐵𝑆 × 𝐿𝑜𝑔 (𝑑𝑁 ) + 𝐶𝐹 Keterangan : BS = nilai Backscatter (dB) dN = nilai Dijital (degree) CF = calibration factor dari Citra ALOS PALSAR peliputan tahun 2010 sebesar -83 (JAXA Publication) Penyusunan Model Analisis hubungan antara biomassa lapangan dengan nilai backscatter dilakukan dengan menyusun model hubungan antara biomassa atas permukaan tanah dengan nilai backscatter dari masing-masing polarisasi pada citra ALOS PALSAR resolusi spasial 12.5 m. Penyusunan model dilakukan dengan eksplorasi data untuk mengetahui kecenderungan pola sebaran data. Hal ini dilakukan dengan cara membuat diagram pencar (scatter plot) antara nilai-nilai backscatter (sebagai sumbu x) dan nilai-nilai biomassa (sebagai sumbu y) dari plot-plot contoh. Berdasarkan diagram pencar tersebut selanjutnya dapat ditentukan model matematika yang sesuai. Penyusunan dilakukan dengan beberapa model matematika disajikan pada Tabel 5. Tabel 5 Model yang digunakan untuk pendugaan biomassa Jenis model Bentuk model Model eksponensial Y = EXP (a + bX) Model polynomial Y = X / (a + bX) Model linear Y = a + bX Keterangan: Y = nilai biomassa atas permukaan X = nilai backscatter ALOS PALSAR pada polarisasi tertentu EXP = eksponensial a,b = nilai estimasi parameter Pemilihan Model Pemilihan model terbaik diawali dengan penghitungan koefisien korelasi antara peubah-peubah yang digunakan melalui pendekatan korelasi (r) yang menyatakan seberapa besar nilai backscatter dari masing-masing polarisasi tersebut dapat menjelaskan nilai biomassa. Nilai r dapat dihitung dengan menggunakan formulasi sebagai berikut: ( )( ) √((
(
Keterangan: x = variable bebas (nilai backscatter) y = variable terikat (nilai biomassa)
) )((
(
) )
19
rxy = korelasi antara variabel bebas dan variabel tak bebas n = jumlah plot sampel Pemilihan model dilakukan dengan memperhatikan koefisien determinasi terkoreksi (R2adj) dan akar tengah kuadrat sisaan (Root Mean Square Error) dari masing-masing persamaan yang diperoleh dengan menggunakan software SPSS 16.0. Nilai R2 berkisar antara 0% hingga 100%. Model yang digunakan selanjutnya adalah model matematik yang memiliki nilai R2adj yang paling tinggi (mendekati 100%) serta RMSE (Root Mean Square Error) terkecil. Semakin tinggi nilai R2adj maka dapat ditarik kesimpulan bahwa semakin tinggi keragaman variable terikat Y (nilai biomassa) yang dapat dijelaskan oleh variable bebas X (nilai backscatter) atau dapat dikatakan bahwa hubungan antar peubah semakin kuat. Semakin rendah nilai RMSE, maka tingkat akurasi pendugaan nilai biomassa yang dijelaskan oleh nilai backscatter semakin baik. Rumus koefisien determinasi terkoreksi adalah sebagai berikut: 𝑆 ( ) 𝑑 ( ) Keterangan: JKS = jumlah kuadrat sisa JKT = jumlah kuadrat total (n – p) = derajat bebas sisa (n + p) = derajat bebas total Sedangkan akar kuadrat error dihitung berdasarkan rumus: MSE = Σ(yi - ̂i)2 / (n – p) 𝑆𝐸 √ 𝑆𝐸 Keterangan: MSE = kuadrat tengah sisa RMSE = akar kuadrat tengah sisa Yi = biomassa ke-i ̂i = rata-rata biomassa ke-i n = jumlah plot p = jumlah parameter yang digunakan Verifikasi Model Verifikasi model bertujuan untuk membandingkan hasil perhitungan biomassa atas permukaan di lapangan menggunakan model terpilih dengan hasil pengukuran biomassa di lapangan menggunakan persamaan alometrik Chave (2005) dan Kettering (2001) yang diasumsikan sebagai biomassa aktual. Untuk membandingkan hasil pendugaan biomassa pada model terbaik yang dihasilkan dalam penelitian ini dibandingkan dengan hasil pengukuran biomassa aktual di lapangan menggunakan persamaan alometrik digunakan uji t-student berpasangan (Mattjik dan Sumertajaya 2000). 𝑑 √ Keterangan: d = nilai tengah dari beda dua contoh sd = simpangan baku dari beda dua contoh n = banyaknya pasangan contoh
20
Uji t berpasangan digunakan untuk menentukan ada tidaknya perbedaan rata-rata dua sampel bebas, yakni biomassa aktual dan biomassa model. Dua sampel yang dimaksud adalah sampel yang sama namun mengalami proses pengukuran maupun perlakuan yang berbeda. Hipotesis yang diusulkan untuk diuji pada analisis perbedaan dua sampel, yaitu: H0 : (Biomassa aktual = biomassa model) H0 : (Biomassa aktual ≠ biomassa model) Model yang dianggap mewakili data dan layak digunakan didasarkan pada thitung dengan kriteria apabila thitung < ( ⁄ ) pada taraf nyata 5% atau nilai p-value > level of significant ( ) dimana adalah sebesar 0.05 dengan confidence interval 95% maka terima H0. Artinya tidak ada perbedaan nyata antara biomassa aktual dan biomassa model. H0 ditolak atau terima H1 jika thitung > ( ⁄ ) atau nilai pvalue < level of significant ( ) dimana adalah sebesar 0.05 dengan confidence interval 95%. Artinya diduga ada perbedaan biomassa aktual dengan biomassa model maka dapat dinyatakan bahwa model penduganya kurang layak digunakan. Pembuatan Peta Sebaran Biomassa Pembuatan peta sebaran biomassa dilakukan dengan bantuan software ERDAS Imagine Ver 9.1 dan Arc GIS Ver 9.3. Citra pendugaan biomassa diturunkan dari citra backsatter yang diproses melalui menu Modeler ( ) pada ERDAS Imagine Ver 9.1 menggunakan model pendugaan terpilih yang sudah terverifikasi. Selanjutnya dari citra pendugaan biomassa dibuat peta sebaran kelas biomassa dengan menggunakan software Arc GIS Ver 9.3. Uji Akurasi Peta Penghitungan akurasi peta dilakukan untuk mengetahui tingkat keterwakilan dan akurasi terhadap peta sebaran biomassa yang telah dibuat. Tingkat akurasi diketahui dengan melakukan pengujian nilai Overall Accuracy dan Kappa Accuracy yang diformulasikan oleh Jaya (2010) : ∑𝑟𝑖 𝑋𝑖𝑖 𝑂𝐴 × 𝑁 𝑁 ∑𝑟𝑖= 𝑋𝑖𝑖 ∑𝑟𝑖= 𝑋𝑖+ 𝑋+𝑖 × ∑𝑟𝑖 𝑋𝑖+ 𝑋+𝑖 𝑁 Keterangan : Xii = nilai diagonal dari matrik kontingensi baris ke-i dan kolom ke-i = jumlah piksel dalam kolom ke-i Xi+ X+i = jumlah piksel dalam baris ke-i N = banyaknya titik contoh Dalam matrik kontingensi dapat pula dihitung besarnya akurasi pembuat (Producer Accuracy/PA) dan akurasi pengguna (User Accuracy/UA) dari setiap kelas. 𝑋𝑖𝑖 𝑋𝑖𝑖 𝑈𝐴 ( ) × 𝑃𝐴 ( ) × 𝑋+𝑖 𝑋𝑖+ Akurasi klasifikasi umumnya dilakukan dengan metode Overall Acuracy, akan tetapi akurasi ini umumnya overestimate sehingga jarang digunakan sebagai
21
indikator yang baik untuk mengukur kesuksesan suatu klasifikasi karena hanya menggunakan piksel-piksel yang terletak pada diagonal suatu matrik contingency. Akurasi yang disarankan adalah dengan menggunakan rumus Kappa Accuracy karena semua element dalam matrik conttingency akan diperhitungkan (Jaya 2010).
KONDISI UMUM LOKASI PENELITIAN Sejarah Berdirinya Perusahaan Sejarah pertambangan batubara di Kabupaten Tanjung Enim dimulai sejak zaman kolonial Belanda pada tahun 1919 dengan metode yang pertama kali digunakan adalah metode penambangan terbuka (open pit mining). Pada tahun 1923 kegiatan pertambangan berkembang dengan metode penambangan bawah tanah (underground mining) yang beroperasi hingga tahun 1940, sedangkan produksi batubara untuk kegiatan komersial dimulai sejak tahun 1938. Seiring dengan berakhirnya kekuasaan Belanda di Indonesia, para karyawan Indonesia menuntut adanya perubahan status tambang menjadi pertambangan nasional. Pada tahun 1950, Pemerintah Republik Indonesia mengesahkan pembentukan Perusahaan Negara Tambang Arang Bukit Asam (PN TABA) yang kemudian pada tahun 1981 berubah status menjadi Perseroan Terbatas dengan nama PT Tambang Batubara Bukit Asam (Persero) Tbk.
Profil Perusahaan PT. Bukit Asam (Persero), Tbk. (PTBA) sebagai salah satu Badan Usaha Milik Negara (BUMN) dibawah Kementrian Energi dan Sumberdaya Mineral merupakan pengelola utama industri pertambangan batubara Unit Pertambangan Tanjung Enim (UPTE). Dasar hukum perusahaan ini yakni, menjadi perusahaan energi yang berdaya saing dan memberikan nilai optimal bagi stakeholders, dengan misi memproduksi dan memasarkan batubara dengan cara dan harga terbaik serta berkembang harmonis bersama lingkungan. Komposisi kepemilikan saham PT. BA akhir tahun 2008 adalah sebagai berikut; pemerintah sebesar 65.00%, investor domestik sebesar 8.7%, dan investor asing sebesar 13.6%. Pada 23 Desember 2002, Perseroan mencatatkan diri sebagai perusahaan publik di Bursa Efek Indonesia dengan kode “PTBA”.
Letak Geografis Lokasi penambangan PT. Bukit Asam (Persero) Tbk, secara geografis terletak pada koordinat 3° 42’ 30” LS - 4° 47’ 30” LS dan 103° 45’ 00” BT - 103° 50’ 10” BT. Secara adminstratif pemerintahan, PT. Bukit Asam (Persero) Tbk, termasuk dalam wilayah Kecamatan Tanjung Enim, Kabupaten Muara Enim, Provinsi Sumatera Selatan.
22
Izin Usaha dan Luas Area Izin usaha atau kegiatan operasi produksi penambangan mengacu pada SK/Prov.Sumsel/304/KPTS/DISTAMBEN/2010. Luas area penambangan PT. Bukit Asam (Persero) Tbk menurut Perjanjian Karya Pengusahaan Pertambangan Batubara (PKP2B) seluas 15421 Ha dengan memiliki tiga lokasi penambangan yaitu: Tambang Air Laya (TAL) dengan luas ± 7621 Ha, Muara Tiga Besar (MTB) dengan luas ± 3300 Ha, dan Banko Barat dengan luas ± 4500 Ha. Semua itu tercantum dalam Wilayah Kerja Kuasa Pertambangan (WKKP) yang terdiri dari DU.8/SS, DU.1426, dan DU.1422. Topografi Kondisi wilayah PT. Bukit Asam (Persero) Tbk, secara umum mempunyai topografi yang bervariasi mulai dari daerah dataran rendah (dengan beberapa bukit disekitarnya, yaitu Bukit Murman, Bukit Munggu, Bukit Tapuan, dan Bukit Asam), perbukitan sampai dataran tinggi, serta dilalui oleh dua buah sungai yaitu Sungai Enim disebelah timur dan Sungai Lawai disebelah barat. Daerah sepanjang Sungai Enim merupakan dataran rendah dengan ketinggian ± 50 meter di atas permukaan laut. Daerah perbukitan dan dataran tinggi terdapat di bagian barat dengan elevasi tertinggi ± 100 meter di atas permukaan laut. Bukit tertinggi yang terdapat di lokasi ini adalah Bukit Asam dengan ketinggian 282 meter di atas permukaan laut. Pada kedua daerah ini banyak dijumpai vegetasi yang sebagian besar merupakan tumbuhan hutan tropika dan semak belukar.
Iklim dan Curah Hujan Lokasi penambangan PT. Bukit Asam (persero) Tbk, terletak pada daerah beriklim tropis. Curah hujan maksimum adalah 4627 mm/tahun, curah hujan minimum adalah 1367 mm/tahun. Sedangkan curah hujan rata -rata tertinggi yaitu 449.6 mm pada bulan Januari dan terendah yaitu 111.5 mm pada bulan Juni. Data curah hujan tahunan dapat dilihat pada Tabel 6. Tabel 6 Data curah hujan tahun 2005 hingga 2009 Curah hujan Tahun (mm) 2005 2006 2007 2008 Januari 597 390 561 417 Februari 520 459 332 119 Maret 641 96 163 270 April 331 262 466 317 Mei 258 160 108 177 Juni 118 88 68 172 Juli 325 71 77 32.9 Agustus 197 26 84 159 September 219 26 146 190 Oktober 322 44 177 415 November 321 246 361 202 Desember 184 382 407 456 Sumber: Data Perusahaan 2010
Rata-rata 2009 283 172 237 265 183 70.7 66.2 88.6 160 239 151 450
449.6 320.4 281.4 328.2 177.2 111.5 157.66 116.5 148.2 239.4 256.2 375.8
23
Program Reklamasi Lahan Pascatambang di PT. Bukit Asam Pembukaan lahan dan proses reklamasi areal tambang perseroan telah dilaksanakan sesuai dengan butir-butir ketentuan pada UU No. 4 Tahun 2009 dan Peraturan Menteri No 18 tahun 2008 mengenai reklamasi dan penutupan tambang yang menegaskan bahwa: (i) pembukaan lahan dilakukan bertahap; (ii) ada proses pembentukan slope & back slope; (iii) membuat saluran, check dam, rip rap; (iv) melakukan penanaman cover crop; (v) menggunakan incenerator untuk limbah B3; (vi) melaksanakan bioremediasi untuk pengelolaan tanah yang terkontaminasi hydrocarbon, (vii) pengapuran, wetland untuk limbah cair dan membuat kolam pengendap. Sampai dengan tahun 2009, program reklamasi lahan pascatambang yang sudah terealisasi diantaranya, adalah: 1. Pembangunan Kebun Pembibitan, Gedung Olah Raga (Sport Centre) dan Tennis Indoor di zona penerima. 2. Pembangunan Kantor Tambang Terpadu, Pengolah LB3 (incinerator dan unit bioremediasi) di zona sarana dan prasarana. 3. Melakukan pengkayaan tanaman dengan tanaman produktif seperti merbau, mahoni, jati, tanaman lokal dan sebagainya di zona Hutan Tanaman. 4. Melakukan revegetasi dengan tanaman yang bermanfaat seperti Kayu Putih, Sungkai, Akasia, dan Sengon 5. Bekerjasama dengan Yayasan Keluarga Besar Bukit Asam (YAKASABA) telah memproduksi minyak kayu putih. 6. Implementasi mikoriza di areal pembibitan sebagai bagian dari proses reklamasi dan rehabilitasi lahan pascatambang.
HASIL DAN PEMBAHASAN Hasil Pengolahan Data Lapangan Pengambilan data diameter dan tinggi pohon untuk menduga biomassa lapangan dilakukan di empat lokasi yaitu Banko Barat, Muara Tiga Selatan, Pit 02 BM, dan Spreader 701 pada plot-plot contoh sebanyak 56 plot yang berukuran 0.1 hektar tiap plot contoh. Penentuan plot contoh dilakukan tersebar berdasarkan kelas umur (KU). Kelas umur muda (KU I) terdiri dari tegakan kisaran umur 0-4 tahun, kelas umur menengah (KU II) terdiri dari tegakan kisaran umur 5-8 tahun dan kelas umur tua (KU III) terdiri dari tegakan kisaran umur 9 tahun atau lebih. Jenis yang ditemukan di lapangan adalah akasia, kayu putih, sengon, sungkai, angsana, johar, laban, lamtoro, albasia, saga dan waru. Setiap plot pada tiap kelas umur memiliki nilai biomassa yang berbeda tergantung dari nilai diameter, tinggi, jumlah pohon dan jenis pohon yang terdapat pada masing-masing plot. Jumlah pohon masing-masing plot dipengaruhi faktor jarak antar pohon. Sedangkan jenis pohon mempengaruhi nilai pendugaan biomassa dikarenakan nilai berat jenis yang berbeda pada tiap spesies pohon.
24
Nilai biomassa PT. Bukit Asam didapatkan melalui perhitungan biomassa alometrik Chave (2005) dan alometrik Ketterings (2001). Hubungan kelas umur dengan nilai biomassa menggunakan persamaan alometrik Chave (2005) dan Ketterings (2001) disajikan pada Gambar 9. Rata-rata biomassa alometrik Chave (2005) dan Ketterings (2001) pada setiap kelas umur disajikan pada Gambar 10. 500 450 400
Biomassa (ton/ha)
350 300 Biomassa Chave (2005)
250 200
Biomassa Ketterings (2005)
150 100 50 0 0
1
2
3
4
Kelas umur
Gambar 9 Hubungan kelas umur dengan nilai biomassa menggunakan persamaan alometrik Chave (2005) dan Ketterings (2001)
Biomassa (ton/ha)
200
150 Alometrik Chave (2005)
100
Alometrik Ketterings (2001)
50
0 1
2
3
Kelas Umur
Gambar 10 Rata-rata biomassa alometrik Chave (2005) dan Ketterings (2001) pada setiap kelas umur Gambar 9 dan 10 menunjukkan bahwa biomassa yang diperoleh dari model alometrik Chave (2005) menghasilkan nilai biomassa yang lebih tinggi daripada biomassa alometrik Ketterings (2001). Perbedaan ini disebabkan oleh perbedaan persamaan yang digunakan pada kedua persamaan alometrik tersebut. Total biomassa per plot yang diperoleh berkisar dari 6.506-462.333 ton/ha untuk
25
biomassa perhitungan alometrik Chave (2005) dan 10.515-430.390 ton/ha untuk biomassa perhitungan alometrik Ketterings (2001). Nilai rata-rata biomassa terendah terdapat pada kelas umur I baik pada persamaan alometrik Chave (2005) maupun alometrik Ketterings (2001), dengan nilai masing-masing sebesar 48.023 ton/ha dan 52.985 ton/ha. Sedangkan nilai rata-rata biomassa terbesar ada pada kelas umur III yaitu sebesar 178.002 ton/ha untuk alometrik Chave (2005) dan 170.708 untuk alometrik Ketterings (2001). Pada Gambar 10 terlihat bahwa umumnya KU muda memiliki nilai rata-rata biomassa yang lebih rendah. Besarnya nilai biomassa terus meningkat seiring dengan bertambahnya umur tegakan. Plot yang memiliki biomassa yang lebih tinggi daripada plot yang lain pada umur yang sama disebabkan karena ketidakseragaman kerapatan pohon. Kerapatan pohon yang lebih tinggi menyebabkan jumlah pohonnya lebih banyak, sehingga menghasilkan nilai biomassa menjadi lebih tinggi. Dari hasil perhitungan biomassa diperoleh hasil bahwa biomassa atas permukaan dengan menggunakan persamaan alometrik Chave (2005) berbeda nyata dengan perhitungan biomassa atas permukaan menggunakan alometrik Ketterings (2001). Hal ini dapat ditunjukkan melalui hasil uji tstudent berpasangan antara alometrik Chave (2005) dengan alometrik Ketterings (2001) (Tabel 7). Tabel 7 Hubungan biomassa alometrik Chave (2005) dan biomassa alometrik Ketterings (2001) Biomassa Mean Std.Deviasi Korelasi thit ttabel Sig Chave-Ketterings -1.6333E1 44.13709 0.887 2.027 1.6991 0.05 Berdasarkan Tabel 7 dapat dilihat bahwa thitung lebih besar daripada ttabel sehingga biomassa atas permukaan menggunakan persamaan alometrik Chave (2005) berbeda nyata dengan biomassa alometrik Ketterings (2001). Pada penelitian ini untuk mengetahui persamaan alometrik yang mendekati pendugaan biomassa lapangan dilakukan uji regresi antara biomassa lapangan dengan diameter. Gambar 11 menunjukkan hubungan antara biomassa yang dihasilkan oleh masing-masing persamaan dengan diameter (dbh). a)
b)
Dbh (mm) Dbh (mm)
Gambar 11 a) Hubungan antar peubah menggunakan biomassa persamaan Chave (2005) dan diameter (dbh), b) hubungan biomassa persamaan Ketterings (2001) dan diameter (dbh)
26
Dari hasil pengujian diperoleh bahwa nilai R2 (67.7 %) persamaan Chave (2005) lebih besar daripada R2 persamaan Ketterings (2001) (67.6 %), hal ini dikarenakan perbedaan variabel pembentuk persamaan alometrik tersebut. Alometrik Chave (2005) menggunakan variabel yang lebih khusus dalam pendugaan biomassa yaitu dengan menggunakan variabel tinggi, berat jenis dan didasarkan pada tipe ekosistem hutan. Sedangkan pada alometrik Ketterings (2001), variabel yang digunakan sebagai penentu biomassanya adalah diameter dan berat jenis pohon. Diameter juga mempunyai korelasi yang kuat dengan tinggi pohon sehingga tinggi pohon dapat diterangkan menggunakan diameter. Berdasarkan hasil uji t dan uji R2, maka pada penelitian ini difokuskan pendugaan biomassa atas permukaan menggunakan persamaan alometrik Chave (2005).
Hasil Pengolahan Data Citra ALOS PALSAR Citra radar yang digunakan adalah ALOS PALSAR dengan polarisasi yang menggunakan band sintetik yaitu HH (horizontal-horizontal) dan HV (horizontalvertikal). Jenis data yang diambil berupa nilai digital (digital number) yang dikonversi menjadi nilai hamburan balik (backscatter) dari masing-masing polarisasi. Untuk mendapatkan nilai digital pada masing-masing plot pengamatan, dilakukan overlay antara lokasi plot pengamatan dengan citra ALOS PALSAR resolusi spasial 12.5 meter. Nilai digital pada masing-masing plot diperoleh dengan menbuat square buffer berukuran 3 piksel x 3 piksel (setara dengan 37.5 meter x 37.5 meter di lapangan pada citra ALOS PALSAR resolusi spasial 12.5 meter). Buffer adalah analisis spasial yang akan menghasilkan unsur-unsur spasial (dalam layer lain) yang bertipe poligon. Unsur-unsur ini merupakan area atau buffer yang berjarak (yang ditentukan) dari unsur-unsur spasial yang menjadi masukannya (Prahasta 2009). Konversi nilai digital menjadi backscatter dilakukan menggunakan persamaan yang dirumuskan oleh Shimada et al. (2009). Sebaran nilai backscatter pada KU I untuk polarisasi HH berkisar antara 32.077 dB hingga -20.75 dB, untuk KU II berkisar antara -27.269 dB hingga 21.729 dB, untuk KU III berkisar antara -27.998 dB hingga -19.839 dB. Sedangkan sebaran nilai backscatter untuk polarisasi HV pada KU I berkisar antara -40.734 dB hingga -35.128 dB, untuk KU II berkisar antara -35.632 dB hingga -31.028 dB, untuk KU III berkisar antara -40.839 dB hingga -28.623 dB. Rata-rata nilai backscatter pada polarisasi HH adalah -34.731 dB dan pada polarisasi HV adalah -25.958 dB. Polarisasi HV cenderung memiliki nilai backscatter yang lebih rendah daripada polarisasi HH. Hamburan balik pada polarisasi searah (HH/VV) menuju sensor biasanya sangat kuat sehingga menimbulkan rona cerah pada citra radar. Rona cerah ini menunjukkan nilai digital yang tinggi sehingga backscatter yang dihasilkan pun akan menjadi tinggi. Sedangkan pada polarisasi silang (HV/VH) energi gelombang mikro yang dipancarkan menembus sampai ke batang, cabang dan kanopi pohon yang menyebabkan rona gelap pada citra. Rona gelap menunjukkan bahwa nilai digital yang diperoleh rendah sehingga nilai backscatter yang dihasilkan pada polarisasi silang ini menjadi rendah.
27
Besarnya nilai backscatter juga dipengaruhi oleh sifat objek (topografi, kekasaran dan kehalusan permukaan), sudut pantulan dan panjang gelombang. Permukaan yang halus (KU I) ditemui pada objek dengan kelembaban rendah. Vegetasi yang memiliki permukaan kasar dan kelembaban yang tinggi akan lebih banyak memantulkan gelombang energi yang datang. Permukaan kasar dipengaruhi oleh lebar tajuk yang sejalan dengan membesarnya tajuk maka diameter dan tinggi pohon juga akan semakin meningkat, sehingga pada KU III nilai backscatter yang dihasilkan lebih tinggi. Secara visual, sebaran lokasi plot pengamatan pada citra beserta tampilan citra dari masing-masing polarisasi dapat dilihat pada Gambar 12 dan Gambar 13.
Gambar 12 Sebaran plot pengamatan pada citra ALOS PALSAR resolusi spasial 12.5 meter polarisasi HH
h 5.3 Hubungan Biomassa dan Nilai Backscatter Citra ALOS PALSAR Dalam menyusun model terlebih dahulu dilihat korelasi nilai backscatter yang diekstraksi dari citra ALOS PALSAR resolusi 12,5 m dengan biomassa diatas permukaan tanah yang dihitung berdasarkan alometrik Chave (2005). Berdasarkan hubungan antara dua variabel tersebut, backscatter berperan sebagai variabel peubah bebas atau sering dikenal dengan variabel independen dan biomassa diatas permukaan tanah sebagai variabel peubah terikat atau sering dikenal dengan variabel dependen, dapat dilihat jenis persamaan yang menjelaskan korelasi positif antara kedua variabel tersebut dalam membangun model secara matematis. Untuk melihat hubungan antara dua variabel tersebut Gambar 13 Sebaran plot(scatterplot) pengamatanantara padanilai-nilai citra ALOS PALSAR resolusi backscatter (pada sumbu digunakan diagram pencar spasial 12.5 meter polarisasi HV
28
Hubungan Biomassa dan Nilai Backscatter Citra ALOS PALSAR Dalam menyusun model terlebih dahulu dilihat korelasi nilai backscatter yang diekstraksi dari nilai digital citra ALOS PALSAR resolusi 12.5 m dengan biomassa di atas permukaan tanah yang dihitung berdasarkan alometrik Chave (2005). Berdasarkan hubungan antara dua variabel tersebut, dapat dilihat jenis persamaan yang menjelaskan korelasi positif antara kedua variabel tersebut dalam membangun model secara matematis. Backscatter berperan sebagai variabel peubah bebas atau sering dikenal dengan variabel independen dan biomassa di atas permukaan tanah sebagai variabel peubah terikat atau sering dikenal dengan variabel dependen, Untuk melihat hubungan antara dua variabel tersebut digunakan diagram pencar (scatterplot) antara nilai-nilai backscatter (pada sumbu X) dengan nilai-nilai biomassa di atas permukaan tanah dari plot-plot contoh (pada sumbu Y), sehingga dapat diketahui pola sebarannya. Gambar 14 dan 15 menyajikan pola hubungan biomassa di atas permukaan tanah (Y) dengan nilainilai backscatter HH dan HV (X). 350 300 250 200 Biomassa Ton/Ha
150 100 50 0 -30
-20
-10
0
Backscatter (dB)
Gambar 14 Scatterplot pembangun model pendugaan biomassa antara biomassa alometrik dengan nilai backscatter HH 350 300 250 200 Biomassa Ton/Ha
150 100 50
Backscatter (dB)
0 -50
-40
-30
-20
-10
0
Gambar 15 Scatterplot pembangun model pendugaan biomassa antara biomassa alometrik dengan nilai backscatter HV
29
Sebaran titik yang digunakan untuk membangun model pendugaan biomassa pada daerah revegetasi PT. Bukit Asam adalah sebanyak 30 titik. Proporsi masing-masing kelas umur tidak terdistribusi secara merata, yaitu sebanyak 6 titik untuk kelas umur I, 18 titik untuk kelas umur II, dan 6 titik untuk kelas umur III. Hal ini dikarenakan akibat proses yang disebut proses saturasi atau kejenuhan pada nilai-nilai backscatter dimana nilai backscatter tidak mengalami peningkatan walaupun biomassa naik. Berdasarkan Gambar 14 dan 15 kecenderungan nilai backscatter HV lebih rendah dibandingkan dengan nilai backscatter HH. Hal ini dikarenakan karakteristik suatu objek yang mempengaruhi besaran backscatter. Menurut JICA dan Fakultas Kehutanan IPB (2010) karakteristik objek yang mempengaruhi besaran backscatter salah satunya adalah kekerasan (ukuran dan orientasi objek). Kekerasan permukaan akan mempengaruhi reflektifitas microwave dan permukaan vegetasi yang beragam mengakibatkan pengaruh dari nilai backscatter dari plot contoh.
Penyusunan Model Hubungan Backscatter dengan Biomassa Hasil analisis pola sebaran plot menunjukan bahwa nilai backscatter baik HH maupun HV memiliki korelasi dengan biomassa. Pola sebaran hubungan peubah citra (backscatter) ALOS PALSAR resolusi spasial 12.5 m dengan biomassa membentuk pola non-linear sehingga penyusunan model dilakukan dengan memperhatikan kaidah regresi non-linear (jumlah galat/error sekecil mungkin). Model yang terpilih untuk menduga biomassa atas permukaan didasarkan pada dua kriteria yaitu besarnya koefisien determinasi terkoreksi (R2adj) dan Root Mean Square Error (RMSE) terkecil. Koefisien determinasi terkoreksi (R2adj) menunjukan besarnya presentase peubah biomassa yang dapat dijelaskan oleh peubah citra (backscatter). Besarnya nilai koefisien determinasi terkoreksi dapat menjamin keterandalan model yang dibangun apabila memiliki korelasi yang positif dengan variabel bebasnya. Sedangkan Root Mean Square Error (RMSE) menunjukan besarnya kesalahan yang didasarkan pada total kuadratis dari simpangan antara hasil biomassa model matematis dengan biomassa aktual. Tabel 8 dan 9 menyajikan hasil analisis regresi HH dan HV untuk penyusunan model pendugaan biomassa. Tabel 8 Model pendugaan biomassa berdasarkan hubungan biomassa dengan backscatter polarisasi HH citra ALOS PALSAR resolusi spasial 12.5 meter PT. Bukit Asam tahun 2012 No 1 2 3
Model R2adj (%) RMSE Y = 603.425 + (22.084 x BS_HH) 42.8 52.71 Y = EXP (12.228 + (0.341 x BS_HH)) 51.3 48,61 Y = BS_HH/(1.841 + (0.096 x BS_HH)) 58.8 44,73
thitung 1.541 1.511 1.509
ttabel 1.7081 1.7081 1.7081
Sig 0.136 0.143 0.144
Y= biomassa (ton/ha); BS_HH = nilai backscatter polarisasi HH pada citra ALOS PALSAR 12.5 m; EXP = exponensial
30
Tabel 9 Model pendugaan biomassa berdasarkan hubungan biomassa dengan backscatter polarisasi HV citra ALOS PALSAR resolusi spasial 12.5 meter PT. Bukit Asam tahun 2012 No 1 2 3
Model Y= 677.982 + (18.173 x BS_HV) Y = EXP (16.724 + (0.387 x BS_HV)) Y = BS_HV/(3.229 + (0.166 x BS_HV))
R2adj (%) RMSE 54 47.24 87.9 24.19 87.2 24.96
thitung 1.592 1.581 1.552
ttabel Sig 1.7081 0.124 1.7081 0.126 1.7081 0.133
Y= biomassa (ton/ha); BS_HV = nilai backscatter polarisasi HV pada citra ALOS PALSAR 12.5 m; EXP = exponensial Berdasarkan hasil uji analisis data regresi, sebagaimana disajikan dalam Tabel 8 dan 9 polarisasi HV memiliki koefisien determinasi terkoreksi yang lebih tinggi daripada polarisasi HH, maka pengambilan model terbaik diputuskan pada polarisasi HV dengan model matematik Y= EXP (16.724 + (0.387 x BS_HV)) dimana R2 yang dihasilkan sebesar 87.9% dan RMSE sebesar 24.19. Polarisasi HV menghasilkan nilai statistik yang lebih baik dikarenakan polarisasi HV memiliki sensitifitas lebih baik terhadap komponen penyusun biomassa yaitu batang dan tutupan tajuk. Koefisien determinasi terkoreksi (R2adj) untuk mengetahui seberapa besar kemampuan variabel independen (peubah citra) menjelaskan variabel dependen (biomassa). Pada penelitian di PT Bukit Asam dapat disimpulkan bahwa model alometrik menggunakan regresi non-linear layak dipakai untuk pendugaan biomassa, karena sebagian besar variabel dependen yaitu biomassa aktual dapat dijelaskan sebesar 87.9% oleh variabel independen (backscatter HV) yang digunakan dalam model.
Verifikasi Model Setelah model terbangun dan secara statistik dapat diterima (R2adj mendekati 100% dan nilai RMSE terkecil), maka perlu dilakukan verifikasi model terhadap model terpilih tersebut. Verifikasi model dilakukan untuk mengetahui apakah nilai biomassa aktual tidak berbeda nyata dengan nilai pendugaan biomassa yang dihasilkan oleh model terpilih. Verifikasi model dilakukan dengan membandingkan antara hasil biomassa alometrik Chave (2005) yang diasumsikan sebagai biomassa aktual dengan nilai biomassa yang diperoleh dari model terpilih yaitu model eksponensial dimana Y = EXP (16.724 + (0.387 x BS_HV)) pada backscatter polarisasi HV. Dari hasil uji t-berpasangan (paired t-test) menggunakan α = 5 %, dan data yang digunakan adalah biomassa aktual dan biomassa model persamaan eksponensial untuk polarisasi HV, maka dapat disimpulkan H1 ditolak sehingga H0 diterima karena sig 0.126 > 0.05 level of significant (α) atau thitung 1.581 < ttabel 1.7081. Diduga tidak ada perbedaan biomassa antara biomassa aktual model alometrik Chave (2005) dengan biomassa model eksponensial di areal revegetasi PT. Bukit Asam.
31
Peta Sebaran Biomassa dan Akurasi Peta sebaran biomassa merupakan peta yang menyajikan informasi tentang pendugaan sebaran biomassa di lokasi penelitian dalam hal ini di areal revegetasi tambang batubara PT. Bukit Asam. Peta sebaran biomassa dibuat berdasarkan model terbaik yang terpilih menggunakan hubungan biomassa dengan peubah citra (backscatter polarisasi HV) yaitu model eksponensial dengan Y = EXP (16.724 + (0.387 x BS_HV)). Dalam melakukan pemetaan terlebih dahulu dilakukan pengkelasan biomassa untuk memudahkan pemetaan sebaran biomassa dan mencari kelas terbaik. Pada penelitian ini dilakukan pengkelasan terhadap sebaran biomassa di lapangan dengan pembagian tiga kelas meliputi kelas biomassa rendah (0-95.299 ton/ha), kelas biomassa sedang (95.299 – 128.346 ton/ha) dan kelas biomassa tinggi (> 128.346 ton/ha). Batas kelas yang digunakan pada penelitian ini didapatkan dari sebaran nilai biomassa di lapangan. Gambar 16 merupakan sebaran biomassa yang digunakan untuk pembuatan peta sebaran biomassa pada areal revegetasi PT Bukit Asam tahun 2012.
500
Biomassa ( ton/ha)
450 400 350 300 250 200 150 100 50 0
Rendah
Sedang
Tinggi
Gambar 16 Distribusi biomassa menggunakan model alometrik Chave (2005) Setelah didapatkannya model terbaik untuk pendugaan biomassa, maka perlu dilakukan pengujian akurasi peta untuk mengetahui seberapa besar kesalahan penduga biomassa aktual dengan biomassa dari model Y = EXP (16.724 + (0.387 x BS_HV)). Pengujian akurasi peta yang umumnya digunakan adalah pengujian Overall Accuracy (OA) dan Kappa Accuracy (KA), namun pada pengujian Overall Accuracy (OA) cenderung overestimate karena hanya menggunakan piksel-piksel yang terletak pada diagonal suatu matrik contingency. Penggunaan Kappa Accuracy (KA) untuk mengukur keakuratan dalam klasifikasi lebih disarankan karena semua elemen dalam matriks contingency akan diperhitungkan. Berdasarkan hasil perhitungan akurasi dihasilkan nilai Overall Accuracy (OA) sebesar 58.93% dan Kappa Accuracy (KA) sebesar 19.5% pada analisis akurasi menggunakan rata-rata nilai biomassa pada 3x3 piksel (analisis akurasi
32
peta per piksel). Kelas biomassa yang sering mengalami kesalahan pada saat dilakukan pengkelasan adalah kelas biomassa sedang (KU II). ). Jumlah biomassa pada kelas biomassa sedang (KU II) dalam hal ini sebanyak 9 kelas cenderung dikelaskan menjadi kelas biomassa rendah (KU I). Hal ini disebabkan karena kelas biomassa dua sebaran kelas biomassanya berpencar-pencar sehingga penampakan sebarannya tidak terlihat. Menurut Turana (2012), biomasa dengan kelas biomassa dua cenderung dikelaskan menjadi kelas biomassa satu dan tiga. Hal ini disebabkan karena pada saat pengambilan data lapangan, plot-plot tersebut jumlah pohonnya dalam satu plot lebih banyak dibanding plot-plot yang lain walaupun kenampakannya pada citra tidak jauh berbeda dengan plot-plot serupa yang nilai biomassa lapangannya lebih kecil. Kesalahan interpretasi peta sebaran biomassa sebanyak 23 titik dari 56 titik sebaran biomassa. Kesalahan interpretasi pada kelas biomassa rendah sebanyak 3 titik, kelas biomassa sedang sebanyak 12 titik dan kelas biomassa tinggi sebanyak 8 titik. Banyaknya kesalahan interpretasi menyebabkan nilai Kappa Accuracy (KA) yang dihasilkan rendah. Peta sebaran pendugaan biomassa dari model terbaik disajikan pada Gambar 17.
33
SIMPULAN DAN SARAN Simpulan 1. Pada penelitian di areal revegetasi PT Bukit Asam, Sumatera Selatan dapat disimpulkan bahwa biomassa di atas permukaan tanah dapat diduga melalui nilai-nilai backscatter citra ALOS PALSAR resolusi spasial 12.5 meter. Model terbaik yang dihasilkan untuk pendugaan biomassa adalah model eksponensial Y = EXP (16.724 + (0.387 x BS_HV)) dimana Y adalah biomassa (ton/ha) dan BS_HV adalah backscatter polarisasi HV. Model tersebut menghasilkan R2adj (%) sebesar 87.9%, RMSE sebesar 24.19, thitung < ttabel (dimana thitung sebesar 1.581 dan ttabel sebesar 1.7081) dan nilai signifikansi > 0.05 pada taraf nyata (α) 5%. 2. Peta sebaran biomassa dikelaskan ke dalam tiga kelas yaitu, kelas biomassa rendah (0-95.299 ton/ha), kelas biomassa sedang (95.299-28.346 ton/ha) dan kelas biomassa tinggi (>128.346 ton/ha). Nilai akurasi peta sebaran biomassa untuk Overall Accuray (OA) sebesar 58.93% dan Kappa Accuracy (KA) sebesar 19.5%.
Saran Diperlukan penelitian lebih lanjut baik untuk pendugaan biomassa di atas permukaan tanah (above ground biomass) maupun biomassa di bawah permukaan tanah (below ground biomass) sehingga areal penelitian tersebar secara merata dan penggunaan variabel lain untuk membandingkan pendugaan biomassa terbaik dari berbagai variabel.
DAFTAR PUSTAKA Brown S. 1997. Estimating biomass and biomass change of tropical forest. A Primer. FAO. USA. FAO Forestry Paper. 134:10-13. Chapman SB. 1976. Production Ecology and Nutrient Budget, in: Chapman SB (Eds). Methods in Plant Ecology. Second Edition. 157-228. Oxford: Blackwell Scientific Publisher. Chave J, Andalo C, Brown S, Cairns MA, Chambers JQ, Eamus D, Folster H, Fromard F, Higuchi N, Kira T, Lescure JP, Nelson BW, Ogawa H, Puig H, Riera B, Yamakura T. 2005. Tree allometry and improved estimation of carbon stocks and balance in tropical forest. Oecologia 145: 87-99 Daulay S. 2011. Kajian Karakteristik Backscatter Citra ALOS PALSAR pada Hutan Hujan Tropis [tesis]. Bogor: IPB. [Dephut]. Departemen Kehutanan. 2007. Statistik Kehutanan Indonesia 2007. Jakarta. Hairiah K, Rahayu S. 2007. Pengukuran “Karbon Tersimpan” di Berbagai Macam Penggunaan Lahan. World Agroforestry Center-ICRAF, SEA Regional Office. University of Brawijaya, Indonesia.
34
Handini, M. 2009. Analisis Perubahan Penutupan Lahan di Kecamatan: Cibeber, Kabupaten Lebak, Banten, Taman Nasional Gunung Halimun Salak: Studi Kasus di Kampung Lebak Picung, Desa Hegarmanah [skripsi]. Bogor: Fakultas Kehutanan, IPB. Heiskanen J, Muukkonen P. 2005. Estimating biomass for boreal forest using aster satellite data combined with standwise forest inventory data. Remote Sensing of Environment 99:434-447. JAXA. 2010. PALSAR : Phased Array type L-band Synthetic Aperture Radar [internet]. [diunduh 2013 Januari 10]. Tersedia pada:http://www.eorc.jaxa.jp/ALOS/en/about/palsar.htm Jaya INS. 2010. Analisis Citra Digital: Perspektif Penginderaan Jauh untuk Pengelolaan Sumberdaya Alam. Bogor: Fakultas Kehutanan IPB. (JICA) Japan International Coorperation Agency dan Fakultas Kehutanan IPB. 2010. Manual Penafsiran Citra ALOS PALSAR untuk mengenali Pentupan Lahan/Hutan di Indonesia. Bogor: Fakultas Kehutanan, IPB. Kepmen ESDM. 2008. Peraturan Menteri Energi Dan Sumber Daya Mineral Nomor: 18 Tahun 2008 Tentang Reklamasi dan Penutupan Tambang. ESDM: Jakarta. Ketterings QM, R Coe. M Noordwijk, Y Ambagn, CA Palm. 2001. Reducing Uncertainty in the Use of Allometric Biomass Equation for Predicting Above, Ground Tree Biomass in Mixed Secondary Forest. Forest Ecology and Management 146: 199-209. Lillesand TM, Kiefer RW. 1990. Penginderaan Jauh dan Interpretasi Citra. Dulbahri et al, penerjemah. Yogyakarta (ID): Gajah Mada University Press. Terjemahan dari: Remote Sensing and Image Interpretation. Lo, CP. 1996. Penginderan Jauh Terapan. Terjemahan. Jakarta: Universitas Indonesia. Lu D. 2006. The Potential and Challenge of Remote Sensing-Based Biomass Estimation. Internationasl Journal of Remote Sensing Vol. 27 (7): 12971328. Maharani RS. 2011. Aplikasi Citra ALOS PALSAR Resolusi 50 M dan Citra ALOS AVNIR-2 Resolusi 50 M dalam Identifikasi Tutupan Lahan di Kabupaten Tuban. Blora, Rembang dan Bojonegoro [skripsi]. Bogor: IPB. Mattjik A, Sumertajaya M. 2000. Perancangan Percobaan: Aplikasi SAS dan Minitab. Jilid I. Bogor: IPB Press. Murdiyarso P, Noordwijk M, Jayanto A, 1999. Modeling global change impacts on the soil environment. IC-SEA Repert No. 6 BIOTROP-GTCE/Impacts Center for Southeast Asia (IC-SEA). Bogor. Prahasta E. 2005. Sistem Informasi Geografis. Tutorial Arcview. Bandung: CV Informatika. Prahasta E. 2009. Sistem Informasi Geografis: Konsep-konsep Dasar (Perspektif Geodesi dan Geomatika ). Penerbit : Informatika Bandung. Purwadhi SH. 2001. Interpretasi Citra Digital. Jakarta : PT Gramedia Widiasarana Indonesia. Puspitasari R. 2010. Pendugaan Biomassa di Atas Tanah Menggunakan Citra ALOS PALSAR Resolusi Spasial 50 M di Pulau Jawa dan Bali [skripsi]. Bogor : IPB.
35
Riska A. 2011. Pendugaan Biomassa Atas Permukaan pada Tegakan Pinus (Pinus merkusii Jungh et De Vriese) Menggunakan Citra ALOS PALSAR Resolusi Spasial 50 M dan 12,5 M (Studi Kasus di KPH Banyumas Barat) [skripsi]. Bogor: IPB. Ristiana NI. 2011. Evaluasi Penafsiran Citra ALOS PALSAR Resolusi 12,5 M Slope Corrected Dan 50 M dengan Menggunakan Metode Manual dan Digital dalam Identifikasi Penutupan Lahan (Studi Kasus di Kabupaten Bogor, Cianjur, dan Sukabumi) [skripsi]. Bogor: IPB. Rochmawati S. 2010. Pendugaan Potensi Kandungan Karbon pada Tegakan Rasamala (Altingia excelsa Noronkee) di KPH Cianjur, Perum Perhutani Unit III Jawa Barat dan Banten [skripsi]. Bogor: IPB. Septyawardani E. 2012. Penyusunan Model Penduga Sediaan Tegakan dan Biomassa Hutan Jati (Tectona grandis Linn. F) Menggunakan Citra Dijital Non-Metrik Resolusi Tinggi [skripsi]. Bogor: IPB. Shimada M, Isoguchi O, Tadano T, Isono K. 2009. PALSAR Calibration Factor Updated [internet]. [diunduh 2013 Januari 10]. Tersedia pada: http://auig.eoc.jaxa.jp/auigs/en/doc/an/200901109en_3.html. Syarif RD. 2011. Penyusunan Model Pendugaan dan Pemetaan Biomassa Permukaan pada Tegakan Jati Menggunakan Citra ALOS PALSAR Resolusi 50 M dan 12,5 M Studi Kasus: KPH Kebonharjo Perhutani Unit I Jawa Tengah [skripsi]. Bogor: IPB. Tiryana T, 2011. Pendugaan Biomassa Hutan Menggunakan Citra PALSAR. Bagian Perencanaan Hutan. Fakultas Kehutanan, IPB. Turana M. 2012. Pendugaan Biomassa Atas Permukaan pada Tegakan Pinus (Pinus merkusii Jungh et de Vriese) Menggunakan Citra ALOS AVNIR-2 Resolusi Spasial 10 M (Studi Kasus di KPH Banyumas Barat, Jawa Tengah). [skripsi]. Bogor: IPB. UU NO 4. 2009. Undang-Undang Republik Indonesia Nomor 4 Tahun 2009 Tentang Pertambangan Mineral Dan Batubara. Jakarta Whitten AJ, Anuar, JD, Hisyam N. 1984. The Ecological of Sumatera. Yogyakarta: Gadjah Mada University Press.
36
Lampiran 1 Hasil analisis regresi model linear pada polarisasi HH dan HV
Model Linear HH 350 300 250 200 150 100 50 0 -30
-25
-20
-15
-10
-5
0
Biomassa Ton/Ha Linear (Biomassa Ton/Ha) y = 22.084x + 603.43 R² = 0.4278
37
Lampiran 1 (Lanjutan)
Model Linear HV 350 300 250 200 150 100 50 0 -50
-40
-30
-20
-10
0
Biomassa Ton/Ha Linear (Biomassa Ton/Ha) y = 18.173x + 677.98 R² = 0.5403
38
Lampiran 2 Hasil analisis regresi model eksponensial pada polarisasi HH dan HV
Model Eksponensial HH 350 300 250 200
Biomassa Ton/Ha
150
Expon. (Biomassa Ton/Ha)
100 50 0 -30
-25
-20
-15
-10
-5
0
y = 48622e0.2868x R² = 0.4466
39
Lampiran 2 (Lanjutan)
Model Eksponensial HV 350 300 250
Biomassa Ton/Ha
200 150 100 50 0 -50
-40
-30
-20
-10
0
Expon. (Biomassa Ton/Ha) y = 353994e0.2663x R² = 0.7178
40
Lampiran 3 Hasil analisis regresi model polynomial polarisasi HH dan HV
Model Polynomial HH 350 300 250 200 Biomassa Ton/Ha 150 100 50 0 -30
-20
-10
0
Poly. (Biomassa Ton/Ha) y = 3.8774x2 + 207.99x + 2816 R² = 0.4967
41
Lampiran 3 (Lanjutan)
Model Polynomial HV 350 300 250 200 Biomassa Ton/Ha 150 100 50 0 -50
-40
-30
-20
-10
0
Poly. (Biomassa Ton/Ha) y = 3.2979x2 + 245.35x + 4563.6 R² = 0.8297
42
Lampiran 4 Overall Accuracy dan Kappa Accuracy Bentuk
Model
Rendah Sedang Tinggi
Total UA % Overall Accuracy (%) Kappa Accuracy (%)
Rendah 11 0 0 31 90.32
Titik Sedang 21 2 3 12 0.00
Tinggi 13 0 6 13 38.46
Total
PA (%)
45 2 9 56
24.44 100 66.67
58.93 19.5
43
RIWAYAT HIDUP Penulis dilahirkan di Medan pada tanggal 10 Agustus 1989 dari Ayah Ishaq Hutagalung dan Ibu Nisma Hannur Batubara, S.Pd, MM. Penulis adalah putri pertama dari tiga bersaudara.Tahun 2007 penulis lulus dari SMA Negeri 12 Medan dan pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur SPMB (Seleksi Penerimaan Mahasiswa Baru) dan diterima di Departemen Manajemen Hutan, Fakultas Kehutanan. Selama mengikuti perkuliahan, penulis menjadi asisten praktikum Dendrologi pada tahun ajaran 2011/2012, dan asisten praktikum Ilmu Ukur Tanah dan Pemetaan Wilayah pada tahun ajaran 2011/2012 . Penulis juga aktif sebagai staf Kementrian Kebijakan Kampus BEM KM IPB periode 2009/2010 dan staf Kementrian Budaya, Olahraga, dan Seni BEM KM IPB periode 2010/2011. Penulis melakukan kegiatan Praktek Pengenalan Ekosistem Hutan (PPEH) di Cagar Alam Sancang dan Kamojang, Jawa Barat pada tahun 2010, Praktek Magang Mandiri di Taman Nasional Ujung Kulon, Banten pada tahun 2011, Praktek Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat (HPGW), Sukabumi dan KPH Cianjur Jawa Barat pada tahun 2011 dan Praktek Kerja Lapang (PKL) di IUPHHK-HA PT. Austral Byna, Kalimantan Tengah pada tahun 2012.
