EVALUASI PENGARUH PEMELIHARAAN PETAK LAHAN TERHADAP BANYAK POHON KOMERSIAL DAN NON KOMERSIAL (Studi Kasus: Hak Pengusahaan Hutan PT. International Timber Corporation Indonesia Kartika Utama, Kabupaten Pasir Provinsi Kalimantan Timur)
SHIDIQ HERNANDI ANDRIAN
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2017
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Evaluasi Pengaruh Pemeliharaan Petak Lahan Terhadap Banyak Pohon Komersial dan Non Komersial (Studi Kasus: Hak Pengusahaan Hutan PT. International Timber Corporation Indonesia Kabupaten Pasir, Provinsi Kalimantan Timur) 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, Januari 2017
Shidiq Hernandi Andrian NIM G14120026
ABSTRAK SHIDIQ HERNANDI ANDRIAN. Evaluasi Pengaruh Pemeliharaan Petak Lahan terhadap Banyak Pohon Komersial dan Non Komersial (Studi Kasus: Hak Pengusahaan Hutan PT. International Timber Corporation Indonesia Kabupaten Pasir, Provinsi Kalimantan Timur) Dibimbing oleh FARIT MOCHAMAD AFENDI dan CICI SUHAENI. Evaluasi pengaruh pemeliharaan petak lahan PT. ITCI Kartika Utama Kabupaten Pasir Provinsi Kalimantan Timur terhadap banyak pohon komersial dan non komersial merupakan kegiatan evaluasi kejadian kerusakan hutan di suatu perusahaan tersebut. Daerah PT. ITCI Kartika Utama memiliki 6 petak lahan yaitu 3 petak lahan dilakukan pemeliharaan dan 3 petak lahan tidak dilakukan pemeliharaan dengan masing masing berukuran 100 m × 100 m. Penelitian ini bertujuan untuk mengetahui pengaruh jenis pohon, petak lahan, kejadian dan status pemeliharaan lahan terhadap produksi kayu melalui banyaknya pohon. Metode analisis yang digunakan adalah analisis regresi newey west standard error karena terdapat permasalahan heteroskedastisitas dan autokorelasi. Hasil penelitian menunjukan jenis pohon dan kejadian mempengaruhi banyak pohon, sedangkan status tidak berpengaruh terhadap banyaknya pohon . Kata Kunci: analisis regresi, pengujian hipotesis, regresi newey west standard error.
ABSTRACT SHIDIQ HERNANDI ANDRIAN. The Influence of evaluation maintenance plots against so many trees commercial and non commercial (Case Study: Concession right of forest PT. Internationaly Timber Corporation Indonesia Pasir District, East Kalimantan Province) Guided by FARIT MOCHAMAD AFENDI and CICI SUHAENI. PT. ITCI Kartika Utama Pasir regency in the East Kalimantan Province does evaluation of effect of the maintenance for destruction forest incident evaluation of commercial and non commercial in the company. PT. ITCI Kartika Utama has six plots which is divided into two treatment theee plots are maintenanced and three plots are not maintenanced each plot has size 100 m × 100 m. This study aimed to determine effect of tree species, plots, incidents and maintenance status on timber production through to the number of trees. In this study was used regression newey west standard error analysis this method is used because there there are heteroskedasticity and autocorrelation problems in regression. The result showed that spesies of trees incident to affects the number of trees, while the status of maintenance did not affect the the number of trees. Key words: hypothesis testing, regression analysis, the standard error of regression newey west.
EVALUASI PENGARUH PEMELIHARAAN PETAK LAHAN TERHADAP BANYAK POHON KOMERSIAL DAN NON KOMERSIAL (Studi Kasus: Hak Pengusahaan Hutan PT. International Timber Corporation Indonesia Kartika Utama, Kabupaten Pasir Provinsi Kalimantan Timur)
SHIDIQ HERNANDI ANDRIAN
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2017
8
PRAKATA Alhamdulillahirrobil’alamin. Puji dan syukur penulis panjatkan kepada Allah SWTdengan karunia dan rahmat-Nya yang telah melimpahkan nikmat tak terhingga dan hanya dengan pertolongan-Nya, karya ilmiah dengan judul “Evaluasi Pengaruh Pemeliharaan Petak Lahan terhadap Banyak Pohon Komersial dan Non Komersial (Studi Kasus: Hak Pengusahaan Hutan PT. International Timber Corporation Indonesia, Kabupaten Pasir Provinsi Kalimantan Timur) ” dapat diselesaikan dengan baik. Terima kasih penulis ucapkan kepada Bapak Farit Mochamad Afendi dan Ibu Cici Suhaeni selaku pembimbing atas segala bimbingan, kesabaran, perhatian, dan dorongan yang diberikan kepada penulis sejak penyusunan proposal hingga terselesaikannya penulisan karya ilmiah ini. Ungkapan terima kasih Ibu Dr. Haruni Krisnawati, S.hut, M.Si selaku pembimbing praktek lapang kelompok peneliti biometrika serta Bapak Adung, Bu Popi Berlin, Bu Enok Heryati Selaku Teknisi biometrika di Badan Penelitian dan Pengembangan Kehutanan Bogor. Ungkapan terima kasih juga penulis sampaikan kepada Ayah, Bunda, Fira, seluruh keluarga, Butiran Jasjus (Herul, Veti, Chonny, Hanif, Cepi, Robby, Indra, dan Asep), Rumpi (Adis, Citra, Farah, Hesti, Metti, dan Ina), dan teman-teman Statistika 49 atas segala doa dan kasih sayangnya, serta pihak-pihak lain yang tidak dapat disebutkan satu per satu atas bantuan dan dukungannya dalam penyelesaian karya ilmiah ini. Penulis menyadari bahwa tulisan ini jauh dari kesempurnaan, oleh sebab itu kritik dan saran yang membangun sangat diperlukan sebagai masukan untuk meningkatkan pengetahuan penulis di masa yang akan datang. Semoga penelitian ini bermanfaat.
Bogor, Januari 2017
Shidiq Hernandi Andrian
DAFTAR ISI DAFTAR TABEL
ix
DAFTAR GAMBAR
ix
DAFTAR LAMPIRAN
ix
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
2
TINJAUAN PUSTAKA
2
Analisis Regresi
2
Uji Normalitas
2
Uji Homoskedastisitas
3
Uji Multikolinieritas
3
Uji Autokorelasi
3
Koefisien Determinasi
4
Pengujian Hipotesis
4
F hitung
4
T hitung
5
Regresi Newey West Standard Error
5
METODOLOGI
6
Data
6
Prosedur Analisis Data
6
HASIL DAN PEMBAHASAN Statistika Deskriptif Uji Residual SIMPULAN DAN SARAN
6 6 10 11
Simpulan
11
Saran
11
DAFTAR PUSTAKA
11
LAMPIRAN
13
RIWAYAT HIDUP
15
DAFTAR TABEL 1 2 3 4
Durbin Watson 4 Sebelum Regresi Newey West 9 Uji Asumsi 10 Mengatasi Heteroskedastisitas dan Autokorelasi dengan Regresi Newey West Standard Error 10
DAFTAR GAMBAR 1 2 3 4
Data petak lahan 1, 2, 3, 4, 5 dan 6 banyak pohon komersial dan non komersial periode tahun 1995-2002 Diagram kotak garis pohon komersial dan non komersial Histogram banyak pohon Uji residual
7 8 8 9
DAFTAR LAMPIRAN 1 2 3 4
Statistika deskriptif Uji normalitas Uji multikolinearitas Uji heteroskedastisitas dan Autokorelasi
13 13 13 14
1
PENDAHULUAN Latar Belakang Dalam kehidupan sehari-hari banyak sekali ditemukan data yang dikumpulkan dengan peubah bebas dan respon. Pada bidang kehutanan, dapat ditemukan data mengenai tegakan hutan, banyak pohon, dan petak lahan hutan. Kemudian pada bidang pertanian terdapat data mengenai produksi tanaman dan ternak. Pada bidang meteorologi terdapat data tahunan mengenai temperatur tinggi dan rendah. Selain itu, masih banyak yang memiliki jenis data serupa. Data seperti ini merupakan jenis data yang dapat dianalisis dengan analisis regresi. Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu peubah terhadap peubah lain. Dalam analisis regresi, peubah yang memengaruhi disebut peubah bebas dan peubah yang dipengaruhi disebut peubah respon (Draper dan Smith 1998). Melalui analisis regresi akan dibentuk suatu model yang disebut model regresi yaitu model yang digunakan untuk menjelaskan hubungan antara peubah bebas dengan peubah respon. Analisis regresi dapat diterapkan pada berbagai bidang, termasuk bidang kehutanan salah satu penerapannya adalah pada kasus pemodelan banyaknya pohon komersial dan non komersial didaerah hutan PT. ITCI Kartika Utama. Penelitian petak lahan di hak pengusahaan hutan PT. ITCI Kartika Utama telah dilakukan sebelumnya oleh Asmoro (2001) dan Akhiarni (2008) yaitu tentang pemeliharaan petak lahan terhadap pohon-pohon jenis Dipterocarpaceae dan kejadian kebakaran hutan serta kerusakan jenis pohon meranti. Daerah hutan PT. ITCI Kartika Utama terdapat 6 petak lahan yaitu 3 petak lahan yang dilakukan pemeliharaan dan 3 petak lahan yang tidak dilakukan pemeliharaan dengan petak lahan ukuran 100 m x 100 m pada tiap-tiap petak lahan (Akhiarni 2008). Pohon komersial merupakan pohon yang memiliki jenis kayu yang laku dijual dipasaran sedangkan pohon non komersial adalah pohon yang memilki jenis kayu yang sangat jarang dijual dipasaran. Pohon komersial memiliki kayu yang laku dijual dipasaran seperti pohon jati, pohon durian, pohon pinus, pohon kelapa sedangkan pohon non komersial memiliki kayu yang sangat jarang dijual dipasaran seperti pohon belukap, api api, pohon kayu putih, pohon kelengkeng. Petak lahan dipelihara merupakan jenis pohon yang dilakukan penanaman dengan dibersihkan dari tanaman atau inang yang mengganggu serta rumput-rumputan dan tanaman pengganggu dibabat sehingga menjadi bersih dan dilakukan penjarangan untuk memberi ruang tumbuh yang lebih baik sedangkan petak lahan yang tidak dipelihara merupakan jenis pohon yang tidak dilakukan penanaman dan pembersihan rumput-rumput bawah. Petak lahan hutan merupakan bagian dari sarana untuk pemantauan banyak pohon. Dalam bidang kehutanan petak lahan merupakan faktor yang mempengaruhi secara langsung tingkat kelestarian hutan. Kelestarian hutan dapat dilihat dari banyaknya pohon pada petak lahan. Banyaknya faktor yang diduga mempengaruhi banyaknya pohon pada lahan. Gujarati (2004) menyatakan bahwa uji asumsi klasik bertujuan untuk memastikan bahwa hasil penelitian adalah valid dengan data yang digunakan secara teori adalah tidak bias, konsisten dan penaksiran koefisien regresinya efisien. Apabila ada pelanggaran asumsi heteroskedastisitas dan autokorelasi maka dapat digunakan regresi newey west standard error.
2
Tujuan Penelitian Tujuan dari penelitian ini adalah mengetahui pengaruh jenis pohon, petak lahan, kejadian dan status terhadap peubah respon yaitu banyaknya pohon. TINJAUAN PUSTAKA Analisis Regresi Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu peubah terhadap peubah lain. Dalam analisis regresi, peubah yang memengaruhi disebut peubah bebas dan peubah yang dipengaruhi disebut peubah respon (Draper dan Smith 1998). Sedangkan jika peubah bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda. Model regresi adalah persamaan matematik yang memungkinkan kita meramalkan nilai-nilai atau variabel-variabel suatu peubah tak bebas dari nilainilai satu atau lebih peubah bebas (Walpole 1995). Secara matematika hubungan di atas dapat dijabarkan sebagai berikut (Walpole 1995): + + +...+ + Dengan: ,
: nilai dari peubah tidak bebas amatan ke-i : nilai dari peubah bebas amatan ke-i : parameter model regresi : galat ke-i dengan i=1,2,...,n
Pada analisis regresi terdapat beberapa asumsi yang harus terpenuhi yaitu normalitas, homoskedastisitas, multikolinieritas dan autokorelasi Untuk mengetahui terpenuhinya asumsi asumsi tersebut harus dilakukan pengujian. Berikut adalah penjelasan untuk masing masing uji asumsi: 1. Uji Normalitas Uji normalitas ini bertujuan untuk menguji apakah dalam model regresi, data memiliki distribusi normal atau tidak. Uji yang digunakan adalah JarqueBerra. Jika hasil dari probabilitas Jarque-Berra < 5% (0.05) maka ditolak (signifikan), artinya data bersifat tidak normal (residual berdistribusi tidak normal). Jika hasil dari probabilitas Jarque-Berra > 5% (0.05) maka diterima (tidak signifikan), artinya data bersifat normal (residual berdistribusi normal). Hipotesis uji: : data bersifat normal (residual berdistribusi normal). : data bersifat tidak normal (residual berdistribusi tidak normal) Secara statistik rumus Jarque-Berra adalah (Gujarati 2003): [
]
Dengan: n : Jumlah sampel S : Skewness K : Kurtosis
2
3
2. Uji Homoskedastisitas Uji Homoskedastisitas pada prinsipnya digunakan untuk menguji apakah sebuah grup memiliki varians yang sama di antara anggota grup tersebut. Jika varians sama, maka dikatakan ada homoskedastisitas. Sedangkan jika varians tidak sama, dikatakan terjadi heteroskedastisitas (Santoso 2010). Homoskedastisitas terjadi jika titik-titik hasil pengolahan data antara ZPRED dan SRESID menyebar dibawah ataupun diatas titik 0 pada sumbu y dan tidak membentuk pola tertentu, jika pada scatterplot titik-titiknya mempunyai pola yang teratur, baik menyempit, melebar maupun bergelombang-gelombang maka terjadi heteroskedastisitas (Weisberg 2005). ZPRED adalah nilai prediksi sedangkan SRESID adalah nilai residual. Terdapat beberapa metode untuk mengidentifikasi adanya heteroskedastisitas: metode grafik, uji park, uji rank spearman, uji lagrange multiplier (LM test), uji glejser dan uji white heteroscedasticity test. 3. Uji Multikolinieritas Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (Santoso 2016). Cara untuk uji multikolinearitas dengan melihat nilai variance inflation factor (VIF). Bila VIF lebih dari 10 maka terjadi multikolinearitas, begitu pula sebaliknya kalau VIF di bawah 10 maka hal tersebut tidak terjadi. Multikolinieritas terjadi jika koefisien korelasi antar korelasi variabel bebas lebh dari 0.10 (Hocking 2003). Beberapa indikator dalam mendeteksi adanya multikolinearitas, diantaranya (Gujarati 2004) : 1. Nilai yang terlalu tinggi 0.8 tetapi tidak ada atau sedikit t-statistik yang signifikan. 2. Nilai F-statistik yang signifikan, namun t-statistik dari masing-masing variabel bebas tidak signifikan. 3. Menggunakan correlation matrix, koefisien korelasi antar variabel independen 0.8. 4. Uji Autokorelasi Uji autokorelasi dilakukan untuk data time series atau data yang mempunyai seri waktu. Suatu asumsi penting dari model regresi linier klasik adalah bahwa kesalahan atau gangguan µi yang masuk kedalam fungsi regresif populasi adalah acak atau tak berkorelasi. Jika asumsi ini dilanggar, kita mempunyai masalah serial korelasi atau autokorelasi (Gujarati 2004). Pendekatan yang sering digunakan untuk menguji autokorelasi adalah uji Durbin-Watson. Dengan rumus uji Durbin-Watson: ∑ ∑ Pengambilan keputusan ada tidaknya autokorelasi dengan menggunakan tabel Durbin-Watson (Gujarati 2004) adalah:
4
Tabel 1 Durbin-Watson Nilai d Keputusan tidak ada autokorelasi positif. Jika 0 dw dl tidak ada autokorelasi positif. Jika dl dw du tidak ada korelasi negatif. Jika 4 – dl dw 4 tidak ada korelasi negatif. Jika 4 – du < dw 4 – dl tidak ada autokorelasi positif atau negatif. Jika du dw 4 – du Koefisien Determinasi Nilai koefisien determinasi ( ) mencerminkan seberapa besar variasi atau keragaman dari peubah respon yang dapat diterangkan oleh peubah bebas. Besarnya nilai adalah 0 < < 1 (Gujarati 2004). Nilai koefisien determinasi yang kecil (mendekati nol) berarti hubungan antara peubah bebas dan respon tidak erat dan model tersebut dapat dinilai kurang yang mendekati satu berarti hubungan antara baik. Nilai koefisien determinasi peubah bebas dan respon erat dan model tersebut dapat dinilai baik (Gujarati 2004). Secara statistik dirumuskan sebagai berikut (Gujarati 2004): =1 -
∑
̂
∑
̅
Dengan: =Koefisien determinasi ̂ =Kuadrat selisih nilai y aktual dengan nilai y prediksi ̅ =Kuadrat selisih nilai y aktual dengan nilai y rata-rata Pengujian Hipotesis Pada pengujian hipotesis ini terdapat 2 uji yaitu uji simultan (uji F) dan uji parsial (uji t). Pengujian masing masing uji tersebut adalah (Gujarati 2004): 1. Uji Simultan (Uji F) Uji-F ini digunakan untuk mengetahui seberapa jauh peubah bebas secara bersama-sama berpengaruh terhadap peubah respon. Jika hasil dari probabilitas < 5% (0.05) maka ditolak (signifikan), artinya peubah bebas secara bersama sama berpengaruh terhadap peubah respon. Jika hasil dari probabilitas > 5% (0.05) maka diterima (tidak signifikan), artinya peubah bebas secara bersama sama tidak berpengaruh terhadap peubah respon. Hipotesis yang digunakan adalah: : = 0 Peubah bebas tidak berpengaruh terhadap peubah respon. : 0 Peubah bebas berpengaruh terhadap peubah respon. Secara statistik uji yang digunakan adalah F= Dengan: =Koefisien determinasi n= Banyaknya sampel k=Jumlah koefisien yang diukur jika maka
ditolak
4
5
2. Uji Parsial (Uji T) Uji koefisien regresi secara parsial (uji t) digunakan untuk menguji pengaruh masing-masing peubah bebasnya secara sendiri-sendiri terhadap peubah respon. Jika hasil dari probabilitas < 5% (0.05) maka ditolak (signifikan), artinya peubah bebas secara sendiri-sendiri berpengaruh terhadap peubah respon. Jika hasil dari probabilitas > 5% (0.05) maka diterima (tidak signifikan), artinya peubah bebas secara sendiri-sendiri tidak berpengaruh terhadap peubah respon. Hipotesis yang digunakan adalah: : = 0 Peubah bebas tidak berpengaruh terhadap peubah respon. : 0 Peubah bebas berpengaruh terhadap peubah respon. Secara statistik uji yang digunakan adalah = Dengan: =Koefisien regresi ke-i =Standard error koefisien regresi ke-i jika maka ditolak Regresi Newey West Standard Error Untuk mengatasi permasalahan heteroskedastisitas dan autokorelasi dapat digunakan kaidah Newey-West atau Heteroscedasticity-Autocorrelation Consistent (HAC) Standard Errors. Kaidah ini akan menghasilkan standard error yang bebas dari permasalahan heteroskedastisitas dan juga autokorelasi (Gujarati 2004). Gujarati (2004) menyatakan bahwa walaupun nilai koefisien Durbin-Watson tidak berubah akan tetapi penyesuaian terhadap autokorelasi telah dilakukan dan persamaan dianggap telah bebas dari masalah autokorelasi dan heteroskedastisitas. Setelah dilakukan pengujian Newey - West diatas walaupun tidak ada kesimpulan nilai standard errornya menjadi unbias, sehingga dalam penelitian hasil estimasi menjadi unbias dan BLUE (best linear unbiased estimator) untuk selanjutnya maka dapat dilakukan pengujian hipotesis (Wooldridge 2008). Pengujian statistik uji T dan F yang dilakukan menjadi valid serta secara statistik mampu membuat kesimpulan dari pengujian tersebut. Rumus standard error Newey - West adalah sebagai berikut (Wooldridge 2008): (̅ )
=
̅ ̅
×√ ̅
Nilai ̅ dapat dihitung menggunakan rumus: ̅
∑
̅ +2∑
(∑
̅̅
)
Dengan: ̅ = ̅ ̅ , =1,2,.......,n Nilai g dapat disesuaikan dengan data, data tahunan dipilih g = 1. Newey West menyarankan nilai .
6
METODOLOGI Data Data yang digunakan pada penelitian ini merupakan data sekunder dari PT. International Timber Corporation Indonesia Kabupaten Pasir Provinsi Kalimantan Timur yang diperoleh dari Kelti Biometrika Badan Penelitian dan Pengembangan Kehutanan Bogor. Data tersebut merupakan data tahunan total kelas diameter pohon banyak pohon komersial dan pohon non komersial pada 3 petak lahan dipelihara yaitu petak lahan 1, 2, 3 dan 3 petak lahan tidak dipelihara yaitu petak lahan 4, 5, 6 pada periode 1995 hingga 2002. Dengan peubah respon (Y) dan bebas (X) yaitu: Y : Banyaknya pohon : Dummy jenis pohon, 1=komersial, 0=non komersial : Dummy kejadian, 1=kejadian baik yaitu tidak terjadi (aman), penanaman, penetapan dan pertumbuhan, 0=kejadian buruk yaitu tidak ditanam, kebakaran, kematian dan penebangan : Dummy pemeliharaan, 1= pelihara, 0=tidak dipelihara Prosedur Analisis Data 1. 2.
3.
4. 5. 6. 7. 8.
Melakukan analisis statistika deskriptif. Melakukan pendugaan model regresi yaitu persamaan regresi, nilai prediksi, koefisien determinasi, kesalahan baku estimasi, kesalahan baku koefisien regresinya. Melakukan pemeriksaan dan pengujian asumsi model yaitu: i.Uji normalitas ii.Uji heteroskedastisitas iii.Uji multikolinieritas iv. Uji autokorelasi Melakukan pengujian evaluasi pengaruh pemeliharaan petak lahan dan parameter yaitu: uji simultan (uji F) dan uji parsial (uji t). Penilaian kesesuaian model dengan menggunakan koefisien determinasi ( ). Menghitung nilai standard error newey west. Membandingkan nilai standard error newey west dengan standard error OLS. Melakukan pernarikan kesimpulan. HASIL DAN PEMBAHASAN Statistika Deskriptif
Pada data banyak pohon menunjukan jumlah sampel adalah 96 dengan rata rata banyak pohon adalah 86.833. Simpangan baku adalah 46.506 dan ragam sebesar 2162.835. Distribusi data atau sebaran data menurut skewness adalah 0.735 dan standar kesalahan skewness sebesar 0.246. Sebaran data menurut kurtosis adalah -0.211 dan standar kesalahan kurtosis sebesar 0.488. Range atau rentang data untuk banyak pohon adalah 182. Nilai terendah untuk banyak pohon 6
7
adalah 18 serta nilai tertinggi untuk banyak pohon adalah 200. Jumlah total banyak pohon adalah 8336. 250
Banyak Pohon
200
150
100
50
0 1995
1996
1997
1998
1999
2000
2001
2002
Tahun Petak Lahan 1 Pelihara Komersial Petak Lahan 1 Pelihara Non Komersial Petak Lahan 2 Pelihara Komersial Petak Lahan 2 Pelihara Non Komersial Petak Lahan 3 Pelihara Komersial Petak Lahan 3 Pelihara Non Komersial Petak Lahan 4 Tidak Pelihara Komersial Petak Lahan 4 Tidak Pelihara Non Komersial Petak Lahan 5 Tidak Pelihara Komersial Petak Lahan 5 Tidak Pelihara Non Komersial Petak Lahan 6 Tidak Pelihara Komersial Petak Lahan 6 Tidak Pelihara Non Komersial
Gambar 1 Data petak lahan 1, 2, 3, 4, 5 dan 6 banyak pohon komersial dan non komersial periode tahun 1995 sampai 2002
8
Pada Gambar 1 petak lahan pada tahun 1998 terjadi kebakaran hutan di Kalimantan Timur terutama areal PT. ITCI Kartika Utama merupakan hutan dengan luas 171.716 ha dari seluruh areal seluas 262.573 ha (Asmoro 2001). Tahun 1999 terjadi penanaman kembali jenis Dipterocarpaceae di hutan bekas kebakaran yang mempunyai batang yang lurus dan panjang serta dapat mencapai diameter yang besar pada petak lahan 1 dipelihara (Asmoro 2001). Pemeliharaan dilakukan dengan pengukuran diameter bibit semai Gmelina arborea (Nurliah 2001). Tahun 2002 terjadi penebangan pohon pada masyarakat untuk dijadikan bahan bangunan dan sirap di PT. ITCI Kartika Utama (Sarjono dan Taufiqurahman 2012). Boxplot Pohon Komersial dan Non Komersial
Komersial
Non Komersial
0
50
100 Banyak Pohon
150
200
Gambar 2 Diagram kotak garis pohon komersial dan non komersial Pada Gambar 2 terlihat bahwa diagram kotak garis pohon komersial dan non komersial tersebut memiliki lebar relatif yang berbeda. Diagram kotak garis pohon komersial bentuknya lebih lebar artinya lebar keragaman dari pohon komersial lebih besar dari pada pohon non komersial. Histogram Banyak Pohon 20
Frequency
15
10
5
0
40
80
120 Banyak Pohon
160
200
Gambar 3 data banyak pohon pada histogram Pada Gambar 3 histogram menunjukan nilai banyak pohon 80 memiliki frekuensi tertinggi, nilai banyak pohon 200 memiliki frekuensi terendah. Pusat sebaran normal ada pada rata-rata 80 pada histogram banyak pohon. 8
9
Tabel 2 Hasil Regresi Sebelum Newey West Peubah C
Koefisien 41.322 68.042 23.969 7.003
Galat baku 5.547 6.029 6.419 6.052
t-hitung 7.449 11.286 3.733 1.157
Nilai-p 0.000 0.000 0.000 0.250
Persamaan regresi banyak pohon adalah Y= 41.322 + 68.042 + 23.969 + 7.003 . Korelasi ganda antara 3 peubah bebas dengan banyak pohon adalah 0.609. Koefisien determinasi sebesar 0.597 atau sebesar 59.7 % peubah independent dapat dipengaruhi terhadap perubahan peubah dependent sedangkan sisanya 40.3 % dapat dipengaruhi oleh peubah lain. Peubah yang memiliki nilai dan yang berpengaruh signifikansinya Nilai-p dibawah 0.05 yaitu peubah terhadap banyak pohon. adalah jenis pohon, adalah kejadian. Sedangkan peubah tidak berpengaruh banyak pohon. adalah status. Pada uji F ANOVA didapat Nilai-p 0.000 < 0.05 maka data , dan berpengaruh terhadap banyak pohon. Uji Residual Residual Plots for Y Plot Probabilitas Normal
Uji Identik Residual Standardized Residual
99,9
Percent
99 90 50 10 1 0,1
-4
-2 0 2 Standardized Residual
2 1 0 -1 -2
4
50
Frequency
24 18 12 6 0
-2
-1 0 1 Standardized Residual
100 Fitted Value
125
150
Uji residual independen Standardized Residual
Histogram
75
2
2 1 0 -1 -2 1
10
20
Gambar 4 uji residual
30 40 50 60 70 Observation Order
80
90
10
Tabel 3 Uji Asumsi Asumsi Kenormalan Kehomogenan Kebebasan
Nilai-p 0.071 0.001 0.000
Kesimpulan Normal Tidak Homogen Tidak Bebas
Pada hasil uji asumsi Tabel 3 dengan menggunakan uji Jarque Berra di dapat nilai Nilai-p 0.071 > 0.05 dengan (Nilai-p > ) maka data berdistribusi normal. Pada peubah , dan memiliki VIF sebesar 1.000 untuk peubah , 1.008 untuk peubah , 1.008 untuk peubah . Sehingga nilai VIF < 10 maka tidak terjadi multikolinearitas. Dengan menggunakan grafik didapat titik titik yang menyebar di atas sumbu y yaitu di atas nilai 1 dan di bawah nilai 0 dan tidak membentuk pola maka tidak terjadi heteroskedastisitas, karena pada gambar 4 residual identik menunjukan titik titik menyempit dan membentuk pola maka terjadi heteroskedastisitas. Jika digunakan Uji White didapat nilai Nilai-p 0.001 (Nilai-p < ) maka terjadi heteroskedastisitas. Pada uji durbin-watson didapat nilai DW sebesar 1.332 dan nilai hitung tabel untuk n=96 dan k=3 maka didapat nilai DU dan DL sebesar DL=1.604 dan DU=1.732. Karena nilai DW < DL maka terjadi autokorelasi positif. Jika digunakan uji korelasi serial didapat Nilai-p 0.000 (Nilai-p < ) maka terjadi autokorelasi. Tabel 4 Mengatasi Heteroskedastisitas dan Autokorelasi dengan Regresi Newey West Standard Error Peubah
Koefisien
C
41.322 68.042 23.969 7.003
Galat baku Newey West 5.011 4.868 6.586 6.543
t-Newey West 8.246 13.976 3.639 1.070
Nilai-p Newey West 0.000 0.000 0.000 0.287
Galat baku model regresi OLS pada peubah konstanta, dan DW adalah 5.547 peubah konstanta, 6.029 peubah , 6.419 peubah , 6.052 peubah , DW sebesar 1.332, nilai t untuk peubah konstanta, adalah peubah konstanta sebesar 7.449, peubah sebesar 11.286, peubah sebesar 3.733 dan peubah sebesar 1.157. Galat baku model regresi newey west pada peubah konstanta, dan nilai DW adalah 5.011 peubah konstanta, 4.868 peubah , 6.586 peubah , 6.543 peubah dan DW sebesar 1.332, nilai t untuk peubah konstanta, adalah peubah konstanta sebesar 8.246, peubah sebesar 13.976, peubah sebesar 3.639 dan peubah sebesar 1.070. Pada sebelum heteroskedastisitas dan autokorelasi galat baku lebih kecil dari pada galat baku setelah heteroskedastisitas dan autokorelasi regresi newey west pada peubah dan . Nilai t pada model regresi OLS lebih besar dari pada regresi newey west pada peubah dan . Nilai peubah yang signifikan pada model regresi OLS yaitu peubah dan berpengaruh terhadap banyak pohon. Setelah
10
11
dilakukan koreksi regresi newey west nilai peubah yang signifikan yaitu peubah dan berpengaruh terhadap banyak pohon.
SIMPULAN DAN SARAN Hasil model regresi menunjukan bahwa jenis pohon dan kejadian berpengaruh terhadap banyak pohon. Galat baku model regresi OLS lebih kecil dari pada galat baku regresi newey west pada peubah dan . Nilai t pada model regresi OLS lebih besar dari pada regresi newey west pada peubah dan . Nilai peubah yang signifikan pada model regresi OLS yaitu peubah dan berpengaruh terhadap banyak pohon. Setelah dilakukan koreksi regresi newey west nilai peubah yang signifikan yaitu peubah dan berpengaruh terhadap banyak pohon. Secara statistika setelah dilakukan koreksi regresi newey west menghasilkan kesimpulan yang sama dengan regresi OLS, namun galat baku model regresi OLS lebih kecil dari pada galat baku regresi newey west pada dan . . peubah
DAFTAR PUSTAKA Akhiarni Y. 2008. Komposisi dan Struktur Vegetasi Hutan Loa Bekas Kebakaran 1997/1998 serta Pertumbuhan Anakan Meranti (Shorea spp). pada Areal PMUMHM di IUPHHK PT. ITCI Kartika Utama Kalimantan Timur [skripsi]. Bogor(ID):Institut Pertanian Bogor. Asmoro DW. 2001. Stek Pucuk Shorea leprosula di Persemaian PT ITCI Kartika Utama Kalimantan Timur [skripsi]. Bogor (ID): Institut Pertanian Bogor. Draper NR, Smith H. 1998. Applied Regression Analysis. Third Edition. New Jersey: Wiley and Son. Ghozali I. 2006. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang (ID): BP Universitas Diponegoro. Gujarati DN. 2004. Basic Econometrics. Fourth Edition. McGraw-Hill Companies: New York. Hocking RR. 2003. Methods and Applications of Linear Models. Regression and the Analysis of Variance, Second edition. New Jersey: Wiley and Son. Nurliah N. 2001. Kinerja Pertumbuhan Semai Gmelina Arborea Pada Media Gambut, Kompos dan Serasah di PT ITCI Kartika Utama Kalimantan Timur. [skripsi]. Bogor(ID): Institut Pertanian Bogor. Santoso. 2016. Statistika Hospitalitas. Edisi Kesatu. Yogyakarta (ID): Deepublish. Santoso S. 2010. Latihan SPSS Statistik Multivariat. Jakarta (ID): PT Komputindo. Sarjono AP, Taufiqurrahman. 2012. Pelaksanaan Konservasi Sumberdaya Genetik Pohon Hutan Jenis Ulin di HPH PT. ITCI Kartika Utama. Didalam: Bismark M, Subiakto A, Muniarti, editor. Plot Konservasi Genetik untuk Pelestarian Jenis-Jenis Pohon Terancam Punah; 2010-2012 apr 01; Bogor, Indonesia. Bogor (ID): Pusat Penelitian dan Pengembangan Konservasi dan Rehabilitasi. Hlm 155-167. Walpole RE. 1995. Pengantar Statistika. Edisi Ketiga. Jakarta (ID): PT Gramedia Pustaka Utama.
12
Weisberg S. 2005. Applied Regression Analysis. Third Edition. New Jersey: Wiley and Son. Wooldridge J.M. 2008. Introductory Econometrics Four Edition. Nelson Education: Canada.
12
13
Lampiran 1 Statistika deskriptif Statistika deskriptif Jangkauan Terendah Tertinggi Total Rata-Rata Simpangan baku Ragam Sebaran data skewness Standar kesalahan skewness Sebaran data kurtosis Standar kesalahan kurtosis
Nilai 182 18 200 8336 86.833 46.506 2162.835 0.735 0.246 -0.211 0.488
Lampiran 2 Uji normalitas 12
Series: Residuals Sample 1 96 Observations 96
10
8
6
4
2
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
2.96e-16 -1.821686 72.63665 -67.36335 29.06495 0.477855 3.642221
Jarque-Bera Probability
5.303321 0.070534
0 -70 -60 -50 -40 -30 -20 -10
0
10
20
30
40
50
60
70
Lampiran 3 Uji multikolinearitas Peubah C
Koefisien Keragaman 30.766 36.346 41.212 36.633
VIF NA 1.000 1.008 1.008
14
Lampiran 4 Uji heteroskedastisitas dan Dutokorelasi Uji Breusch-Pagan-Godfrey Glejser White Korelasi Serial LM Test
Nilai-p 0.000 0.000 0.001 0.000
Keterangan Heteroskedastisitas Heteroskedastisitas Heteroskedastisitas Autokorelasi
14
15
RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 22 september 1993 dari pasangan Asep Suhaeri dan Ani Supriani. Penulis merupakan anak pertama dari dua bersaudara.Tahun 2006 Penulis telah berhasil menyelesaikan pendidikan Sekolah Dasar di SDN Ciawi 1. Kemudian melanjutkan Sekolah Menengah Pertama di SMPN 7 Bogor dan lulus pada tahun 2009. Selanjutnya menempuh pendidikan Sekolah Menengah Atas di SMAN 4 Bogor dan lulus pada tahun 2012. Pada tahun yang sama, penulis diterima sebagai mahasiswa Departemen Statistika, Institut Pertanian Bogor (IPB) melalui Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) Jalur Undangan. Selama mengikuti perkuliahan, penulis aktif berpartisipasi dalam berbagai kegiatan, baik itu kepanitian maupun organisasi. Pada tahun 2013 penulis menjadi anggota divisi Publikasi, Desain, Dekorasi, dan Dokumentasi (PD3) pada kegiatan Pekan Olahraga Statistika 2013. Pada tahun 2014 penulis menjadi anggota divisi Logistik dan Transportasi di acara Statistika Ria 2014. Pada 2015 penulis juga menjadi anggota divisi Festival Ilmuan Muslim 2015 dan Komstat Jr. 2015. Adapun organisasi yang penulis ikuti selama perkuliahan adalah LDF Serum-G 1436 H sebagai anggota divisi Syiar and Science. Pada Bulan Juni sampai dengan Agustus 2015, penulis melaksanakan praktik lapang di Badan Penelitian dan Pengembangan Kehutanan Gunung Batu, Bogor.
