BAB III METODE PENELITIAN 3.1
Waktu dan Tempat Penelitian ini dilaksanakan di KPH Banyumas Barat (Bagian Hutan
Dayeuluhur, Majenang dan Lumbir). Penelitian ini dilakukan dengan mengolah dan menganalisis data sekunder pada bulan September 2011 sampai dengan Januari 2012 di Laboratorium Remote Sensing dan GIS Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor. Data lapang diambil pada bulan November 2010 – April 2011. 3.2
Alat dan Bahan Alat yang digunakan dalam penelitian ini adalah satu unit komputer dengan
aplikasi penunjang berupa software Erdas Imagine Ver 9.1, ArcView GIS Ver 3.2, SPSS Statistics 16.0, dan Microsoft Office 2007. Bahan yang digunakan dalam penelitian ini adalah : 1.
Citra ALOS PALSAR tahun perekaman 2009 dengan resolusi spasial 50 m dan 12,5 m daerah Majenang, Jawa Tengah.
a
b
Gambar 2 Citra ALOS PALSAR resolusi 50 m (a) dan 12,5 m (b) 2.
Data sekunder hasil inventarisasi tegakan pinus (Pinus merkusii Jungh et De Vriese) dalam kegiatan “Project for support on Forest Resources Management Through Leveraging Sattelite Image Information” tahun 2010
13
di lokasi KPH Banyumas Barat (Bagian Hutan Dayeuluhur, Majenang, dan Lumbir) dengan unit contoh lingkaran berdasarkan kelas umur. 3.
Data informasi petak dan anak petak
3.3
Tahapan Pelaksanaan Tahapan pelaksanaan secara umum dapat dilihat pada Gambar 3 di bawah : Persiapan dan Pengumpulan Data Hasil Inventarisasi Tegakan
Citra ALOS PALSAR
Perhitungan Biomassa dan Volume
Pengkonversian Nilai Dijital
Dimensi Tegakan (umur& tinggi) dan Nilai Biomassa
Nilai Backscatter
Overlay Data
Analisis Statistik dan Penyusunan Model Pendugaan Biomassa
Penghitungan Overall Accuracy dan Kappa Accuracy
Model Terbaik
Pembuatan Peta Sebaran Biomassa
Selesai
Gambar 3 Skema penelitian
14
3.3.1 Pengumpulan Data Lapangan Penentuan plot contoh di lapangan didasarkan pada keterwakilan masingmasing kelas umur yang tersedia di lapangan. Kelas umur dikelompokkan ke dalam tiga kelompok, yaitu : a.
Kelompok umur muda Untuk tegakan dengan kelas umur I sampai III. Pengambilan data dilakukan dengan membuat plot lingkaran seluas 0,02 Ha (D 7,29 m).
b.
Kelompok umur sedang Untuk tegakan dengan kelas umur IV sampai VI. Pengambilan data dilakukan dengan membuat plot lingkaran seluas 0,04 Ha (D 11,28 m).
c.
Kelompok umur tua Untuk tegakan kelas umur VII sampai VIII, pengambilan data dilakukan dengan membuat plot lingkaran seluas 0,1 Ha (D 17,28 m). Dalam pengumpulan data lapangan, diambil data umur serta tinggi dari
masing-masing plot contoh yang ada. 3.3.2 Pengolahan Data Lapangan Pengolahan data lapangan dilakukan untuk menduga biomassa atas permukaan plot-plot yang telah diukur. Pendugaan biomassa atas permukaan dilakukan dengan menggunakan alometrik yang telah tersedia dan menggunakan koefisien BEF. Pendugaan biomassa atas permukaan menggunakan alometrik yang digunakan dalam penelitian ini adalah : BAP
= 0,0292D2,802 (Heriansyah 2005)
Keterangan : BAP D
= Biomassa Atas Permukaan = Diameter (cm)
Pendugaan biomassa atas permukaan menggunakan Biomass Expansion Factor (BEF) dilakukan dengan menggunakan rumus : BAP
= V × BEF
Keterangan : BAP V
= Biomassa Atas Permukaan = Volume Tegakan berdasarkan Tabel Volume Lokal
15
Vm = 0,00003179977 × D2,72647 untuk wilayah Bagian Hutan Majenang Vd = 0,000006910128 × D3,21001999 untuk wilayah Bagian Hutan Dayeuh Luhur Vl = 0,00003922364 × D2,687763 untuk wilayah Bagian Hutan Lumbir (KPH Banyumas Barat 1995) BEF = Biomass Expansion Factor dengan koefisien 1,4 untuk Pinus pada hutan tropis (IPCC (2003) dalam Heriyanto et al. (2005)). Selanjutnya dilakukan uji statistik menggunakan t-student berpasangan pada hasil perhitungan BEF dan biomassa alometrik untuk menentukan perhitungan biomassa yang akan digunakan pada penelitian ini.
=
̅ − ₒ
d/√n
; = − 1; ₒ = 0
Dengan menggunakan hipotesis uji sebagai berikut : H0 : µ1 - µ2 = 0 (Biomassa alometrik = BEF) H1 : µ1 - µ2 ≠ 0 (Biomassa alometrik ≠ BEF) Model yang dianggap mewakili data dan layak digunakan didasarkan pada thitung dengan kriteria apabila thitung
nyata 5% atau nilai
signifikansi > 0,05, maka model pendugaannya layak digunakan dan sebaliknya jika thitung > t(α/2) atau nilai signifikansi <0,05, maka model penduganya kurang layak digunakan. 3.3.3 Pengolahan Data Citra Analisis Backscatter Analisis backscatter dalam penelitian ini dilakukan terhadap polarisasi HH dan HV. Nilai backscatter dapat diperoleh dengan rumus kalibrasi berikut : NRCS(dB) = 10 × log10(DN2) + CF (Shimada et al 2009) Keterangan : NRCS = Normalized Radar Cross Section DN = Digital Number CF = Calibration Factor, yaitu -83 untuk HH dan HV 3.3.4 Penyusunan dan Pemilihan Model Analisis hubungan antara biomassa dengan nilai backscatter dilakukan dengan menyusun model hubungan biomassa atas permukaan dengan nilai backscatter pada citra. Model-model yang dicobakan adalah sebagai berikut :
16
a. Model Regresi Linear Berganda Y = a + bX1 + cX2 + dX3 b. Model Kuadratik Y = a + bX12 + cX22 + dX32 c. Model Eksponensial Y = Exp (a + bX1 + cX2+ dX3) Keterangan : Y X1 X2 X3 a,b,c,d
= Biomassa Atas Permukaan = Nilai backscatter polarisasi HH atau HV = Nilai umur = Nilai tinggi = Nilai estimasi parameter Penyusunan model hubungan biomassa dengan masing-masing peubah
menggunakan metode penentuan subset predictor berdasarkan kriteria koefisien determinasi yang disesuaikan (R2adj). Dari hasil permodelan akan diketahui seberapa besar nilai dari masing-masing peubah tersebut dapat menjelaskan nilai biomassa. Proses menganalisis hubungan nilai backscatter dan biomassa dilakukan dengan menggunakan software SPSS 16.0. Pemilihan model terbaik menggunakan kriteria koefisien determinasi yang disesuaikan (R2adj) dan Root Mean Square Error (RMSE) paling rendah. Semakin tinggi nilai koefisien determinasi yang terkoreksi (R2adj), maka semakin besar peranan nilai peubah tersebut dalam menjelaskan nilai biomassa atas permukaan. Selang nilai untuk koefisien determinasi yang terkoreksi (R2adj) adalah 0 – 100%. Semakin rendah nilai RMSE maka semakin akurat hasil penaksiran yang diperoleh. Berikut perhitungan koefisien determinasi terkoreksi: 2 =
Keterangan : JKS JKT (n - p) (n - 1)
= Jumlah kuadrat sisa = Jumlah kuadrat total = derajat bebas sisa = derajat bebas total
/ − / − 1
100%
17
Untuk perhitungan kuadrat error rata-rata (RMSE) menggunakan persamaan berikut: MSE
= ∑#$ − #%$& / − )
RMSE = √'( Keterangan : MSE = Kuadrat tengah sisa RMSE = Akar kuadrat tengah sisa yi = Biomassa ke-i y%i = Rata-rata biomassa ke-i n = Jumlah plot sampel p = Jumlah parameter yang digunakan 3.3.5 Pembuatan Peta Sebaran Biomassa Atas Permukaan. Pembuatan peta sebaran dilakukan dengan bantuan software Erdas Imagine 9.1 dan ArcView 3.2. Peta sebaran dibuat berdasarkan kelas yang telah ditentukan. Penentuan banyaknya jumlah kelas berdasarkan penelitian Riska (2011), yaitu tiga kelas. Pembagian tiga kelas diperoleh berdasarkan distribusi sebaran biomassa di plot pengamatan secara merata. Pada pemetaan biomassa ini terdapat dua metode pembuatan peta, yaitu menggunakan anak petak dan menggunakan basis piksel. Pemetaan berdasarkan basis piksel dibagi lagi menggunakan filtering dan non filtering. Filtering pada penelitian ini menggunakan Lee sigma. Proses filtering image dilakukan dengan menggunakan bantuan software ERDAS IMAGINE 9.1 dengan menu Radar (Radar Interpreter – Speckle Supression). Filtering image ini dilakukan pada citra-citra hasil model terbaik yang telah dibuat dalam bentuk grid. Pada citra model resolusi 50 meter dilakukan filtering dengan kernel 1x1, 3x3, dan 5x5, sedangkan pada citra resolusi 12,5 meter digunakan filtering dengan kernel 3x3, 5x5, dan 7x7. 3.3.6 Penghitungan Overall Accuracy dan Kappa Accuracy Analisis akurasi hasil pengklasifikasian kelas dilakukan dengan menghitung Overall Accuracy (OA) dan Kappa Accuracy (KA) menggunakan rumus berikut :
18
OA =
∑./01 ,-2
100%
Keterangan : OA = Overall Accuracy Xii = Nilai diagonal dari matriks kontingens baris ke-i dan kolom ke-i N = Banyaknya pixel dalam contoh KA =
3 ∑8501 455 6 ∑8501 457 475 3) 6∑ 457 475
100%
Keterangan : KA X:: X;: X:; N
= Kappa Acuracy = nilai diagonal dari matrik kontingensi baris ke-i dan kolom ke-i = jumlah piksel dalam kolom ke-i = jumlah piksel dalam baris ke-i = banyaknya piksel dalam contoh