IDENTIFIKASI KUALITAS TEMPAT TUMBUH (BONITA) MENGGUNAKAN CITRA DIJITAL NON METRIK RESOLUSI TINGGI DI KPH MADIUN PERUM PERHUTANI UNIT II JAWA TIMUR

IDENTIFIKASI KUALITAS TEMPAT TUMBUH (BONITA) MENGGUNAKAN CITRA DIJITAL NON METRIK RESOLUSI TINGGI DI KPH MADIUN PERUM PERHUTANI UNIT II JAWA TIMUR

SRI WAHYUNI

DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2012

RINGKASAN SRI WAHYUNI. Identifikasi Kualitas Tempat Tumbuh (Bonita) Menggunakan Citra Dijital Non Metrik Resolusi Tinggi di KPH Madiun Perum Perhutani Unit II Jawa Timur. Skripsi. Manajemen Hutan, Institut Pertanian Bogor. Dibimbing oleh I NENGAH SURATI JAYA. Kualitas tempat tumbuh adalah ukuran tingkat kesuburan tanah yang berhubungan erat dengan produktivitas kayu yang dapat dihasilkan, sedangkan bonita adalah ukuran yang digunakan untuk indeks kualitas tempat tumbuh. Penetapan nilai bonita sering didasarkan pada hubungan antara rata-rata peninggi dengan umur tegakan. Penentuan bonita dilakukan menggunakan peubah peninggi yang dimulai penggunaannya sejak tahun 1932 oleh H.E. Wolff von Wolffing. Peninggi diukur berdasarkan tinggi rata rata dari 100 pohon tertinggi dalam luasan 1 hektar, prinsip ini kemudian dikorelasikan dengan umur pohon sedemikian rupa, sehingga membentuk kurva indeks kelas bonita. Bonita tanaman jati relatif tidak berubah dalam jangka waktu yang lama dan memerlukan waktu yang cukup lama serta biaya yang besar untuk merevisi bonita secara konvensional. Sehubungan dengan hal tersebut, maka diperlukan suatu metode yang efisien guna melakukan evaluasi terhadap bonita untuk mengetahui keakuratan bonita menggunakan teknologi penginderaan jauh. Tujuan dari penelitian ini, yaitu mengidentifikasi peubah tegakan yang diukur pada citra yang dapat digunakan sebagai penentu bonita tegakan dan mengevaluasi keakuratan peta bonita yang ada pada saat ini khususnya pada tegakan jati. Penelitian ini dilakukan di KPH Madiun Perum Perhutani Unit II, Jawa Timur menggunakan citra digital non metrik resolusi 20cm rekaman bulan April 2011. Identifikasi bonita dilakukan berdasarkan peubah tegakan pada citra dengan metode interpretasi visual terhadap variabel kerapatan tajuk (C), diameter tajuk (D), dan jumlah pohon (N). Disain plot sampling dilakukan menggunakan ekstensi IHMB Jaya Versi 6. Analisis statistik yang dilakukan mencakup uji korelasi tinggi pohon dengan variabel citra, uji akurasi peninggi, analisis diskriminan terhadap bonita lapangan, dan bonita berdasarkan peubah citra. Hardware yang digunakan adalah komputer yang dilengkapi software ArcView 3.2, Erdas Image 9.1, Minitab 14 dengan analisis diskriminan. Penelitian ini menemukan bahwa kerapatan tajuk (C), diameter tajuk (D) dan jumlah pohon (N) dapat digunakan sebagai variabel penduga kualitas tempat tumbuh (bonita) jati dengan akurasi sebesar 68,4% di BPKH Dagangan dan 81,6% di BKPH Dungus. Penelitian ini juga menemukan bahwa kesesuaian bonita hasil pengukuran lapangan dengan peta bonita yang ada saat ini mempunyai tingkat kesesuaian yang sangat rendah, yaitu 29% di BKPH Dagangan dan 23% di BKPH Dungus. Penelitian juga menunjukkan bahwa bonita harus di evaluasi setiap jangka waktu tertentu secara berkala. Penggunaan citra dijital non metrik resolusi tinggi dapat menjadi salah satu alat untuk merevisi peta bonita secara berkala.

Kata kunci : Bonita, Peninggi, Jati (Tectona grandis L.f), citra dijital non metrik resolusi tinggi, teknologi penginderaan jauh.

SUMMARY SRI WAHYUNI. Identification of growing site (bonita) using the non metric digital image having 20 cm spatial resolution in KPH Madiun Perhutani Unit II, East Java. Report. Forest Management, Bogor Agricultural University. Supervised by I NENGAH SURATI JAYA. The quality of growing site is a measure of soil fertility that closely correlated with the stand productivity, while “bonita” is an index of site quality for teak stand. The determination of bonita is computed on the basis of the relationship between the average of the highest trees and the age of stand. The determination of side index of jati (bonita) on the basis of the upperheight of stand trees was developed by H.E. Wolff von Wolffing and implemented since 1932. The upperheight is an average of 100 tallest trees height in one hectare. This upperheight then correlated with the age of trees in a such way so side index curve is perfomed. A teak site index (bonita) will not change in a relatively long period and need a quite long periode to revise it. To revise the bonita using conventional method is usually time consuming and costly. For the above reasons, it is require to develop an efficient method for bonita evaluation using the technology of remote sensing. The objective of this study is to identify the stand variables that measurable on the image for bonita determination, and to evaluate the accuracy of existing bonita map, of teak stand. This research was done in KPH Madiun Perhutani Unit II, East Java using the non metric digital image having 20 cm spatial resolution which acquired in April 2011. The site index identification was done on the basis of visual interpretation of crown density (C), crown diameters (D), and number of trees (N). The design of sampling was designed using IHMB Jaya Version 6 extension. The statistical analysis performed includes correlation analysis, accuracy assessment using upperheight, discriminant analyses bonita on stand variables measured on the image. The hardware used was a computer with ArcView 3.2, Erdas Image 9.1 and Minitab 14 softwares. This research found that crown density (C), crown diameter (D) as well as number of trees (N) can be used to assis the teak site index (bonita) having accuracy 68,4% for BKPH Dagangan and 81,6% for BPKH Dungus. This study found that the coincidence value between bonita measured on the basis ground measurement and the existing bonita map in quite low, i.e, 29% for BPKH Dagangan and 23% for BPKH Dungus. This study also shows that the bonita could be evaluated periodically during certain period. The high resolution digital non metric image could be used for revising the site index periodically.

Keyword : Bonita (site index), upperheight, teak (Tectona grandis L.f), high resolution non metric digital image, remote sensing technology.

IDENTIFIKASI KUALITAS TEMPAT TUMBUH (BONITA) MENGGUNAKAN CITRA DIJITAL NON METRIK RESOLUSI TINGGI DI KPH MADIUN PERUM PERHUTANI UNIT II JAWA TIMUR

SRI WAHYUNI

Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor

DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2012

LEMBAR PENGESAHAN Judul Penelitian

: Identifikasi Kualitas Tempat Tumbuh (bonita) Menggunakan Citra Dijital Non Metrik Resolusi Tinggi di KPH Madiun Perum Perhutani Unit II Jawa Timur

Nama Mahasiswa

: SRI WAHYUNI

Nomor Pokok

: E14070017

Menyetujui, Dosen Pembimbing

Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr NIP. 19610909 198601 1 001

Mengetahui, Ketua Departemen Manajeman Hutan

Dr. Ir. Didik Suharjito, MS NIP. 19630401 199403 1 001

Tanggal Lulus :

PERNYATAAN Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Kualitas Tempat Tumbuh (Bonita) Menggunakan Citra Dijital Non Metrik Resolusi Tinggi di KPH Madiun Perum Perhutani Unit II Jawa Timur adalah benar-benar hasil karya saya sendiri dengan bimbingan dosen pembimbing dan belum pernah digunakan sebagai karya ilmiah pada Perguruan Tinggi atau lembaga manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhri skripsi ini.

Bogor, Maret 2012

Sri Wahyuni NRP. E14070017

KATA PENGANTAR Segala puji dan syukur penulis panjatkan kehadirat Allah SWT yang telah melimpahkan rahmat dan hidayah-Nya kepada penulis, sehingga penulis diberikan kemudahan dan kelancaran dalam menyelesaikan skripsi dengan judul Identifikasi Kualitas Tempat Tumbuh (Bonita) Menggunakan Citra Dijital Non Metrik Resolusi Tinggi di KPH Madiun Perum Perhutani unit II Jawa Timur. Skripsi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Kehutanan di Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor. Skripsi ini berisi gambaran mengenai penyusunan metode evaluasi kualitas tempat tumbuh (bonita) Jati (Tectona grandis L,f) menggunakan teknologi citra dijital nonmentrik resolusi tinggi serta analisis dimensi tegakan citra (kerapatan tajuk, diameter tajuk dan jumlah pohon) untuk pendugaan kualitas tempat tumbuh (bonita). Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kritik dan saran yang bersifat membangun dari semua pihak sangat penulis harapkan untuk perbaikan skripsi ini. Penulis berharap skripsi ini dapat bermanfaat dan dapat memberikan informasi yang berguna bagi semua pihak yang membutuhkan.

.

Bogor, Maret 2012

Penulis

RIWAYAT HIDUP Penulis dilahirkan pada tanggal 1 Mei 1989 di Bukittinggi, Sumatera Barat. Penulis adalah anak kedua dari empat bersaudara pasangan Bapak Muhammad Akbal dan Ibu Elimarni, S.Pd. Penulis menyelesaikan pendidikan dasar di SD Negeri 35 Pincuran VII lulus tahun 2001, pendidikan menengah pertama di SLTP Negeri 3 Lintau Buo Utara lulus tahun 2004, dan menengah atas di SMA Negeri 1 Lintau Buo lulus tahun 2007. Pada tahun yang sama, penulis diterima di IPB melalui jalur USMI (Undangan Seleksi Masuk IPB) di Departemen Manajemen Hutan, Fakultas Kehutanan. Selama menjadi mahasiswa, penulis pernah menjadi Asisten mata kuliah Inventarisasi Hutan pada tahun ajaran 2010-2011, Asisten mata kuliah Teknik Inventarisasi Hutan dan mata kuliah Geomatika dan Inderaja pada tahun ajaran 2011-2012. Selain itu, penulis juga aktif sebagai Sekretaris divisi Pengembangan Sumber Daya Manusia (PSDM) dalam Forest Management Student Club (FMSC) periode 2009-2010, sebagai Ketua divisi Kesekretariatan dalam Forest Management Student Club (FMSC) periode 2010-2011, dan sebagai Anggota divisi Pengembangan Sumber Daya Manusia (PSDM) dalam Pengurus Cabang Sylva IPB periode 2010-2011. Penulis juga terlibat dalam pelatihan Analisis Display Citra kerjasama Fakultas Kehutanan IPB dengan Dinas Provinsi Papua sebagai Asisten pada tahun 2011, dan ikut berpartisipasi dalam berbagai kepanitiaan kegiatan kemahasiswaan di Institut Petanian Bogor khususnya kegiatan Fakultas Kehutanan. Pada tahun 2009, penulis melakukan kegiatan Praktek Pengenalan Ekosistem Hutan (PPEH) di Sancang Barat dan Kamojang, Provinsi Jawa Barat, lalu Praktek Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat Sukabumi pada tahun 2010 dan pada tahun 2011 melakukan Praktek Kerja Lapang (PKL) di PT. Balikpapan Forest Industries, Provinsi Kalimantan Timur.

UCAPAN TERIMA KASIH Pada kesempatan ini penulis mengucapkan terima kasih yang sebesarbesarnya kepada: 1.

Ibunda tercinta Elimarni S.Pd, Ayahanda M.Akbal, Kakak tercinta Sitralita S.Kep, Adik-adik tersayang Ryan Rizky Kurnia dan Miftahul Jannah serta Keluarga besar penulis yang tak pernah lelah memberikan perhatian, semangat dan kasih sayang, serta kepercayaan dan doa yang selalu dipanjatkan untuk keberhasilan penulis.

2.

Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr selaku dosen pembimbing skripsi, atas segala bimbingan pengarahan, motivasi, kesabaran, biaya, dan waktu yang telah diberikan dalam penyusunan skripsi ini.

3.

Dr. Ir. Agus Priyono Kartono, M.Si selaku dosen penguji dan Dr. Evi Yulita Yovi, M.Life. Env. Sc selaku Ketua sidang dalam ujian komprehensif.

4.

Dr. Ir. Yulius Hero, M.Sc sebagai komisi pendidikan yang telah meluangkan waktu membaca dan mengoreksi penulisan skripsi.

5.

Bapak. Uus Saepul M dan Aa Edwine Setia P, S.Hut atas segala bantuan dan pengarahan yang telah diberikan dalam penyusunan skripsi ini.

6.

Ir. Lukmand Hakim atas kepercayaan akan data yang diolah penulis.

7.

Kepada segenap pihak KPH Madiun, Ir. FX Istiono, MM selaku ADM, Bambang Cahyo Purnomo, S.Hut selaku Waka, Asper BKPH Dungus Bapak Yanto, Asper BKPH mojorayung Bapak Bob, dan Asper BKPH Dagangan Bapak Noor, Mandor di lapangan Bapak Sugino, Mas Eko, Mas Giri, Mas Heri, Mbah, Pak Nyoto, Roni, Pak Samsul, Pak Joko dan Bapak Djumali beserta Keluarga atas kepercayaan akan data yang diolah penulis, bantuan di lapangan baik itu moril dan materil serta bantuan lain yang sangat berarti bagi penulis.

8.

Erwin Darma atas semangat, waktu, dan perhatiannya kepada penulis.

9.

Nuraini Erisa, S.Hut, Emilya Norita, SE, dan Melati Nuswantari atas semangat, bantuan, dan perhatiannya.

10.

Saudara-saudara

satu

bimbingan

Fathia

Amalia

Ramadhani,

Eri

Septiawardani dan I Putu Arimbawa Pande atas motivasi dan dukungan semangat serta bantuan yang sangat banyak dalam penyelesaian skripsi ini. 11.

Sahabat-sahabat seperjuangan di laboratorium fisik remote sensing Tantri Janiatri S.Hut, Erry Maulana Wicaksono, Aditya Pradhana, Aditya Sani Sasmita, I Made Haribhawana Wijaya, Vivi Selviana dan Monika Turana atas bantuan semangat yang sangat berarti bagi penulis, serta keluarga besar laboratorium fisik Remote Sensing Kak pipit, Kak Wuland, Kak Ratih, Kak Puan, Kak Anom, Kak Puin, Kak Ina, Kak Chika, Kak Dian, Kak Baki, Kak Puut, Ibu Eva, Ibu Immy, Ibu Tien, Bunda, Pak sigit, Pak Anwar, Pak Jaya dan Tulang atas semangat yang diberikan.

12. Sahabat-sahabat bersenda gurau dan tempat bercerita Divo Jonriatno S.kh, Qori Pebrial Ilham S.Hut, Andrie Ridzki P, Rizki Agung, John Sandi Lembong, Rian Slamet, Anggi Rianto, Hilhamsyah Putra Haska, dan Rizki Saputra. 13.

Seluruh Dosen dan Staf Departemen Manajemen Hutan, seluruh Temanteman Departemen Manajemen Hutan dan Fakultas Kehutanan IPB Angkatan 44 atas kebersamaannya selama ini yang tidak dapat penulis sebutkan namanya satu persatu-satu.

Semoga Allah SWT memberikan limpahan atas kebaikan berupa pahala, serta diberikan balasan yang setimpal. Amin

DAFTAR ISI Halaman DAFTAR ISI ....................................................................................................... i DAFTAR TABEL .............................................................................................. iii DAFTAR GAMBAR .......................................................................................... iv DAFTAR LAMPIRAN ...................................................................................... vi I. PENDAHULUAN 1.1. Latar Belakang .......................................................................................... 1 1.2. Kerangka Berfikir ..................................................................................... 3 1.3 Tujuan ....................................................................................................... 4 1.3 Manfaat ..................................................................................................... 4 II. METODE PENELITIAN 2.1. Lokasi dan Waktu Penelitian ................................................................... 5 2.2. Data, Hardware, Software dan Alat ........................................................ 6 2.3. Metode Penelitian .................................................................................... 11 2.3.1. Pengolahan Awal Citra (Image pre-processing) ............................ 11 2.3.1.1. Koreksi Geometrik ........................................................... 11 2.3.1.2. Analisis Data Citra ............................................................ 12 a. Desain Plot .................................................................... 12 b. Pengukuran Dimensi Tegakan ...................................... 12 2.3.2. Pemetaan Desain Plot Penelitian .................................................... 15 2.3.3. Pengambilan Data Lapangan .......................................................... 15 2.3.4 Pengolahan Data Lapangan ............................................................ 18 2.3.5. Uji Korelasi .................................................................................... 19 2.3.6 Analisis Fungsi Diskriminan ........................................................... 21 2.3.6 Akurasi Peninggi ............................................................................. 22 III. KONDISI UMUM LOKASI PENELITIAN 3.1. Luas Geografis ......................................................................................... 24 3.2. Topografi dan Iklim ................................................................................. 25 3.3. Daerah Aliran Sungai dan Tanah ............................................................. 25 3.4. Kependudukan .......................................................................................... 25

ii

IV. HASIL DAN PEMBAHASAN 4.1. Pengolahan Data Citra dan Data Lapangan ............................................. 27 4.2. Uji Korelasi .............................................................................................. 31 4.3. Hubungan Rasio Diameter dengan Bonita .............................................. 35 4.4. Analisis Diskriminan ............................................................................... 36 4.5. Akurasi Bonita ......................................................................................... 40 V. KESIMPULAN DAN SARAN 5.1. Kesimpulan ............................................................................................... 44 5.2. Saran ......................................................................................................... 44 DAFTAR PUSTAKA ......................................................................................... 45 LAMPIRAN ........................................................................................................ 47

DAFTAR TABEL No.

Halaman

1.

Mata pencaharian penduduk di kecamatan sekitar hutan tahun 1998 di wilayah KPH Madiun ................................................................................ 26

2.

Matriks korelasi antara peubah tinggi total rata-rata dengan peubah pada citra pada BKPH Dagangan.................................................................. 31

3.

Matriks korelasi antara peubah tinggi total rata-rata dengan peubah pada citra pada BKPH Dungus ..................................................................... 33

4.

Nilai akurasi klasifikasi bonita di lapangan terhadap peubah C, D dan N pada citra pada lokasi BKPH Dagangan .................................................... 36

5.

Nilai akurasi klasifikasi bonita di lapangan terhadap peubah C, D dan N pada citra pada lokasi BKPH Dungus ....................................................... 37

6.

Fungsi diskriminan untuk kelompok bonita terhadap peubah citra ............... 39

7.

Persentase keseuaian bonita petak dilapangan dengan bonita yang dilakukan akurasi peninggi pada BKPH Dagangan ...................................... 40

8.

Persentase keseuaian bonita petak dilapangan dengan bonita yang dilakukan akurasi peninggi pada BKPH Dagangan ...................................... 40

9.

Nilai akurasi klasifikasi bonita peninggi pada BKPH Dagangan .................. 41

10. Nilai akurasi klasifikasi bonita peninggi pada BKPH Dungus ...................... 42 11. Fungsi diskriminan untuk kelompok bonita terhadap peubah citra ............... 43

DAFTAR GAMBAR No.

Halaman

1.

Kerangka berfikir penelitian .......................................................................... 4

2.

Lokasi penelitian ............................................................................................ 5

3.

Peta grid plot lapangan dan jaringan jalan BKPH Dagangan ........................ 7

4

Peta grid plot lapangan dan jaringan jalan BKPH Dungus ............................ 8

5.

Plot penelitian di BKPH Dagangan ............................................................... 9

6.

Plot penelitian di BKPH Dungus ................................................................... 10

7.

Profil pohon pada citra ................................................................................... 13

8.

Perhitungan kerapatan tajuk pohon pada citra ............................................... 14

9.

Perhitungan diameter tajuk pohon pada citra ................................................. 15

10. Plot lingkaran ................................................................................................. 16 11. Grafik indeks bonita H.E. Wolf von Wolfing (1932) .................................... 17 12. Diagram alur tahapan penelitian .................................................................... 23 13. Peta lokasi penelitian berdasarkan wilayah kerja KPH Madiun...................... 24 14. Diagram pencar peubah D dengan N pada keterangan bonita lapangan di lokasi BKPH Dagangan. ............................................................................ 27 15. Diagram pencar peubah D dengan N pada keterangan bonita lapangan di lokasi BKPH Dungus ................................................................................ 28 16. Diagram pencar peubah C dengan N pada keterangan bonita lapangan di lokasi BKPH Dagangan ............................................................................. 28 17. Diagram pencar peubah C dengan N pada keterangan bonita lapangan di lokasi BKPH Dungus ................................................................................ 29 18. Diagram pencar peubah C dengan Dpada keterangan bonita lapangan di lokasi BKPH Dagangan ............................................................................. 29 19. Diagram pencar peubah C dengan Dpada keterangan bonita lapangan di lokasi BKPH Dungus ................................................................................ 30 20. Hubungan antara tinggi pohon dengan persentase kerapatan tajuk (C) di lokasi BKPH Dagangan ............................................................. 31 21. Hubungan antara tinggi pohon dengan kerapatan tajuk (D) di lokasi BKPH Dagangan ............................................................................. 31 22. Hubungan antara tinggi pohon dengan jumlah pohon (N) di lokasi BKPH Dagangan ............................................................................. 32

v

23. Hubungan antara tinggi pohon dengan persentase kerapatan tajuk (C) di lokasi BKPH Dungus ................................................................. 33 24. Hubungan antara tinggi pohon dengan kerapatan tajuk (D) di lokasi BKPH Dungus ................................................................................ 33 25. Hubungan antara tinggi pohon dengan jumlah pohon (N) di lokasi BKPH Dungus ................................................................................ 34 26. Hubungan rasio diameter dengan bonita di lokasi BKPH Dagangan ............ 35 27. Hubungan rasio diameter dengan bonita di lokasi BKPH Dungus ................ 36 28. Proporsi nilai analisis diskriminan bonita lapangan di lokasi BKPH Dagangan ....................................................................................................... 37 29. Proporsi nilai analisis diskriminan bonita lapangan di lokasi BKPH Dungus ........................................................................................................... 38 30. Proporsi nilai analisis diskriminan bonita akurasi peninggi di lokasi BKPH Dagangan ........................................................................................... 41 31. Proporsi nilai analisis diskriminan bonita akurasi peninggi di lokasi BKPH Dungus ............................................................................................... 42

DAFTAR LAMPIRAN

No.

Halaman

1. Data citra dan data lapangan pada lokasi BKPH Dagangan ................... 48 2. Data citra dan data lapangan pada lokasi BKPH Dungus ....................... 49 3. Klasifikasi bonita lapangan dan bonita peninggi di lokasi BKPH Dagangan .................................................................................... 50 4. Klasifikasi bonita lapangan dan bonita peninggi di lokasi BKPH Dungus ........................................................................................ 51 5. Analisis diskriminan bonita lapangan dengan peubah C, D dan N pada citra untuk BKPH Dagangan dan BKPH Dungus .......................... 52 6. Analisis diskriminan bonita akurasi peninggi dengan peubah C, D dan N pada citra untuk BKPH Dungus .......................................... 63 7. Analisis diskriminan bonita akurasi peninggi dengan peubah C, D dan N pada citra untuk BKPH Dungus .......................................... 68

BAB I PENDAHULUAN 1.1 Latar Belakang Sektor kehutanan di Indonesia telah memberikan sumbangan yang besar dalam menunjang pertumbuhan ekonomi baik dari segi perdagangan barang (kayu dan non kayu) maupun dari segi manfaat jasa. Dampaknya, hutan telah mendapat tekanan untuk kepentingan berbagai sektor antara lain: pertanian, pertambangan, perikanan, dan sebagainya. Untuk menjaga eksistensi fisik dan kualitas hutan tetap terjaga diperlukan suatu pengelolaan yang berdasarkan azas kelestarian lingkungan (Darusman 2002). Pemanfaatan citra satelit sebagai bahan kajian sumberdaya alam terus berkembang, hal ini sejalan dengan semakin majunya teknologi pemrosesan dan peningkatan kemampuan sensor satelit dalam merekam kondisi permukaan bumi. Pengelolaan hutan yang terintegritas perlu didukung oleh data/informasi dasar tentang kondisi fisik hutan. Data yang multi-waktu juga sangat bermanfaat untuk memperkirakan laju dan arah terjadinya perubahan, sehingga kegiatan antisipasi dapat segera dilakukan (Jaya 2010). Kualitas tempat tumbuh (site quality) dari

jenis satu tegakan pohon

dinyatakan sebagai peninggi untuk umur tertentu yang disebut pohon persatuan luas, luas bidang dasar setinggi dada, dan rata-rata tinggi bidang dasar. Kondisi ini berlaku pada suatu daerah yang keadaan tanahnya mirip dengan daerah yang akan dibangun hutan tanaman industri (HTI), dimana mempunyai penentuan umur baku tegakan. Hasil menyeluruh ini ditabulasikan untuk memudahkan mengetahui volume kayu yang dihasilkan oleh peninggi pada umur tertentu. Parameter tersebut disusun sedemikian rupa dengan melawan umur tegakan, sehingga didapat indeks bonita. Umur tegakan yang digunakan dalam penyusunan indeks bonita adalah umur tegakan saat melakukan penjarangan, yaitu 5, 10, 20, 25, …, 105 tahun dan hubungan peninggi dengan umur tegakan berdasarkan grafik disebut kelas bonita. Pengklasifikasian

produktivitas

lahan hutan

didalam

produksi

kayu

jati

menggunakan parameter peninggi sebagai pengukurnya yang dimulai sejak tahun 1932 oleh H.E. Wolff von Wolffing. Peninggi yang diperoleh dari rata-rata pohon tertinggi merupakan ciri terbaik dari produktivitas lahan hutan jati. Metode ini

2

diisyaratkan dengan rata-rata jumlah 100 pohon tertinggi yang hidup merata pada kawasan dengan luas 1 ha (Arief 2001). Menurut Poerwowidodo (1990), penyusunan kelas-kelas bonita perlu memperhatikan umur baku. Jika korelasi antara peninggi dan umur tegakan linier positif, maka semakin tua suatu tegakan berarti memberikan mutu site yang makin tinggi. Pada tegakan terlalu tua (>80 tahun), hubungan peninggi dan umur cenderung tidak lagi linier, sehingga memberikan mutu site terlalu tinggi. Penilaian mutu site pada tegakan terlalu muda (<30 tahun) sering memberikan mutu site terlalu rendah. Hal ini berpeluang terjadinya gejolak pada kelas-kelas bonita setiap kali diadakan pengukuran ulang. Sebenarnya, peninggi sebagai alat ukur seharusnya mampu dijadikan pengukuran akurat bagi media dan pada lingkungan yang sama pula. Dengan kata lain, jika peninggi digunakan untuk mengukur produktivitas suatu kelas bonita pada pengkuran kapan saja akan menghasilkan nilai yang sama pula. Istomo (1985) menyatakan bahwa peninggi itu sebenarnya bukan merupakan alat yang akurat. Kenapa dikatakan tidak akurat, Arief (2001) menyatakan penilaian terlalu rendah bagi tegakan yang masih muda dan sebaliknya penilaian tertalu tinggi untuk tanaman yang sudah tua. Menurut Colie (1946) pertumbuhan tanaman jati sangat dipengaruhi oleh faktor lingkungan, salah satu faktor yang amat penting adalah kondisi tanah. Penelitian Siswanto (1997) menunjukkan persentase kelerengan tanah mempunyai hubungan yang sangat nyata dengan nilai bonita tanaman jati, dimana pada kondisi lahan yang datar tanaman jati cenderung tumbuh lebih baik. Penelitian kualialitas tempat tumbuh berdasarkan sifat-sifat tanah lebih memberikan keuntungan, karena penilaian kualitas tempat tumbuh ini tidak perlu harus menunggu adanya tegakan. Sedang dalam perencanaan pengembangan hutan jati penilaian kualitas tempat tumbuh sebelum hutan tersebut digunakan sangat perlu. Berdasarkan penelitian yang dilakukan oleh Rusdiana et al. (1987) alternatife lain dapat digunakan adalah penggunaan parameter tanah, dimana porositas total, bulk density horizon tebal solum dan tebal horizon B merupakan indikator utama yang dapat membedakan bonita 3.5 dan 4.0. Hal ini menunjukkan faktor fisik tanah pada horizon B merupakan faktor yang penting bagi pertumbuhan jati di daerah penelitian.

3

Penetapan

kualitas

tempat

tumbuh

berdasarkan

faktor

peninggi

mempunyai beberapa kelemahan, antara lain: 1) Mensyaratkan kehadiran tegakan hutan, 2) Mensyaratkan kondisi tertentu dari tegakan dan 3) Khusus untuk jati menurut Haeruman (1965) penilaian terlalu rendah pada tegakan muda dan terlalu tinggi pada tegakan tua. Penentuan bonita di lapangan yang berat, yang memakan waktu lama serta biaya yang dikeluarkan banyak, sehingga tidak terlalu efisien untuk penentuan keputusan secara cepat. Perlunya akurasi data dan pembaharuan tentang kualitas tempat tumbuh itu sendiri (update), maka perlu adanya penentuan kualitas bonita dengan teknik baru salah satunya adalah menggunakan metode penginderaan jauh (remote sensing). Menurut Jaya (2010) pada saat ini penginderaan jauh tidak hanya mencangkup kegiatan pengumpulan data mentah, tetapi juga mencangkup pengolahan data secara otomatis (komputerisasi) dan manual (interpretasi), analasis citra dan penyajian yang diperoleh. Kegiatan penginderaan dibatasi oleh penggunaan energi elektromagnetik.

1.2 Kerangka Berfikir Pertanyaan-pertanyaan yang dapat dikembangkan dari penelitian : 1. Masih relevankah peta kualitas tempat tumbuh (bonita) yang digunakan saat ini? 2. Jika peta harus direvisi, adakah metode pembutan peta kualitas tempat tumbuh (bonita) secara cepat? 3. Dapatkah remote sensing digunakan sebagai alat menentukan bonita?

Kualias tempat tumbuh berhubungan erat dengan kesuburan tanah yang akan mempengaruhi kualitas tegakan. Penggunaan tanah secara terus menerus akan menyebabkan kesuburan tanah berkurang, sehingga kelas bonita ikut menurun. Perlu dilakukannya evaluasi peta bonita yang digunakan untuk mendapatkan informasi yang sesuai dengan keadaan saat ini. Kerangka berpikir penelitian ini dikembangkan dan disusun sebagaimana terlihat dalam Gambar 1.

4

Faktor-faktor kualitas tempat tumbuh : 1. Jenis tanah 2. Kesuburan tanah 3. Drainase tanah

Kualitas tegakan : 1. Volume pohon 2. Basal area 3. Kerapatan tegakan 4. Tinggi pohon

Penurunan kualitas tempat tumbuh (bonita)

Revisi peta kualitas tempat tumbuh

Evaluasi dengan remote sensing menggunakan kerapatan tajuk (C), diameter tajuk (D) dan Jumlah Pohon. (N).

Korelasi Tinggi

Evaluasi terestris Pengukuran tinggi terestris.

Fungsi Diskriminan

Site indeks (bonita) = f(C, D, N) Gambar 1 Kerangka berfikir penelitian.

1.3 Tujuan Penelitian ini bertujuan untuk menyusunan metode evaluasi kualitas tempat tumbuh (bonita) Jati (Tectona grandis L,f) menggunakan teknologi citra dijital non mentrik resolusi tinggi.

1.4 Manfaat Penelitian ini diharapkan dapat digunakan sebagai pertimbangan dalam menentukan kualitas tempat tumbuh (bonita) dengan metode baru menggunakan penginderaan jauh (remote sensing).

BAB II METODE PENELITIAN

2.1

Lokasi dan Waktu

Penelitian ini dimulai pada bulan Oktober 2011-Februari 2012. Lokasi penelitian terletak di KPH Madiun, yaitu: BKPH Dagangan dan BKPH Dungus (Gambar 2). Pra pengolahan citra dan persiapan peta kerja dilakukan di Laboratorium Remote Sensing dan GIS Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor.

Gambar 2 Lokasi penelitian.

2.2 Data, Hardware, Software dan Alat Data yang digunakan dalam penelitian ini adalah sebagai berikut: 1. Data spasial yang merupakan Citra dijital non-metrik resolusi tinggi KPH Madiun Perum Perhutani Unit II Jawa Timur hasil rekaman pada bulan April 2011 resolusi 20 cm, menggunakan pesawat tak berawak (unman aircraft).

6

2. Data Shapfile yang terdiri dari peta batas petak dan peta jaringan jalan yang mempunyai data atribut pendukung (Gambar 3 dan Gambar 4). 3. Data hasil pengambilan plot penelitian pada tegakan jati di BKPH Dagangan dan BKPH Dungus (Gambar 5 dan Gambar 6).

Hardware yang digunakan dalam penelitian ini adalah satu unit komputer yang dilengkapi dengan Software Erdas Imagine Ver 9.1, ArcView GIS Ver 3.2, SPSS 16.0, Minitab 14 dengan Analisis Diskriminan dan Microsoft Excel 2007. Alat yang digunakan dalam penelitian ini, yaitu GPS CS 60, suunto klinometer, kompas, haga hypsometer, pita ukur, dan kamera digital, serta kamera Fisheye.

Gambar 3 Peta grid plot lapangan dan jaringan jalan pada lokasi BKPH Dagangan. 7

Gambar 4 Peta grid plot lapangan dan jaringan jalan pada lokasi BKPH Dungus.

8

Gambar 5 Plot penelitian di BKPH Dagangan. 9

10

Gambar 6 Plot penelitian di BKPH Dungus.

11

2.3

Metode Penelitian

2.3.1 Pengolahan Awal Citra (Image pre-processing) 2.3.1.1. Koreksi Geometrik Koreksi Geometrik merupakan suatu proses melakukan transformasi data dari suatu sistem grid menggunakan suatu transformasi geometrik. Area yang terekam oleh sensor pada satelit maupun pesawat terbang sesungguhnya mengandung kesalahan (distorsi) yang diakibatkan oleh pengaruh kelengkungan bumi dan atau oleh sensor itu sendiri sehingga perlu adanya koreksi geometrik (Jaya 2010). Data penginderaan jauh dihasilkan oleh scanner multispektral atau kamera vidicon resolusi tinggi dari wahana ruang angkasa adalah dalam format raster. Namun, data spektral tersebut harus di simpan kembali, ditajamkan, difilter atau ditransformasikan secara geometrik dengan teknik pemrosesan citra sebelum data tersebut dapat digabungkan ke dalam sistem informasi geografik. Satu masalah penting untuk mengahasilkan kesesuain antara informasi raster dengan koordinat sistem informasi geografik yaitu menggunakan pendekatan umum dengan mengembangkan persamaan transformasi (Mayer 1984). Rangkaian persamaan konversi sistem informasi geografik (format vektor) yaitu: p = f (X, Y), l = f (X, Y), X = f1 (L, E), dan

Y = f2 (L, E)

dimana : p, l = posisi pixel dan baris garis penyiaman pada citra L, E = koordinat posisi lintang dan bujur X = koordinat horizontal proyeksi Y = koordinat vertikal proyeksi peta Rektifikasi yang dilakukan adalah rektifikasi citra-ke-citra (image-toimage rectification). Citra dijital non metrik dilakukan koreksi geometrik menggunakan citra LANDSAT yang telah terkoreksi sebelumnya, hal ini dilakukan agar koordinat geografisnya sama. Sistem koordinat yang digunakan dalam koreksi geometrik adalah Universal Transvers Mercator (UTM), zone 48 Selatan (South UTM 1984).

12

Koreksi geometrik dimulai dengan memilih sejumlah titik-titik Kontrol lapangan (GCP). Untuk penelitian ini jumlah total titik GCP adalah sebanyak 14 titik. GCP adalah suatu titik-titik pada permukaan bumi yang diketahui koordinatnya baik pada citra (kolom/piksel dan baris) maupun pada peta (yang diukur dalam lintang bujur meter). Syarat pemilihan GCP adalah tersebar merata di seluruh citra dan relatif permanen atau tidak berubah dalam kurun waktu yang pendek (seperti jalan, jembatan, sudut bangunan dan sebagainya) (Jaya 2002). Jumlah GCP minimum dihitung dengan menggunakan persamaan : GCPmin = (t+1)(t+2)/ 2 dimana: t : orde dari persamaan transformasi (t=1,2 atau.. n)

2.3.1.2. Analisis Data Citra 1. Desain Plot Langkah awal adalah overlay Peta Batas Petak dengan Poligon citra untuk mengumpulkan data atribut dengan penentuan umur tanaman 2011 berdasarkan data tahun tanam. Data citra dan data spasial yang telah di overlay dilakukan pembuatan grid, lokasi plot pengamatan ditentukan dengan metode sistematik sampling dengan jarak antar plot (JAP) adalah 75×75 meter dengan penyamaan angka acak untuk ke tiga lokasi. Pembuatan grid ini menggunakan ekstensi IHMB Jaya versi 6 pada ArcView 3.2 selanjutnya dilakukan pembuatan buffer untuk setiap plot terpilih sesuai dengan luasan masing-masing plot berdasarkan kelas umur untuk hutan tanaman jati. Plot yang terpilih merupakan keterwakilan umur dan bonita pada setiap petak dan setiap lokasi.

2. Pengukuran Dimensi Tegakan Citra Interpretasi citra pada dasarnya merupakan proses klasifikasi, maka identifikasi dan pengenalan dapat dilakukan secara matematik, apabila tersedia data citra dalam betuk dijital. Ukuran atau dimensi suatu objek merupakan kunci penting untuk identifikasi dan pengenalan objek yang bentuknya sama dan dapat dipakai sebagai standar bagi perbandingan (Purbowaseso 1995).

13

Pada penelitian ini dilakukan pengukuran dimensi tegakan citra terhadap peubahpeubah tegakan, sebagai berikut : a. Penghitungan Jumlah Pohon (N) Penafsiran jumlah pohon citra dilakukan dalam satu plot pengamatan (Gambar 7). Pada setiap tajuk yang membentuk satu kesatuan tajuk pohon dianggap sebagai satu pohon di lakukan penitikan dengan simbol draw point pada tools ArcView 3.2

Gambar 7 Profil pohon citra

b.Penghitungan Persentase Kerapatan Tajuk Tegakan pada Citra (C) Persentase penutupan tajuk diartikan sebagai persentase areal yang tertutup oleh proyeksi vertikal tajuk pohon. Digitasi dilakukan pada buffer plot dengan deliniasi atas tajuk per pohon. Deliniasi ialah seleksi visual dan perbedaan wujud gambaran pada berbagai data dengan jalan menarik garis batas (Rosalina & Rahaju 1996). Kerapatan Tajuk Citra = ( Jumlah Luas Tajuk / Luas Plot) × 100 %

14

Tajuk pohon

Gap Tajuk

Gambar 8 Perhitungan kerapatan tajuk pohon pada citra. Pada atribut citra yang telah dideliniasi, tajuk pohon diklasifikasikan dalam kelompok 1 sedangkan gap tajuk diklasifikasikan dalam kelompok 0 (Gambar 8). Perhitungan persentase penutupan tajuk dalam satu luasan plot dilakukan pada ArcView 3.2 dengan tools summarize.

c. Penghitungan Diameter Tajuk Pohon pada Citra (D) Pada dasarnya pengukuran tajuk sama dengan pengukuran jarak sebagaimana terlihat pada Gambar 9. Pengukuran tajuk pohon dilakukan pada tutupan tajuk yang telah dideliniasi dan dianggap sebagai satu pohon. Rumus untuk menghitung diameter tajuk adalah sebagai berikut : DtUS + DtBT Dt= 2 dimana : Dt DtUS DtBT

: Diamater tajuk pohon : Panjang diameter tajuk utara ke seletan : Panjang diameter tajuk barat ke timur

15

DtBT

DtUS

Gambar 9 Perhitungan diameter tajuk pohon pada citra

2.3.2 Pemetaan Desain Plot Penelitian Desain peta kerja dibuat sebagai alat pembantu pengamatan di lapangan. Peta kerja dibuat dengan menumpangtindihkan (overlay) citra dijital non metrik, lokasi titik pengamatan total dan lokasi terpilih, Titik GCP, Titik Ikat, peta jaringan jalan hutan dan peta batas petak kerja

2.3.3 Pengambilan Data Lapangan Pengamatan lapangan merupakan proses pengecekan langsung ke lokasi penelitian terhadap objek yang telah diinterpretasi menggunakan citra. Pengecekan lapangan dilakukan dengan 3 metode yaitu pengecekan titik dan pembuatan plot serta pengukuran dimensi tegakan lapangan. 1. Pengecekan titik dilakukan pada plot terpilih yang telah disesuaikan pada identifikasi awal posisi plot pada citra. Penentuan titik pusat plot terpilih dibantu dengan adanya GCP dan Titik ikat. 2. Metode kedua adalah pembuatan plot contoh berdasarkan kelas umur (KU), yaitu 0,02 Ha untuk KU I dan KU II, 0,04 Ha untuk KU III dan KU IV dan ukuran plot 0.1 Ha untuk KU V > up (Gambar 10).

16

7.98 m

11.28 m

17.85 m

a.Plot Lingkaran 0.02 Ha b.Plot Lingkaran 0.04 Ha c.Plot Lingkaran 0.1 Ha Gambar 10 Plot lingkaran

3. Pengukuran dimensi tegakan lapangan dilakukan dengan cara pengambilan data mengenai bonita (peta kerja Perhutani pada setiap areal kerja BKPH), tinggi pohon, diameter 50 cm dan 130 cm, jari-jari tajuk pohon, jarak antar pohon, dan kondisi pohon. Pemotretan bentang titik pengamatan yang dapat menggambarkan kondisi tutupan lahan juga dilakukan sebagai alat bantu argumen hasil verifikasi. Untuk penentuan bonita yang dipakai, merupakan hasil dari perhitungan peninggi dengan umur yang kemudian dilakukan penilaian nilai kelas bonita, ditunjukkan oleh grafik indeks bonita H.E. Wolff von Wolffing (1932). Pada grafik indeks bonita (Gambar 11), kelas bonita diperoleh melalui korelasi antara peninggi dan umur tegakan. Perhitungan korelasi antara peninggi dan umur tegakan ini dilakukan secara manual.

Peninggi

Umur Penjarangan

Gambar 11 Grafik indeks bonita H.E. Wolff von Wolffing (1932). 17

18

2.3.4 Pengolahan Data Lapangan Pendugaan data lapangan dilakukan untuk menentukan kesesuaian data lapangan dengan data citra. Pengolahan data lapangan, sebagai berikut: 1. Pembuatan Profil Pohon Lapangan Pada saat pengkuran di lapangan dilakukan sekaligus pengamatan posisi pohon dan jarak dari titik pusat. Perhitungan jarak dilakukan dengan mengukur jarak pohon dari titik pusat menggunakan pita ukur. 2. Penghitungan Jumlah Pohon Lapangan Jumlah pohon (N) lapangan dihitung dari pengumpulan data lapangan yang berada dalam satu luasan plot. 3. Penghitungan Diameter Tajuk Lapang Pengukuran diameter tajuk lapang pada setiap plot yang diambil di lapangan adalah satu sampel diameter tajuk pohon yang memiliki batang lurus atau yang paling bagus. Pohon yang terpilih dalam satu plot, diukur diameter tajuk lapang dengan cara mengukur panjang diameter tajuk pohon dari utara ke selatan dan panjang diameter tajuk pohon dari barat ke utara menggunakan pita ukur. Rumus menghitung diameter tajuk sebagai berikut : DtUS + DtBT Dt= 2 dimana : Dt : Diamater tajuk pohon DtUS : Panjang diameter tajuk utara ke seletan DtBT : Panjang diameter tajuk barat ke timur 4. Penghitungan Kerapatan Tajuk Lapang Dari hasil pengukuran jarak pohon dari titik pusat (profil pohon) dan diameter tajuk di lapangan diperoleh jari-jari tajuk pohon. Dari jari-jari pohon dibuat buffer tajuk menggunakan ArcView 3.2. Cara menghitung persentase tajuk pohon di lapangan sama dengan cara menghitung persentase tajuk pohon pada citra mengunakan rumus sebagai berikut : Kerapatan tajuk = ( Jumlah Luas Tajuk / Luas Plot) × 100 %

19 2.3.5

Uji Korelasi Dalam Hadjar (1995) dijelaskan bahwa, arti korelasi akan lebih mudah

dipahami dengan mempelajari scatter plot atau diagram pencar, yang dimaksud untuk menyelidiki hubungan antara dua peubah (Glass & Hopkins 1984). Diagram pecar adalah grafik yang memperlihatkan hubungan yang diperoleh dengan cara membuat gambaran visual pada titik pertemuan antara dua nilai dari dua peubah (sepasang observasi) (McMillan & Schumacher 1989). Diagram pencar juga dapat digunakan

untuk

mengindentifikasi

titik

hubungan

pasangan

skor

yang

menyimpang dari pola hubungan yang lain, dengan mengetahui perbedaan dapat dilakukan pemeriksaan kembali dalam proses pengolahan data apakah terjadi kesalahan (Hadjar 1995). Hubungan kuantitatif antara peubah kriterium dengan peubah prediktor dapat dilukiskan dalam suatu garis yang disebut garis regresi. Suatu garis regresi dapat dinyatakan dalam persamaan matematik yang dinamakan regresi (Sutrisno 1983). Supranto (1983), diacu dalam Sahid (2010) mendefinisikan analisis regresi sebagai suatu alat yang digunakan untuk menganalisis bentuk hubungan antara dua peubah atau lebih yang terdiri dari peubah bebas (dependent variable) dan peubah tidak bebas (independent variable) dengan tujuan untuk memperkirakan atau meramalkan nilai rata-rata dari peubah tak bebas apabila nilai peubah yang menerangkan sudah diketahui. Penetapan nilai bonita sering didasarkan pada hubungan antara rata-rata peninggi dengan umur tegakan. Salah satu penentu kualitas kayu jati adalah tinggi tanaman jati, semakin tinggi tanaman jati semakin baik kualitas dari jati tersebut. Tinggi pohon lebih mudah diukur, dengan suatu persyaratan tertentu, pertumbuhan tinggi pohon berkorelasi dengan penambahan volume (Anonim 2010). Uji korelasi dilakukan terhadap tinggi pohon, karena tinggi pohon merupakan faktor penting dalam penentuan bonita. a) Uji koefisien determinansi Untuk mengukur kecocokan antara peubah tinggi dan peubah citra adalah dengan melihat koefisien determinansi (R2), dimana pendekatan koefisien determinasi (R2) menyatakan seberapa baik kemampuan suatu peubah bebas dalam

20

model liniar dua peubah yang dipakai. Secara umum, nilai R2 yang dianggap baik jika lebih dari 50%. Rumus untuk menghitung koefisien determinasi adalah sebagai berikut: 𝑅2 =

JKT − JKS x 100% JKT n

(Yj − Ŷj)²

JKS = j=1

Yj² −

JKT =

(⅀Yj )² n

dimana : R2 = Koefisien determinasi JKT = Jumlah kuadrat total JKS = Jumlah kuadrat sisa Yj = Nilai Peubah (C, D dan N) Ŷj = Nilai tinggi rata-rata per plot contoh n = Banyaknya plot contoh b). Korelasi antar peubah Perhitungan koefisien korelasi menggunakan pendekatan korelasi product moment (r) untuk mengetahui keeratan tinggi dengan peubah pada citra yang akan digunakan dalam pendugaan tegakan. Rumus untuk menghitung korelasi adalah sebagai berikut:

r=

 X

 X i Yj  ( X i )( Yj ) / n 2

i





 ( X i ) 2 / n  Y 2 j  ( Yj ) 2 / n

dimana: xi = Dimensi tinggi pohon ke – i yj = Dimensi peubah pada citra ke – j n = jumlah pohon Besarnya nilai r berkisar antara -1 sampai +1. Jika nilai r = -1 maka hubungan antara dua peubah adalah korelasi negatif sempurna. Artinya, apabila salah satu peubah nilainya menurun, maka peubah lainnya akan meningkat. Sebaliknya jika nilai r = +1 maka hubungan antara dua peubah merupakan korelasi positif sempurna. Artinya, apabila salah satu peubah meningkat, maka peubah

21

lainnya akan meningkat pula. Bila r mendekati -1 atau +1 maka hubungan antara peubah itu kuat dan terdapat korelasi yang tinggi antara kedua peubah itu (Walpole 1995).

2.3.6 Analisis Fungsi Diskriminan Analisis diskriminan merupakan teknik menganalisis data peubah tak bebas (criterion) yang merupakan kategori non-metrik bersifat kualitatif terhadap peubah bebas sebagai predictor merupakan metrik bersifat kuantitatif (Supranto 2004). Analisis

diskriminan

dapat

digunakan

untuk

mengelompokkan

atau

mengklasifikasikan pengamatan atau peubah ke dalam kelompok baru yang jumlahnya lebih sedikit dibandingkan jumlah pengamatan atau peubah awal (Jonathan 2012). Pengolahan analisis diskriminan dilakukan dengan pengelompokkan bonita yang diperoleh dari data bonita tegakan jati di peta petak kerja Perhutani. Peubah bebas yang digunakan, yaitu : Dcitra, Ccitra, dan Ncitra. Model analisis diskriminan menghasilkan fungsi dengan kombinasi liniar sebagai berikut : Di = b0 + b1Xi1 + b2Xi2 + b3Xi3 dimana : Di bj Xij

= niai diskriminan dari bonita ke-i i = 3.0, 3.5, 4.0 (D merupakan peubah tak bebas) = koefisien atau timbangan diskriminan dari peubah = peubah (atribut) ke-j dari responden ke –i Xij merupakan peubah bebas/prediktor

Model matematik untuk analisis diskriminan adalah sebagai berikut:

D = b0, b1, b2, b3, ….., bk

1 X1 X2 X3 . . Xk

= b0 + b1X1 + b2X2 + b3X3+….+ bkXk

22

Proses klasifikasi pada fungsi diskriminan bonita adalah sebagai berikut : X

𝐷1 𝐷2 𝐷𝑛

Max

Bonita terpilih

Dimana X adalah vektor lajur yang dinyatakan sebagai berikuit, 𝑋1 X = 𝑋2 𝑋𝑛 Suatu vektor X yang tidak diketahui akan dimasukkan dan dievaluasi oleh masing-masing fungsi diskriminannya, kemudian nilai yang paling besar akan menyatakan kelas dari fungsi yang menghasilkan nilai tersebut. Untuk mengetahui tingkat keterwakilan data sebaran yang terklasifikasikan dengan benar, dilakukan penghitungan Jumlah benar : 𝑃𝐶 =

𝑁c × 100% 𝑁𝑡

dimana : Pc = Proporsi benar Nt = Total sampel Nc = Jumlah benar

2.3.7

Akurasi Bonita Penilaian bonita didasarkan atas tinggi yang dicapai pada umur indeks

tertentu (specific index age). Pembagian bonita didasarkan atas peninggi tegakan, peninggi ini disebut indeks bonita (Anonim 2010). Peninggi merupakan rata-rata dari 100 pohon tertinggi yang hidup merata dalam luasan 1 hektar (Arief 2001). Akurasi peninggi dimaksud adalah melakukan perhitungan ulang peninggi dengan tinggi total pohon dalam setiap plot per petaknya. Peninggi yang diperoleh di korelasikan dengan umur untuk ditentukan bonita melalui grafik indeks bonita H.E. Wolff von Wolffing (1932) sehingga diperoleh nilai bonita baru, dalam hal ini disebut bonita peninggi. Pengolahan data selanjutnya menggunakan analisis diskriminan dengan pengelompokkan bonita yang diperoleh dari data bonita peningi, dengan peubah Dcitra, Ccitra, Ncitra.

23

Tahapan

pelaksanaan

penelitian

terangkum

dalam

bagan

penelitian berikut (Gambar 12) :

Mulai

Persiapan dan Pengumpulan Data

Mosaik Citra

Koreksi Geometrik

Interpretasi Visual (Interpretasi, Digitasi, klasifikasi) CDN Citra Desain Pengambilan Contoh

Pengambilan Data Lapangan

Pengolahan Data Lapangan CDN Lapangan

Overlay dan Uji Korelasi

TIDAK

Evaluasi

Analisis Fungsi Diskriminan

TIDAK Accuracy Tt

YA

Selesai

Gambar 12 Diagram alur tahapan penelitian.

Analisis Diterima

BAB III KONDISI UMUM LOKASI PENELITIAN 3.1 Letak Geografis Kesatuan Pemangkuan Hutan (KPH) Madiun membagi wilayah kerjanya menjadi 4 bagian hutan yaitu: Bagian Hutan Caruban, Bagian Hutan Pagotan, Bagian Hutan Ponorogo Timur, dan Bagian Hutan Ponorogo Barat (Gambar 13).

Gambar 13 Peta Lokasi penelitian berdasarkan wilayah kerja KPH Madiun Secara geografis KPH Madiun berada di dalam batas 7034’36” LS - 7058’12” LS dan 111017’51” BT - 111042’43” BT dan berbatasan dengan Kawasan Pemangkuan Hutan (KPH) sebagai berikut: 1. Sebelah Utara

: KPH Saradan

2. Sebelah Timur

: KPH Saradan dan Lawu Ds

3. Sebelah Selatan

: KPH Lawu Ds.

4. Sebelah Barat

: KPH Lawu Ds dan KPH Ngawi

25

3.2 Topografi dan Iklim Wilayah kawasan hutan KPH Madiun mempunyai kemiringan lereng, landai, bergelombang, sampai dengan bergunung-gunung. Wilayah hutan KPH Madiun terletak pada suatu daerah dengan musim hujan dan musim kemarau yang jelas. KPH Madiun termasuk ke dalam tipe curah hujan C dimana mempunyai nilai Q = 57% (33,3%-60%) dengan rata-rata bulan basah adalah 7 bulan dan rata-rata bulan kering 4 bulan selama setahun. Dengan tipe iklim C. KPH Madiun cocok untuk tempat tumbuh jati. Berdasarkan peta hutan RPKH KPH Madiun jangka 2001-2010, tipe iklim C untuk sebagian wilayah Bagian Hutan Ponorogo Timur dan Pagotan dan tipe iklim D untuk Bagian Hutan Caruban, sebagian besar Pagotan, Ponorogo Barat dan sebagian Ponorogo Timur.

3.3 Daerah Aliran Sungai dan Tanah Wilayah kawasan KPH Madiun termasuk DAS Solo Hulu dan merupakan salah satu penyangga kestabilan serta keseimbangan ekosistem pada sub DAS Solo Hulu. Sungai yang ada di Wilayah KPH Madiun adalah Sungai Catur yang melintasi Bagian Hutan Caruban dan Bagian Hutan Pagotan yang bermuara di Kali Madiun terus ke Bengawan Solo. Sebagian besar jenis tanah di kawasan hutan KPH Madiun untuk SKPH Madiun Utara terdiri dari Mediteran Cokelat Kemerahan dan Litosol Coklat Kemerahan, sedangkan di wilayah KPH Madiun Selatan terdiri dari jenis Aluvial Kelabu Tua, Glei humus dan Mediteran Coklat Kemerahan.

3.4 Kependudukan 1. Penduduk Jumlah penduduk dalam kecamatan yang masuk dalam wilayah kerja KPH Madiun adalah 804.789 jiwa, terdiri dari 393.121 laki-laki dan 411.667 perempuan.

26

2. Mata Pencaharian Berdasarkan data yang diperoleh diketahui bahwa mata pencaharian masyarakat sekitar bervariasi, yaitu: petani, pedagang, buruh, pegawai negeri/ABRI, dan lainlain, seperti yang terlihat pada Tabel 1.

Tabel 1 Mata pencaharian penduduk di kecamatan sekitar hutan tahun 1998 di wilayah KPH Madiun Mata Kabupaten Pencaharian Jumlah Madiun Magetan Ponorogo (orang) Petani 324.041 219.333 108.463 651.463 Pedagang 47.809 93.491 5.912 1.928 Pensiunan 534 45 1.349 1.928 Buruh 37.185 81.779 85.147 204.111 Peg/TNI 58.443 63.772 8.884 131.099 Lain-lain 10.624 52.009 49.043 111.676 Jumlah 478.636 510.429 258.424 1.247.489 Sumber data : RPKH madiun 2001-2010

BAB IV HASIL DAN PEMBAHASAN 4.1 Pengolahan Data Citra dan Data Lapangan Berdasarkan pengolahan data menggunakan peubah pada citra dan lapangan, diperoleh diagram pencar untuk setiap plot di masing-masing lokasi sebagaimana disajikan pada Gambar 14 sampai dengan Gambar 19. Data hasil penelitian disajikan dalam Lampiran 1 dan 2. Di lokasi BKPH Dagangan dan BKPH Dungus diperoleh 38 plot. Pada Gambar14 sampai dengan 19 disajikan pengelompokan data menggunakan peubah citra (N, D, dan C). 1. Diagram Pencar Peubah D dengan N pada keterangan bonita lapangan Scatterplot of D citra vs N citra 11

Bonita 3.0 3.5 4.0

10

D cit ra

9

8

7

6 5.0

7.5

10.0

12.5

15.0

17.5

N citra

Gambar 14 Diagram pencar peubah D dengan N pada keterangan bonita lapangan di lokasi BKPH Dagangan. Gambar 14 menunjukkan bahwa di lokasi BKPH Dagangan ada pengelompokan bonita menggunakan nilai peubah D dan N, khususnya pada bonita 3.5. Penyebaran data menunjukkan dengan peubah D dan N bonita 3.0, bonita 3.5 dan bonita 4.0 akan dapat dipisahkan.

28

Scatterplot of D_citra vs N_citra 9

90

Bonita 3.0 3.5

8

4.0

80

C_c it r a

D_c it r a

7

6

5

60

50

4

3 5.0

7.5

10.0

12.5

15.0

17.5

20.0

40

22.5

5.0

N_citra

Gambar 15 Diagram pencar peubah D dengan N pada keterangan bonita lapangan di lokasi BKPH Dungus. Pada Gambar 15 pengelompokan dengan peubah D dan N terlihat jelas khususnya pada bonita 4.0 di lokasi BKPH Dungus, dimana bonita 3.5 dan bonita 4.0 kemungkinan dapat dipisahkan. 2. Peubah C dengan N pada citra terhadap bonita lapangan Scatterplot of C citra vs N citra 95

Bonita 3.0 3.5

90

4.0

85

C cit ra

70

80 75 70 65 60 5.0

7.5

10.0

12.5

15.0

17.5

N citra

Gambar 16 Diagram pencar peubah C dengan N pada keterangan bonita lapangan di lokasi BKPH Dagangan.

29

Demikian juga untuk peubah C dan N di lokasi BKPH Dagangan sebagaimana diperlihatkan pada Gambar 16, menunjukkan bahwa bonita 3.0, bonita 3.5 dan bonita 4.0 mengelompok secara jelas, sehingga ada kemungkinan bonita 3.0 dapat dipisahkan dari bonita 3.5 dan bonita 4.0.

Scatterplot of C_citra vs N_citra 90

Bonita 3.0 3.5 4.0

C_cit ra

80

70

60

50

40 5.0

7.5

10.0

12.5

15.0

17.5

20.0

22.5

N_citra

Gambar 17 Diagram pencar peubah C dengan N pada keterangan bonita lapangan di lokasi BKPH Dungus. Pada Gambar 17 pengelompokan bonita dengan peubah C dan N di lokasi BKPH Dungus menunjukkan bahwa, untuk bonita 3.0, 3.5 dan bonita 4.0 telihat mengelompok dengan jelas, dimana untuk masing-masing kelompok bonita mungkin dapat dipisahkan. 3. Peubah C dengan D pada citra terhadap bonita lapangan Pengelompokan peubah C dan D di lokasi BKPH Dagangan ditunjukkan oleh Gambar 18, dimana terlihat secara jelas bahwa bonita 3.5 dan bonita 4.0 mengelompok secara terpisah.

30

Scatterplot of C_citra vs D_citra

_citra 90

Bonita

Bonita 3.0

3.0

3.5

3.5 4.0

4.0

C_cit ra

80

70

60

50

40

7.5

20.0

3

22.5

4

5

6

7

8

9

D_citra

Gambar 18 Diagram pencar peubah C dengan D pada keterangan bonita lapangan di lokasi BKPH Dagangan.

Scatterplot of C_citra vs D_citra

citra

5

90

Bonita

Bonita 3.0

3.0

3.5

3.5 4.0

4.0

C_cit ra

80

70

60

50

40

20.0

22.5

3

4

5

6

7

8

9

D_citra

Gambar 19 Diagram pencar peubah C dengan D pada keterangan bonita lapangan di lokasi BKPH Dungus. Gambar 19 menunjukkan bahwa ada pengelompokan bonita dengan menggunakan peubah C dan D di lokasi BKPH Dungus, dimana terlihat secara jelas bahwa bonita 3.5 dan bonita 4.0 bergerombol.

31

4.2 Uji Korelasi Dari hasil data di lapangan dan citra diperoleh matriks korelasi untuk BKPH Dagangan sebagaimana disajikan pada Tabel 2.

Tabel 2 Matriks korelasi antara peubah tinggi total rata-rata dengan peubah pada citra pada BKPH Dagangan Peubah Tt C D C 0.125 D 0.436 0.222 N 0.245 0.615 -0.22 Pada BKPH Dagangan nilai korelasi tertinggi ditunjukkan oleh peubah tinggi dengan diameter tajuk pohon, dengan oleh nilai R sebesar 0.436. Nilai ini menjelaskan bahwa tinggi pohon memiliki hubungan yang cukup erat dengan diameter tajuk (D). Hubungan antara peubah tinggi dengan persentase tutupan tajuk dan jumlah pohon relatih rendah. Grafik hubungan tinggi total rata-rata (Tt) dengan nilai peubah citra diitunjukkan pada Gambar 20 sampai dengan Gambar 22.

30

Tinggi (m)

25 20 15 10 5 0 0

20

40

60

80

100

C citra (%)

Gambar 20 Hubungan antara tinggi pohon dengan persentase kerapatan tajuk (C) di lokasi BKPH Dagangan. Berdasarkan Gambar 20, hubungan antara tinggi pohon dengan persentase kerapatan tajuk (C) mempunyai nilai R hanya sebesar 0.125 (R2 = 15.0%) dengan model regresi Y= 0.038X + 22.09 (Y= Tinggi pohon, X= Kerapatan tajuk).

32

30.00

Tinggi (m)

25.00 20.00 15.00 10.00 5.00 0.00 0.00

2.00

4.00

6.00

8.00

10.00

12.00

D citra (m)

Gambar 21 Hubungan antara tinggi pohon dengan diameter tajuk (D) di lokasi BKPH Dagangan. Gambar 21 menunjukkan hubungan antara tinggi pohon dengan diameter tajuk mempunyai model regresi Y = 0.973X+ 16.72 (Y= Tinggi pohon, X= Diameter tajuk) dengan korelasi positif sebesar 0.436 (R2= 18.9%). 30.00

Tinggi (m)

25.00 20.00 15.00 10.00 5.00 0.00 0

5

10

15

20

N citra

Gambar 22 Hubungan antara tinggi pohon dengan jumalah pohon (N) di lokasi BKPH Dagangan. Gambar 22 menunjukkan hubungan tinggi pohon dengan jumlah pohon yang mempunyai nilai korelasi positif sebesar 0.245 (R2 = 6.0%) dengan model regresi linear Y= 0.231X + 22.98 (Y= Tinggi pohon, X= Jumlah pohon).

33

Untuk BKPH Dungus nilai korelasi antara peubah tinggi dengan peubah C, D, dan N pada citra ditunjukkan oleh matriks korelasi pada Tabel 3.

Tabel 3 Matriks korelasi antara peubah tinggi total rata-rata dengan peubah pada citra pada BKPH Dungus Peubah Tt C D C 0.541 D 0.883 0.301 N -0.498 0.097 -0.647 Nilai korelasi tertinggi ditunjukkan antara peubah tinggi total rata-rata (Tt) dengan peubah diameter tajuk (D) pada citra dengan nilai R sebesar 0.883. Grafik hubungan antara tinggi pohon dengan nilai peubah pada citra untuk lokasi BKPH Dungus diitunjukkan pada oleh Gambar 23 sampai dengan Gambar 25.

30.000

Tingi (m)

25.000 20.000 15.000 10.000 5.000 0.000 0

20

40

60

80

100

Ccitra (%)

Gambar 23 Hubungan antara tinggi pohon persentase kerapatan tajuk (C) di lokasi BKPH Dungus. Pada Gambar 23, terlihat hubungan antara tinggi pohon dengan persentase kerapatan tajuk (C) yang memiliki nilai korelasi positif sebesar 0.541 (R2 = 29.2%) dengan model regresi Y= 0.231X + 7.904 (Y= Tinggi pohon, X= Kerapatan tajuk).

34

35.000 30.000 Tinggi (m)

25.000 20.000 15.000 10.000 5.000 0.000 0

5

10

15

20

25

N_Citra

Gambar 24 Hubungan antara tinggi pohon dengan jumlah pohon (N) di lokasi BKPH Dungus. Pada Gambar 24, terlihat hubungan antar tinggi pohon dengan jumlah pohon (N) yang memiliki nilai korelasi negatif sebesar -0.498 (R2= 24.7%) dengan model regresi Y= -0.552X + 31.92 (Y= Tinggi pohon, X= Jumlah Pohon).

35.000 30.000 Tinggi (m)

25.000 20.000 15.000 10.000 5.000 0.000 0.00

2.00

4.00

6.00

8.00

10.00

D_Citra (m)

Gambar 25 Hubungan antara tinggi pohon dengan diameter tajuk (D) di lokasi BKPH Dungus. Gambar 25 menunjukkan hubungan antara tinggi pohon dengan diameter tajuk (D) yang mempunyai nilai korelasi positif yang cukup tinggi, yaitu sebesar 0.883 (R2= 77.9%) dengan model regresi Y= 2.674X+ 6.547 (Y= Tinggi pohon, X= Diameter tajuk).

35

4.3 Hubungan Rasio Diameter dengan Bonita Gruschow dan Evans (1959) menyatakan bahwa pertambahan volume pohon atau tegakan sangat dipengaruhi oleh umur, kerapatan tegakan sisa dan tempat tumbuh atau bonita. Diameter pohon yang berhubungan erat dengan volume pohon juga dijadikan salah satu penentu kualitas tumbuh jati itu sendiri. Semakin besar diameter maka semakin bagus pertumbuhan jati yang diikuti oleh pertambahan tinggi serta diameter tajuk. Pertambahan tinggi pohon berkorelasi dengan pertambahan volume (Anonim 2010). Perbandingan diameter ini dijadikan sebagai rasio diameter dalam menganalisis hubungan tingkat kesuburan jati. Pada citra, diameter tajuk merupakan peubah yang berhubungan dengan diameter pohon. Diagram pencar rasio diameter dengan diameter tajuk dengan bonita untuk BKPH Dagangan dapat

Bonita

dilihat pada Gambar 26.

4.5 4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0 0.896

0.898

0.900

0.902

0.904

0.906

0.908

0.910

0.912

Rd130/d50

Gambar 26 Hubungan rasio diameter dengan bonita di lokasi BKPH Dagangan. Pada Gambar 26 terlihat bahwa nilai bonita akan semakin tinggi bila rasio antara diameter 130cm dengan diameter 50cm semakin kecil atau mendekati silindris, begitu pula sebaliknya. Hubungan antara rasio rata-rata diameter pohon dengan bonita pada BKPH Dagangan mempunyai nilai koefisien determinasi sebesar 95,4% dengan model regresi Y = 1E+09e-21.5x.

36

5.0

Bonita

4.0 3.0 2.0 1.0 0.0 0.8500

0.8550

0.8600

0.8650

0.8700

0.8750

Rasio d130/d50

Gambar 27 Hubungan rasio diameter dengan bonita di lokasi BKPH Dungus.

Pada BKPH Dungus hubungan rasio diameter dengan bonita mempunyai nilai koefisien determinasi sebesar 99,9% dengan model regresi Y = 8E+06e-17.0x.

4.4 Analisis Diskriminan Pada lokasi BKPH Dagangan nilai akurasi klasifikasi dengan peubah citra terhadap bonita yang diperoleh di lapangan memberikan persentase akurasi yang berbeda-beda sebagaimana tercantum dalam Tabel 4 (Gambar 28).

Tabel 4 Nilai akurasi klasifikasi bonita di lapangan terhadap peubah C, D dan N pada citra pada lokasi BKPH Dagangan Peubah tegakan Proporsi benar C 52.60% D 50.00% N 36.80% CD 52.60% CN 52.60% DN 47.40% CDN 52.60%

37

60% 50% 40% 30% 20% 10% 0% C

D

N

CD

CN

DN

CDN

Gambar 28 Proporsi nilai analisis diskriminan bonita lapangan di lokasi BKPH Dagangan. Pada Tabel 4 dapat terlihat bahwa nilai akurasi yang paling tinggi dihasilkan oleh nilai peubah C, CD, CN dan CDN yaitu sebesar 52,6%. Nilai akurasi ini menjelaskan bahwa dengan menggunakan peubah persentase kerapatan tajuk (C) pada citra dapat menjelaskan bonita di lapangan dengan baik, sama baiknya dengan menggunakan peubah CDN. Ini dapat diartikan bahwa dengan menggunakan peubah C saja sudah dapat menentukan kelas bonita di lapangan di lokasi BKPH Dagangan. Pada lokasi BKPH Dungus nilai akurasi klasifikasi menggunakan peubah citra terhadap bonita yang diperoleh di lapangan ditampilkan dalam Tabel 5, Grafik proporsi yang benar disajikan pada Gambar 29.

Tabel 5 Nilai akurasi klasifikasi bonita di lapangan terhadap peubah C, D dan N pada citra pada lokasi BKPH Dungus Peubah tegakan Proporsi benar C 44.70% D 52.60% N 47.40% CD 50.00% CN 47.40% DN 47.40% CDN 44.70%

38

54% 52% 50% 48% 46% 44% 42% 40% C

D

N

CD

CN

DN

CDN

Gambar 29 Proporsi nilai analisis diskriminan bonita lapangan di lokasi BKPH Dungus. Pada Tabel 5 dilihat bahwa nilai akurasi paling tinggi ditunjukkan oleh nilai analisis diskriminan bonita lapangan terhadap peubah diameter tajuk (D) pada citra, dengan nilai akurasi benar sebesar 52,6%. Pada lokasi BKPH Dungus nilai diameter tajuk saja sudah cukup dapat mewakili dalam penentuan kelas bonita dengan akurasi sebesar 52,6%. Nilai diskriminan yang diperoleh dari hasil analisis terlampir pada Lampiran 5 memberikan fungsi diskriminan sebagaimana ditampilkan dalam Tabel 6.

39

Tabel 6 Fungsi diskriminan untuk kelompok bonita terhadap peubah citra Fungsi diskriminan Peubah Bonita BKPH Dagangan BKPH Dungus N

D

C

CN

3.0 3.5 4.0 3.0 3.5 4.0 3.0 3.5 4.0 3.0 3.5 4.0 3.0

CD

3.5 4.0 3.0

ND

3.5 4.0 3.0

CDN

3.5

4.0

D3.0= -11,195 + 1,930(Ncitra) D3.5= -6,945 + 1,520(Ncitra) D4.0= -8,936 + 1,725(Ncitra) D3.0= -40,846 + 8,777(Dcitra) D3.5= -33,536 + 7,953(Dcitra) D4.0= -39,676 + 8,650(Dcitra) D3.0= -60,260 + 1,415(Ccitra) D3.5= -53,613 + 1,334(Ccitra) D4.0= -58,195 + 1,390(Ccitra) D3.0= -62,378 + 1,605(Ccitra) 1,033(Ncitra) D3.5= -57,667 + 1,598(Ccitra) 1,430(Ncitra) D4.0= -61,427 + 1,625(Ccitra) 1,033(Ncitra) D3.0= -88,584 + 1,272(Ccitra) 7,387(Dcitra) D3.5= -76,463 + 1,207(Ccitra) 6,634(Dcitra) D4.0= -85,741 + 1,250(Ccitra) 7.284(Dcitra) D3.0= -60,688 + 2,605(Ncitra) + 9,794(Dcitra) D3.5= -46,744 + 2,125(Ncitra) + 8,782(Dcitra) D4.0= -56,302 + 2,385(Ncitra) + 9,581(Dcitra) D3.0= -88,625 + 0,150(Ncitra) + 7,477(Dcitra) + 1,243(Ccitra) D3.5= -76,780 – 0,420(Ncitra) + 6,380(Dcitra) + 1,289(Ccitra) D4.0= -85,775 – 0,137(Ncitra) + 7,202(Dcitra) + 0,277(Ccitra)

D3.0= -4,410 + 0,802(Ncitra) D3.5= -9,651 + 1,186(Ncitra) D4.0= -6,159 + 0,948(Ncitra) D3.0= -19,725 + 5,195(Dcitra) D3.5= -11,115 + 3,900(Dcitra) D4.0= -17,744 + 4,928(Dcitra) D3.0= 31,115 + 0,852(Ccitra) D3.5= -26,175 + 0,782(Ccitra) D4.0= -3,099 + 0,879(Ccitra) D3.0= -31,368 + 0,829(Ccitra) + 0,201(Ncitra) D3.5= -29,047 + 0,703(Ccitra) + 0,676(Ncitra) D4.0= -33.820 + 0,840(Ccitra) + 0,339(Ncitra) D3.0= -44,803 + 4,370(Dcitra) + 0,773(Ccitra) D3.5= 2,646 + 3,126(Dcitra) + 4,068(Ccitra) D4.0= -44,960 + 4,068(Dcitra) + 0,805(Ccitra) D3.0= -60,688 + 2,605(Dcitra) + 9,794(Ncitra) D3.5= -46,744 + 2,125(Dcitra) + 8,782(Ncitra) D4.0= -56,302 + 2,385(Dcitra) + 9,581(Ncitra) D3.0= -57,988 + 7,831(Ncitra) + 1,862(Dcitra) + 0,494(Ccitra) D3.5= -51,779 + 7,237(Ncitra) + 2,211(Dcitra) + 0,393(Ccitra) D4.0= -59,931 + 7,756(Ncitra) + 1,984(Dcitra) + 0,508(Ccitra)

40

4.5 Akurasi Bonita Hasil perhitungan bonita yang peningginya dilakukan perhitungan ulang dengan menggunakan tabel indeks bonita H.E. Wolff von Wolffing (1932), menunjukkan nilai yang berbeda sebagaimana ditambilkan oleh Tabel 7 dan 8.

Tabel 7 Persentase kesesuaian bonita petak di lapangan dengan bonita yang dilakukan akurasi peninggi pada BKPH Dagangan Bonita menggunakan akurasi peninggi Bonita peta lapangan 3.0 3.5 3.0 0 5 3.5 11 11 4.0 4 7 Total sampel 15 23 Jumlah benar 0 11 Akurasi 0 0.478 Jumlah sampel = 38 Jumlah benar = 11 Akurasi benar = 28.9% Tabel 8 Persentase kesesuaian bonita petak di lapangan dengan bonita yang dilakukan akurasi peninggi pada BKPH Dungus Bonita menggunakan akurasi peninggi Bonita peta lapangan 3.0 3.5 4.0 3.0 0 3 0 3.5 5 6 0 4.0 0 21 3 Total sampel 5 30 3 Jumlah benar 0 6 3 Akurasi 0 0.05 100 Jumlah sampel = 38 Jumlah benar = 9 Akurasi benar = 23.7% Persentase kesesuaian nilai untuk lokasi BKPH Dagangan menunjukkan nilai akurasi sebesar 29% dan untuk lokasi BKPH Dungus menunjukkan akurasi sebesar 23%. Hal ini menunjukkan lebih dari 70% nilai bonita tidak sesuai dengan nilai bonita yang digunakan dalam peta kerja KPH Madiun. Nilai bonita yang diperoleh setelah dilakukan akurasi terhadap peninggi sebagaimana terlampir pada Lampiran 3 dan 4. Hasil analisis diskriminan untuk BKPH Dagangan terlampir pada Lampiran 6 dan untuk BKPH Dungus terlampir pada Lampiran 7.

41

Tingkat akurasi klasifikasi menggunakan bonita menggunakan peubah citra disajikan pada Tabel 9. Gambaran nilai untuk masing-masing kombinasi analisis ditampilkan dalam grafik proporsi yang ditunjukkan oleh Gambar 30. Tabel 9 Nilai akurasi klasifikasi bonita akurasi peninggi pada BKPH Dagangan Peubah tegakan Proporsi Benar C 52.60% D 50.00% N 60.50% CD 63.20% CN 65.80% DN 68.40% CDN 68.40%

80% 70% 60% 50% 40% bonita peninggi

30% 20% 10% 0% C

D

N

CD

CN

DN

CDN

Gambar 30 Proporsi nilai analisis diskriminan bonita akurasi peninggi di lokasi BKPH Dagangan. Nilai akurasi tertinggi ditunjukkan oleh analisis diskriminan bonita akurasi peninggi menggunakan tiga peubah pada citra, yaitu D, N dan C, D, N sebesar 68,4%. Hal ini menunjukkan jumlah pohon cukup dapat mewakili dalam penentuan bonita di lokasi BKPH Dagangan, sehingga menggunakan peubah N saja dapat menentukan kelas bonita.

42

Pada lokasi BKPH Dungus, nilai akurasi klasifikasi benar dari hasil analisis diskriminan ditampilkan pada Tabel 10. Gambaran nilai untuk masingmasing kombinasi analisis ditampilkan dalam grafik proporsi yang ditunjukkan pada Gambar 31.

Tabel 10 Nilai akurasi klasifikasi bonita peninggi pada BKPH Dungus Peubah Tegakan Proporsi benar C 26.30% D 76.30% N 68.40% CD 81.60% CN 68.40% DN 76.30% CDN 81.60% 90% 80% 70% 60% 50% 40%

Bonita evaluasi peninggi

30% 20% 10% 0% C

Gambar 31

D

N

CD

CN

DN

CDN

Proporsi nilai proporsi nilai analisis diskriminan bonita akurasi peninggi di lokasi BKPH Dungus.

Pada lokasi BKPH Dungus nilai akurasi tertinggi ditunjukkan oleh nilai akurasi menggunakan tiga peubah pada citra, yaitu: kerapatan tajuk (C), diameter tajuk (D), dan jumlah pohon (N) dengan nilai persentase sebesar 81,6%. Namun dengan menggunakan diameter tajuk saja sudah cukup dapat mewakili penentuan bonita, karena akurasi menggunakan peubah D sebesar 73,6%.

43

Nilai diskriminan yang diperoleh dari hasil analisisis terlampir pada Lampiran 6 dan 7, memberikan fungsi diskriminan sebagaimana tercantum dalam Tabel 11. Tabel 11 Fungsi diskriminan untuk kelompok bonita terhadap peubah citra Fungsi diskriminan Peubah Bonita BKPH Dagangan BKPH Dungus 3.0 D3.0= -6,5173+ 1,4590(Ncitra) D3.0= -14,988 + 1,595 (Ncitra) N 3.5 D3.5= -8,8182+ 1,6972(Ncitra) D3.5= -6,876 + 1,080 (Ncitra) 4.0 D4.0= -10,856 + 1,357 (Ncitra) 3.0 D3.0= -37,677 + 8,264(Dcitra) D3.0= -13,620 + 6,995 (Dcitra) D 3.5 D3.5= -3,988 + 7,733(Dcitra) D3.5= -48,125 +13,150 (Dcitra) 4.0 D4.0= -37,060+ 11,539 (Dcitra) 3.0 D3.0= -53,010+ 1,312 (Ccitra) D3.0= -23,631+ 0,724(Ccitra) C 3.5 D3.5= -55,585+ 1,344 (Ccitra) D3.5= -23,631+ 0,814 (Ccitra) 4.0 D4.0= -33.429+ 0.879(Ccitra) 3.0 D3.0= -58,670+ 1,642(Ccitra) - D3.0= -30,554 + 0,611(Ccitra) 1.715 (Ncitra) 1,128(Ncitra) 3.5 D3.5= -59,537+ 1,619(Ccitra) - D3.5= 31,223 + 0,764(Ccitra) CN 1.433(Ncitra) 0,496(Ncitra) 4.0 D4.0= -36,550 + 0,785(Ccitra) 0,757(Ncitra) CD 3.0 D3.0= -71,951 + 1,095(Ccitra) + D3.0= -32,679 + 0,657(Ccitra) 6.08 (Dcitra) 5,764(Dcitra) 3.5 D3.5= -70,749 + 1,149(Ccitra) + D3.5= -29,047 + 0,677(Ccitra) 5,44 (Dcitra) 11,882(Dcitra) 4.0 D4.0= -61,462 + 0,744(Ccitra) 10,146(Dcitra) 3.0 D3.0= -42,493+ 8,090(Dcitra) + D3.0= -51,075+ 12,681(Dcitra) 1,256 (Ncitra) 2.807(Ncitra) 3.5 D3.5= -39,932+ 7,523(Dcitra) + D3.5= -88,066+ 19,020(Dcitra) ND 1,509 (Ncitra) 2.899 (Ncitra) 4.0 D4.0= -81,319+ 17,719(Dcitra) 3,051(Ncitra) CDN 3.0 D3.0= -75,207+ 1,36(Ccitra) + D3.0= -55,844+ 0,356 (Ccitra) 5,735 (Dcitra) 11,170 (Dcitra) 1.313(Ncitra) 2,391(Ncitra) 3.5 D3.5= -72,918+ 1,365(Ccitra) + D3.5= -93,086+ 0,365 (Ccitra) 5,158(Dcitra) – 17,471(Dcitra) 1,072(Ncitra) 2,471(Ncitra) 4.0 D4.0= -87,996+ 0,421 (Ccitra) 15,932 (Dcitra) 02,559(Ncitra)

+ + + + + + + + + + + + + + +

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan kajian yang diperoleh pada studi ini, maka dapat ditarik kesimpulan sebagai berikut : 1. Akurasi kesesuaian peta bonita yang ada saat ini menggunakan peubah peninggi hanya sebesar 28,9% untuk BKPH Dagangan dan 23,7% untuk BKPH Dungus. 2. Peubah-peubah tegakan berupa kerapatan tajuk (C), diameter tajuk (D) dan jumlah pohon (N) yang diukur pada citra dijital resolusi tinggi dapat digunakan sebagai peubah penduga kualitas tempat tumbuh (bonita) jati. 3. Nilai akurasi paling tinggi untuk klasifikasi bonita menggunakan peubah citra C, D dan N yang diukur pada citra adalah 68,4% untuk lokasi BKPH Dagangan dan 81,6% untuk BKPH Dungus. 5.2 Saran 1. Perlu dilakukan re-evaluasi peta kelas bonita di lapangan karena tingkat kesalahan peta bonita yang ada saat ini cukup tinggi khususnya di KPH Madiun Perum Perhutani Unit II Jawa Timur. 2. Perlu pengujian-pengujian lebih lanjut terhadap model atau fungsi diskriminan yang telah dibangun pada penelitian ini.

DAFTAR PUSTAKA Anonim. 2010. Kualitas Tempat Tumbuh Pohon Jati. http://id.shvoong.com/exactsciences/2089255-kualitas-tempat-tumbuh-pohon-jati/#ixzz1hi3p6wis [18 Juni 2011] Arief A. 2001. Hutan dan Kehutanan. Yogyakarta. Konisius Colle TS. 1946. Relation of Soil Characteristic to site Index Lower Re6n~on. of North Carolina Duke. Univ. scool For Bull. 13 Darusman, D. 2002. Nilai dan Etika Pengelolaan Hutan Bersama Masyarakat. Bogor: Institut Pertanian Bogor. Glass G. V. dan Hopkins, K.D. 1984. Statistika Methods in Education and psychology (ed. Ke-2). Englewood. Grushcow GP dan Evans TC. 19599. The relation of cubic poot volume growth to stand density in young slash pine stand. Forest sei; 5(1) : Hal 49-55. Hadjar I. 1995. Dasar- dasar metodologi penelitian kwantitatif dalam pendidikan. Jakarta: Raja Grafindo Persada. Haeruman H. 1965. Kualifikasi Tempat tumbuh Tegakan Jati (Tectona grandis L.f.) di Jawa. [Skripsi]. Bogor: Fakultas Kehutan IPB. Istomo. 1985. Penentuan Bonita Jati dengan Parameter Kualitas Tanah. Jurnal Manajemen Hutan Vol. VI. Bogor: Fakultas Kehutanan IPB Jaya INS. 2002. Aplikasi SIG untuk Kehutanan. Bogor: Fakultas Kehutanan Institut Pertanian Bogor. Jaya INS. 2010. Analisis Citra Digital: Perspektif Penginderaan Jauh untuk Pengelolaan Sumberdaya Alam. Bogor: Fakultas Kehutanan IPB. Jonathan S. 2009. Teori Analisis Multivariate. http://www.jonathansarwono.info/mvariat/multivariate.htm [10Januari 2012] Mayer, WL. 1984. Integration of remotely sensing data into geographic information: in Richason JR. BF (ed). Procedding PECORA VII symposium, Remote Sensing. Amerika society of photogrammetry. Falls Charch.Virginia, Hal 3-14. McMillan JH dan Schummeacher, S. 1989. Research in education: A conceptual introduction (ca ke-3). Glosview II. Scott Forestman and Co. [Perum Perhutani]. 1999. Petunjuk Kerja Pelaksanaan Penjarangan. Biro Perencanaan Unit III Jawa Barat. Bandung Poerwowidodo. 1990. Gatra Tanah dalam Pembangunan Hutan Tanaman Industri di Indonesia. Jakarta: Rajawali Pers.

46

Purbowaseso B. 1995. Pengindraan jauh terapan (Terjemahan dr C.P Lo. Universitas Georgia). Jakarta: UI-press. Rusdiana O, Soedomo S, Poerwowidodo. 1987. Uji Banding Parameter Bonita Jati (Tectona grandis L.f.) di BKPH Banjar Utara KPH Ciamis. Jurnal Manajemen Hutan Vol. I No.4. Bogor: Fakultas Kehutanan IPB. Rosalina WU dan Rahaju S. 1996.Dasar-Dasar Penafsiran Potret Udara. Kerjasama kehutanan IPB dengan Perum Perhutani. Sukabumi. Sahid. 2010. Penaksira Volume Pohon Pinus merkusii Melalui Foto Udara. Jurnal Ilmu Kehutanan Vol. IV No. 1. Siswanto B. 1997. Hubungan Beberapa Karakteristik Lahan dengan Bonita Tanaman Jati. Habitat. Vol. 8. No. 99. Supranto J. 1983. Ekonometrik. Jakarta: Lembaga Penerbit Fakultas Ekonomi UI. Supranto J. 2004. Analisis multivariate (arti dan interpretasi). Rineka cipta. Jakarta Walpole ER. 1995. Pengantar Statistik Edisi 3. Bambang Sumantri, penerjemah; Purnomo Sidhi; editor: Gramedia: Jakarta. Wulfing W Von. 1938. Tabel Tegakan Tanaman Jati. Jakarta: Perum Perhutani.

LAMPIRAN

48

Lampiran 1 Data Citra dan Data Lapangan pada lokasi BKPH Dagangan Tt R No N D C D C Umur Bonita ratad130/ plot citra citra citra lap lap rata d50 8 45 3.5 21.13 0.975 10 8.47 89 9.39 50.0 9 45 3.5 21.67 0.910 10 8.99 82 9.52 53.0 17 45 3.5 20.56 0.910 9 8.69 80 9.51 52.0 18 45 3.5 20.70 0.901 12 8.24 83 9.41 58.0 19 73 3.0 27.17 0.908 8 9.85 79 9.91 61.0 27 39 3.5 20.20 0.932 6 6.00 65 7.49 50.0 38 39 3.5 23.89 0.877 9 6.70 79 8.35 62.5 42 73 3.0 27.60 0.939 14 9.30 92 10.52 81.0 43 73 3.0 27.43 0.926 13 8.81 91 8.99 69.0 50 39 3.5 24.00 0.916 6 6.50 65 8.40 55.0 51 39 3.5 23.25 0.879 8 6.39 85 7.98 80.0 64 39 3.5 24.00 0.930 10 6.90 85 8.21 85.0 70 73 3.0 27.71 0.912 14 8.86 91 9.62 73.0 101 73 3.0 27.44 0.865 9 9.72 73 8.87 46.0 112 67 3.5 23.60 0.878 9 8.56 82 9.60 64.0 129 67 3.5 25.10 0.884 11 8.67 83 10.01 56.0 136 67 4.0 25.92 0.866 11 9.48 82 8.95 59.0 143 70 3.5 27.00 0.858 8 9.65 81 12.21 60.0 152 67 4.0 27.00 0.865 17 8.37 83 8.26 62.0 168 67 4.0 26.27 0.924 12 8.83 85 8.43 62.0 175 70 3.5 27.00 0.869 7 10.49 84 11.73 66.0 177 70 3.5 27.00 0.866 5 9.40 62 11.81 40.0 184 67 4.0 26.78 0.926 11 9.35 85 9.77 62.0 188 59 4.0 23.67 0.900 6 9.85 82 11.63 54.0 194 70 3.5 26.08 0.896 13 7.52 76 8.34 55.0 201 67 4.0 26.30 0.925 10 8.60 81 9.21 58.0 216 67 4.0 26.33 0.871 9 8.93 77 9.60 50.0 220 59 4.0 23.40 0.941 9 10.09 85 11.54 80.0 225 70 3.5 25.83 0.915 6 9.70 65 10.18 45.0 231 67 4.0 26.82 0.886 10 8.96 83 8.86 55.0 244 61 3.5 27.89 0.912 9 9.72 88 11.16 70.0 245 61 3.5 27.55 0.908 10 8.66 86 9.26 63.0 250 59 4.0 22.60 0.881 9 9.82 84 11.03 65.0 257 61 3.5 27.08 0.930 12 8.56 92 9.68 69.0 276 59 4.0 21.70 0.884 10 8.63 94 10.09 68.0 282 61 3.5 27.90 0.895 11 9.56 94 10.56 67.0 284 61 3.5 28.25 0.906 8 9.45 79 10.26 55.0 292 61 3.5 26.00 0.869 12 8.73 83 9.02 59.0

N lap 8 9 9 10 9 5 9 15 14 5 10 10 14 9 10 10 12 7 17 11 8 4 10 6 13 10 9 10 6 11 9 11 10 12 10 10 8 12

49

Lampiran 2 Data Citra dan Data Lapangan pada lokasi BKPH Dungus Tt R No N D C D C N Umur Bonita ratad130/ plot citra citra citra lap Lap lap rata d50 7 68 4.0 25.833 0.8951 5 7.80 57.0 9.60 34.0 6 8 68 4.0 25.375 0.9087 7 6.68 63.0 9.20 48.0 8 16 68 4.0 25.722 0.8733 8 7.50 74.0 9.81 60.0 9 23 68 4.0 26.850 0.8532 10 6.83 72.0 9.89 53.0 10 27 58 4.0 26.433 0.8513 15 7.14 75.0 8.59 68.0 15 33 68 4.0 27.000 0.8449 13 8.15 78.0 11.13 63.0 11 34 68 4.0 26.938 0.8855 11 6.34 73.0 10.45 52.0 8 36 56 3.5 15.250 0.8416 15 5.00 45.0 4.97 29.0 19 38 58 4.0 26.800 0.8787 14 6.63 87.0 8.81 70.0 15 51 56 3.5 26.462 0.8695 15 6.81 67.0 7.66 51.0 13 52 24 4.0 22.250 0.8002 19 5.50 71.0 6.10 75.0 20 58 68 4.0 27.857 0.8570 12 7.85 83.0 11.42 57.0 7 66 56 3.5 26.867 0.8632 14 7.07 80.0 8.57 69.0 15 73 68 4.0 27.917 0.8733 13 7.20 77.0 11.06 75.0 12 83 56 3.5 26.156 0.8846 16 7.89 78.0 8.26 69.0 16 88 68 4.0 26.962 0.8373 12 7.59 66.0 8.90 52.0 13 100 56 3.5 26.708 0.9085 14 8.10 55.0 7.22 45.0 12 105 68 4.0 26.538 0.8635 13 7.55 72.0 7.39 48.0 13 123 68 4.0 26.912 0.8564 17 6.50 86.0 10.28 81.0 17 141 68 4.0 26.696 0.8707 22 6.00 87.0 8.94 86.0 23 175 22 3.5 15.640 0.8038 21 4.33 60.0 4.99 77.5 25 176 22 3.5 14.818 0.8776 22 3.67 60.0 4.48 60.0 22 192 57 3.0 26.364 0.8993 13 6.88 72.0 8.35 50.0 11 213 57 3.0 26.250 0.8955 12 7.72 80.0 8.70 62.0 14 215 69 4.0 27.364 0.8463 14 7.20 82.0 10.63 69.0 11 234 57 3.0 25.889 0.8225 8 8.18 67.0 9.17 46.0 9 235 68 4.0 26.571 0.8241 16 7.23 81.0 9.51 75.0 14 236 69 4.0 25.273 0.7892 17 7.08 68.0 9.15 55.0 11 241 3.5 15.545 0.8514 18 3.98 62.5 4.56 65.0 22 22 246 71 4.0 26.444 0.8698 9 8.00 65.0 8.76 45.0 9 253 65 3.5 28.167 0.8615 11 8.36 85.0 11.57 69.0 9 254 69 4.0 26.000 0.8605 15 6.58 79.0 8.75 64.0 14 259 22 3.5 15.591 0.8376 19 3.57 72.0 4.82 65.0 22 263 71 4.0 27.611 0.8311 10 8.00 70.0 10.21 57.0 11 271 65 4.0 27.088 0.8794 17 7.00 87.0 9.89 78.0 17 275 22 3.5 16.028 0.8928 14 3.92 72.0 4.79 60.0 18 289 71 4.0 25.300 0.8795 12 8.00 76.0 9.70 57.0 10 294 71 4.0 26.182 0.8041 11 8.50 78.0 10.48 65.0 11

50

Lampiran 3 Klasifikasi bonita lapangan dan bonita akurasi peninggi di lokasi BKPH Dagangan Plot Umur Bonita Bonita WVW 8 45 3.5 3.0 9 45 3.5 3.0 17 45 3.5 3.0 18 45 3.5 3.0 19 73 3.0 3.5 27 39 3.5 3.5 38 39 3.5 3.5 42 73 3.0 3.5 43 73 3.0 3.5 50 39 3.5 3.5 51 39 3.5 3.5 64 39 3.5 3.5 70 73 3.0 3.5 101 73 3.0 3.5 112 67 3.5 3.0 129 67 3.5 3.0 136 67 4.0 3.5 143 70 3.5 3.0 152 67 4.0 3.5 168 67 4.0 3.5 175 70 3.5 3.0 177 70 3.5 3.0 184 69 4.0 3.5 188 59 4.0 3.0 194 70 3.5 3.0 201 67 4.0 3.5 216 67 4.0 3.5 220 59 4.0 3.0 225 70 3.5 3.0 231 67 4.0 3.5 244 61 3.5 3.5 245 61 3.5 3.5 250 59 4.0 3.0 257 61 3.5 3.5 276 59 4.0 3.0 282 61 3.5 3.5 284 61 3.5 3.5 292 61 3.5 3.5

51

Lampiran 4 Klasifikasi bonita lapangan dan bonita akurasi peninggi di lokasi BKPH Dungus Plot Umur Bonita Peta Bonita Peninggi 68 4.0 7 3.5 68 4.0 8 3.5 68 4.0 16 3.5 68 4.0 23 3.5 58 4.0 27 4.0 68 4.0 33 3.5 68 4.0 34 3.5 56 3.5 36 3.5 58 4.0 38 4.0 56 3.5 51 3.5 24 4.0 52 4.0 68 4.0 58 3.5 56 3.5 66 3.5 68 4.0 73 3.5 56 3.5 83 3.5 68 4.0 88 3.5 56 3.5 100 3.5 68 4.0 105 3.5 68 4.0 123 3.5 68 4.0 141 3.5 22 3.5 175 3.0 22 3.5 176 3.0 57 3.0 192 3.5 57 3.0 213 3.5 69 4.0 215 3.5 57 3.0 234 3.5 68 4.0 235 3.5 69 4.0 236 3.5 3.5 241 22 3.0 71 4.0 246 3.5 65 3.5 253 3.5 69 4.0 254 3.5 22 3.5 259 3.0 71 4.0 263 3.5 65 4.0 271 3.5 22 3.5 275 3.0 71 4.0 289 3.5 71 4.0 294 3.5

52

Lampiran 5 hasil analisis dikriminan bonita lapangan untuk BKPH Dagangan dan BKPH Dungus 1. Analisis Diskriminan dengan Peubah Ncitra Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan Kelompok 3.0 3.5 Jumlah 5 22

4.0 11

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus Kelompok 3.0 3.5 Jumlah 3 11

4.0 24

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 3.0 3 6 3.5 2 12 4.0 0 4 Total sampel 5 22 Jumlah benar 3 12 Proporsi 0.600 0.545 Jumlah sampel = 38 Jumlah benar = 18 Proporsi benar = 0.474

4.0 4 4 3 11 3 0.667

Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 4.0 3.0 2 1 11 3.5 0 7 8 4.0 1 3 5 Total sampel 3 11 24 Jumlah benar 3 7 5 Proporsi 0.667 0.636 0.208 Jumlah sampel = 38 Jumlah benar = 14 Proporsi benar = 0.368 Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan 3.0 3.5 3.0 0.00000 1.00997 3.5 1.00997 0.00000 4.0 0.25436 0.25063

4.0 0.25436 0.25063 0.00000

53

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus 3.0 3.5 3.0 0.000000 2.026440 3.5 2.026440 0.000000 4.0 0.291560 0.780700

4.0 0.291560 0.780700 0.000000

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan 3.0 3.5 4.0 Constanta -11.195 -6.945 -8.936 N_cit 1.930 1.520 1.725 Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus 3.0 3.5 4.0 Constanta -4.410 -9.651 -6.159 C citra 0.802 1.186 0.948 2. Analisis Diskriminan dengan Peubah Dcitra Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan Kelompok 3.0 3.5 Jumlah 5 22 Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus Kelompok 3.0 3.5 Jumlah 3 11

4.0 11

4.0 24

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 4.0 3.0 3 7 5 3.5 0 14 3 4.0 2 1 3 Total sampel 5 22 11 Jumlah benar 3 14 3 Proporsi 0.600 0.636 0.273 Jumlah sampel = 38 Jumlah benar = 20 Proporsi benar = 0.526

54

Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 3.0 2 3 3.5 0 6 4.0 1 2 Total sampel 3 11 Jumlah benar 2 6 Proporsi 0.667 0.545 Jumlah sampel = 38 Jumlah benar = 19 Proporsi benar = 0.500 Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan 3.0 3.5 3.0 0.000000 0.720118 3.5 0.720118 0.000000 4.0 0.017023 0.515704 Tabel 6 Jarak kuadrat antar bonita pada BKPH Dagangan 3.0 3.5 3.0 0.00000 2.45260 3.5 2.45260 0.00000 4.0 0.10473 1.54369

4.0 10 3 11 24 11 0.458

4.0 0.017023 0.515704 0.000000

4.0 0.10473 1.54369 0.00000

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan 3.0 3.5 4.0 Constanta -40.846 -33.536 -39.676 Dcitra 8.777 7.953 8.650 Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus 3.0 3.5 4.0 Constanta -19.725 -11.115 -17.744 Dcitra 5.195 3.900 4.928 3. Analisis Diskriminan dengan Peubah Ccitra Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan Kelompok 3.0 3.5 Jumlah 5 22

4.0 11

55

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus Kelompok 3.0 3.5 Jumlah 3 11

4.0 24

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan Dikelaskan ke Kelompok bonita referensi kelompok bonita 3.0 3.5 4.0 3.0 3 7 4 3.5 2 11 4 4.0 0 4 3 Total sampel 5 22 11 Jumlah benar 3 11 3 Proporsi 0.600 0.500 0.273 Jumlah sampel = 38 Jumlah benar = 17 Proporsi benar = 0.447 Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus Dikelaskan ke Kelompok bonita referensi kelompok bonita 3.0 3.5 3.0 1 2 3.5 1 6 4.0 1 3 Total sampel 3 11 Jumlah benar 1 6 Proporsi 0.330 0.545 Jumlah sampel = 38 Jumlah benar = 20 Proporsi benar = 0.526

4.0 6 5 13 24 13 0.542

Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan 3.0 3.5 3.0 0.000000 0.388347 3.5 0.388347 0.000000 4.0 0.036010 0.187845

4.0 0.036010 0.187845 0.000000

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus 3.0 3.5 3.0 0.000000 0.426788 3.5 0.426788 0.000000 4.0 0.061328 0.811683

4.0 0.061328 0.811683 0.000000

56

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan 3.0 3.5 4.0 Constanta -60.260 -53.613 -58.195 C citra 1.415 1.334 1.390 Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus 3.0 3.5 4.0 Constanta -31.115 -26.175 -33.099 D citra 0.852 0.782 0.879 4. Analisis Diskriminan dengan Peubah Ccitra dan Ncitra Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan Kelompok 3.0 3.5 Jumlah 5 22

4.0 11

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus Kelompok 3.0 3.5 Jumlah 3 11

4.0 24

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan Dikelaskan ke Kelompok bonita referensi kelompok bonita 3.0 3.5 4.0 3.0 3 5 3 3.5 2 11 4 4.0 0 6 4 Total sampel 5 22 11 Jumlah benar 3 11 4 Proporsi 0.600 0.500 0.364 Jumlah sampel = 38 Jumlah benar = 18 Proporsi benar = 0.474 Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus Dikelaskan ke Kelompok bonita referensi kelompok bonita 3.0 3.5 3.0 1 1 3.5 0 7 4.0 2 3 Total sampel 3 11 Jumlah benar 1 7 Proporsi 0.333 0.636 Jumlah sampel = 38 Jumlah benar = 20 Proporsi benar = 0.526

4.0 9 3 12 24 12 0.5

57

Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan 3.0 3.5 3.0 0.000000 1.012040 3.5 1.012040 0.000000 4.0 0.270880 0.280940

4.0 0.270880 0.280940 0.000000

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus 3.0 3.5 3.0 0.000000 3.268200 3.5 3.268200 0.000000 4.0 0.300590 2.243310

4.0 0.300590 2.243310 0.000000

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan 3.0 3.5 4.0 Constanta -62.378 -57.667 -61.427 C citra 1.605 1.598 1.625 N citra -1.033 -1.430 -1.277 Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus 3.0 3.5 4.0 Constanta -31.368 -29.047 -33.820 C citra 0.829 0.703 0.840 N citra 0.201 0.676 0.339 5. Analisis Diskriminan dengan Peubah Ccitra dan Dcitra Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan Kelompok 3.0 3.5 Jumlah 5 22

4.0 11

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus Kelompok 3.0 3.5 Jumlah 3 11

4.0 24

58

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 3.0 3 5 3.5 0 13 4.0 2 4 Total sampel 5 22 Jumlah benar 3 13 Proporsi 0.600 0.591 Jumlah sampel = 38 Jumlah benar = 19 Proporsi benar = 0.500

4.0 5 3 3 11 3 0.273

Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 3.0 1 3 10 3.5 0 6 2 4.0 2 2 12 Total sampel 3 11 24 Jumlah benar 1 6 12 Proporsi 0.333 0.545 0.500 Jumlah sampel = 38 Jumlah benar = 19 Proporsi benar = 0.500 Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan 3.0 3.5 3.0 0.000000 0.975649 3.5 0.975649 0.000000 4.0 0.046839 0.626478

4.0 0.046839 0.626478 0.000000

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus 3.0 3.5 3.0 0.000000 2.645520 3.5 2.645520 0.000000 4.0 0.192140 2.083740

4.0 0.192140 2.083740 0.000000

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan 3.0 3.5 4.0 Constanta -88.584 -76.463 -85.741 C citra 1.272 1.207 1.250 D citra 7.387 6.634 7.284

4.0

59

Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus 3.0 3.5 4.0 Constanta -44.802 2.646 -44.960 D citra 4.370 3.126 4.068 Ccitra 0.773 0.725 0.805 6. Analisis Diskriminan dengan Peubah Ncitra dan Dcitra Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan Kelompok 3.0 3.5 Jumlah 5 22

4.0 11

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus Kelompok 3.0 3.5 Jumlah 3 11

4.0 24

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 3.0 3 4 3.5 0 12 4.0 2 6 Total sampel 5 22 Jumlah benar 3 12 Proporsi 0.600 0.545 Jumlah sampel = 38 Jumlah benar = 18 Proporsi benar = 0.474 Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 3.0 2 1 3.5 0 6 4.0 1 4 Total sampel 3 11 Jumlah benar 2 6 Proporsi 0.667 0.545 Jumlah sampel = 38 Jumlah benar = 18 Proporsi benar= 0.474

4.0 4 4 3 11 3 0.273

4.0 11 3 10 24 10 0.417

60

Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan 3.0 3.5 3.0 0.000000 2.065350 3.5 2.065350 0.000000 4.0 0.301060 0.908690

4.0 0.301060 0.908690 0.000000

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus 3.0 3.5 3.0 0.000000 2.897450 3.5 2.897450 0.000000 4.0 0.292400 1.598340

4.0 0.292400 1.598340 0.000000

Tabel 7 Klasifikasi kelompok bonita pada BKPH Dagangan 3.0 3.5 Constanta -60.688 -46.744 N citra 2.605 2.125 D citra 9.794 8.782

4.0 -56.302 2.385 9.581

Tabel 8 Klasifikasi kelompok bonita pada BKPH Dungus 3.0 3.5 Constanta -49.794 -46.578 D citra 9.470 8.543 N citra 2.516 2.732

4.0 -51.267 9.441 2.657

7.

Analisis Diskriminan dengan Peubah Ccitra, Dcitra, dan Ncitra

Tabel 1 Klasifikasi kelompok bonita pada BKPH Dagangan Kelompok 3.0 3.5 Jumlah 5 22

4.0 11

Tabel 2 Klasifikasi kelompok bonita pada BKPH Dungus Kelompok 3.0 3.5 Jumlah 3 11

4.0 24

61

Tabel 3 Rekapitulasi klasifikasi bonita pada BKPH Dagangan Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 3.0 3 3 3.5 0 11 4.0 2 8 Total sampel 5 22 Jumlah benar 3 11 Proporsi 0.600 0.500 Jumlah benar = 38 Jumlah benar = 17 Proporsi benar= 0.447 Tabel 4 Rekapitulasi klasifikasi bonita pada BKPH Dungus Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 3.0 1 1 3.5 0 8 4.0 2 2 Total sampel 3 11 Jumlah benar 1 8 Proporsi 0.333 0.727 Jumlah benar = 38 Jumlah benar = 20 Proporsi benar = 0.526

4.0 4 4 3 11 3 0.273

4.0 10 3 11 24 11 0.458

Tabel 5 Jarak kuadrat antar bonita pada BKPH Dagangan 3.0 3.5 3.0 0.000000 2.141350 3.5 2.141350 0.000000 4.0 0.342190 0.914010

4.0 0.342190 0.914010 0.000000

Tabel 6 Jarak kuadrat antar bonita pada BKPH Dungus 3.0 3.5 3.0 0.000000 3.574970 3.5 3.574970 0.000000 4.0 0.305500 2.477370

4.0 0.305500 2.477370 0.000000

Tabel 7 Fungsi diskriminan untuk kelompok bonita pada BKPH Dagangan 3.0 3.5 4.0 Constanta -88.625 -76.780 -85.775 N citra 0.150 -0.420 -0.137 D citra 7.477 6.380 7.202 C citra 1.243 1.289 1.277

62

Tabel 8 Fungsi diskriminan untuk kelompok bonita pada BKPH Dungus 3.0 3.5 4.0 Constanta -57.988 -51.779 -59.931 N citra 7.831 7.237 7.756 D citra 1.862 2.211 1.984 C citra 0.494 0.393 0.508

63

Lampiran 6 Hasil analisis dikriminan bonita akurasi peninggi untuk BKPH Dagangan 1.

Analisis Diskriminan dengan Peubah Ncitra

Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 15

3.5 23

Tabel 2 Rekapitulasi klasifikasi bonita Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.0 9 3.5 6 Total sampel 15 Jumlah benar 9 Proporsi 0.600 N = 38 Jumlah benar = 23 Proporsi benar= 0.605

3.5 9 14 23 14 0.609

Tabel 3 Jarak kuadrat antar bonita pada 3.0 0.00000 0.34719

3.0 3.5

3.5 0.34719 0.00000

Tabel 4 Fungsi diskriminan untuk kelompok bonita Constanta N citra

3.0 -6.5173 1.4591

3.5 -8.8182 1.6972

2. Analisis Diskriminan dengan Peubah Dcitra Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 15

3.5 23

64

Tabel 2 Rekapitulasi klasifikasi bonita Dikelaskan ke kelompok bonita 3.0 3.5 Total sampel Jumlah benar Proporsi N = 38 Jumlah benar =19

Kelompok bonita referensi 3.0 3.5 8 12 7 11 15 23 8 11 0.533 0.478 ProportioJumlah benar = 0.500

Tabel 3 Jarak kuadrat antar bonita pada 3.0 0.00000 0.31152

3.0 3.5

3.5 0.31152 0.00000

Tabel 4 Fungsi diskriminan untuk kelompok bonita 3.0 -37.677 8.264

Constanta D citra 3.

3.5 -32.988 7.733

Analisis Diskriminan dengan Peubah Ccitra

Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 15

3.5 23

Tabel 2 Rekapitulasi klasifikasi bonita Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 Total sampel Jumlah benar Proporsi N = 38

3.0 3.5 5 8 10 15 15 23 5 15 0.330 0.652 Jumlah benar = 20 ProportioJumlah benar = 0.526

Tabel 3 Jarak kuadrat antar bonita pada 3.0 3.0 0.00000 3.5 0.06106 Tabel 4 Fungsi diskriminan untuk kelompok bonita

3.5 0.06106 0.00000

65

3.0 -53.010 1.312

Constanta C citra

3.5 -55.585 1.344

4. Analisis Diskriminan dengan Peubah Ccitra dan Ncitra Tabel 1 Klasifikasi kelompok bonita Kelompok

3.0

3.5

Jumlah

15

23

Tabel 2 Rekapitulasi klasifikasi bonita Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 Total sampel Jumlah benar Proporsi N = 38

3.0 3.5 11 9 4 14 15 23 11 14 0.733 0.609 Jumlah benar = 25 ProportioJumlah benar = 0.658

Tabel 3 Jarak kuadrat antar bonita pada 3.0 3.5

3.0 0.00000 0.36719

Tabel 4 Fungsi diskriminan untuk kelompok bonita 3.0 Constanta -58.670 C citra 1.642 N citra -1.715

3.5 0.36719 0.00000

3.5 -59.537 1.619 -1.433

5. Analisis Diskriminan dengan Peubah Ccitra dan Dcitra Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 15

3.5 23

66

Tabel 2 Rekapitulasi klasifikasi bonita Dikelaskan ke kelompok bonita 3.0 3.0 9 3.5 6 Total sampel 15 Jumlah benar 9 Proporsi 0.600 N = 38 Jumlah benar = 24

Kelompok bonita referensi 3.5 8 15 23 15 0.652 ProportioJumlah benar = 0.632

Tabel 3 Jarak kuadrat antar bonita pada 3.0 0.00000 0.48051

3.0 3.5

Tabel 4 Fungsi diskriminan untuk kelompok bonita 3.0 Constanta -71.951 C citra 1.095 D citra 6.08

3.5 0.48051 0.00000

3.5 -70.749 1.149 5.44

6. Analisis Diskriminan dengan Peubah Dcitra dan Ncitra Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 15

3.5 23

Tabel 2 Rekapitulasi klasifikasi bonita Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 Total sampel Jumlah benar Proporsi N = 38 Jumlah benar = 26

3.0 3.5 10 7 5 16 15 23 10 16 0.667 0.696 ProportioJumlah benar = 0.684

67 Tabel 3 Jarak kuadrat antar bonita pada 3.0 0.00000 0.69997

3.0 3.5

3.5 0.69997 0.00000

Tabel 4 Fungsi diskriminan untuk kelompok bonita 3.0 Constanta -42.493 D citra 8.09 N citra 1.256

3.5 -39.932 7.523 1.509

7. Analisis Diskriminan dengan Peubah Ccitra , Dcitra dan Ncitra Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 15

3.5 23

Tabel 2 Rekapitulasi klasifikasi bonita Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 Total sampel Jumlah benar Proporsi N = 38

3.0 10 5 15 10 0.667 Jumlah benar = 26

3.5 7 16 23 16 0.696 ProportioJumlah benar = 0.684

Tabel 3 Jarak kuadrat antar bonita pada 3.0 3.5

3.0 0.00000 0.70109

Tabel 4 Fungsi diskriminan untuk kelompok bonita 3.0 -75.207 Constanta 1.36 C citra D citra 5.735 N citra -1.313

3.5 0.70109 0.00000

3.5 -72.918 1.365 5.158 -1.072

68

Lampiran 7 Hasil analisis dikriminan bonita akurasi peninggi untuk BKPH Dungus 1. Analisis Diskriminan dengan Peubah Dcitra Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 5

3.5 30

4.0 3

Tabel 2 Rekapitulasi klasifikasi bonita Kelompok bonita referensi Dikelaskan ke kelompok bonita 3.0 3.5 3.0 5 1 3.5 0 22 4.0 0 7 Total sampel 5 30 Jumlah benar 5 22 Proporsi 1.000 0.733 Jumlah benar = N = 38 29 Proporsi benar= 0.763 Tabel 3 Jarak kuadrat antar bonita pada 3.0 3.0 0.00000 3.5 21.08190 4.0 11.49290

4.0 0 1 2 3 2 0.667

3.5 21.08190 0.00000 1.44330

4.0 11.49290 1.44330 0.00000

3.5 -48.125 13.150

4.0 -37.060 11.539

Tabel 4 Fungsi diskriminan untuk kelompok bonita Constanta D citra

3.0 -13.620 6.995

2. Analisis Diskriminan dengan Peubah Ccitra Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 5

3.5 30

4.0 3

69

Tabel 2 Rekapitulasi klasifikasi bonita Dikelaskan ke Kelompok bonita kelompok bonita referensi 3.0 3.5 3.0 3 9 3.5 2 6 4.0 0 15 Total sampel 5 30 Jumlah benar 3 6 Proporsi 0.600 0.200 N = 38 Jumlah benar = 10 Proporsi benar= 0.263 Tabel 3 Jarak kuadrat antar bonita pada 3.0 3.0 0.000000 3.5 0.733190 4.0 1.695060

3.5 0.733190 0.000000 0.198630

Tabel 4 Fungsi diskriminan untuk kelompok bonita 3.0 Constanta -23.631 D citra 0.724

3.5 -23.631 0.814

4.0 0 2 1 3 1 0.333

4.0 1.695060 0.198630 0.000000

4.0 -33.429 0.861

3. Analisis Diskriminan dengan Peubah Ncitra Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 5

3.5 30

Tabel 2 Rekapitulasi klasifikasi bonita Dikelaskan ke Kelompok bonita referensi kelompok bonita 3.0 3.5 3.0 4 1 3.5 1 21 4.0 0 8 Total sampel 5 30 Jumlah benar 4 21 Proporsi 0.800 0.700 N = 38 Jumlah benar = 26 Proporsi benar= 0.684

4.0 3

4.0 1 1 1 3 1 0.333

70

Tabel 3 Jarak kuadrat antar bonita pada 3.0 3.0 0.000000 3.5 3.121540 4.0 0.664940

3.5 3.121540 0.000000 0.905060

Tabel 4 Fungsi diskriminan untuk kelompok bonita 3.0 Constanta -14.988 C citra 1.595

3.5 -6.876 1.080

4.0 0.664940 0.905060 0.000000

4.0 -10.856 1.357

4. Analisis Diskriminan dengan Peubah Ccitra dan Dcitra Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 5

3.5 30

Tabel 2 Rekapitulasi klasifikasi bonita Dikelaskan ke Kelompok bonita kelompok bonita referensi 3.0 3.5 3.0 5 1 3.5 0 24 4.0 0 5 Total sampel 5 30 Jumlah benar 5 24 Proporsi 1.000 0.800 N = 38 Jumlah benar = 31 Proporsi benar= 0.816 Tabel 3 Jarak kuadrat antar bonita pada 3.0 3.0 0.000000 3.5 21.115200 4.0 12.152200

3.5 21.115200 0.000000 1.839300

Tabel 4 Fungsi diskriminan untuk kelompok bonita 3.0 3.5 Constanta -32.679 -29.047 C citra 0.657 0.677 D citra 5.764 11.882

4.0 3

4.0 0 1 2 3 2 0.667

4.0 12.152200 1.839300 0.000000

4.0 -61.462 0.744 10.146

71

5. Analisis Diskriminan dengan Peubah Ccitra dan Ncitra Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 5

3.5 30

4.0 3

Tabel 2 Rekapitulasi klasifikasi bonita Dikelaskan ke Kelompok bonita referensi kelompok bonita 3.0 3.5 3.0 4 3 3.5 1 20 4.0 0 7 Total sampel 5 30 Jumlah benar 4 20 Proporsi 0.800 0.667 N = 38 Jumlah benar = 26 Proporsi benar= 0.684 Tabel 3 Jarak kuadrat antar bonita pada 3.0 3.0 0.000000 3.5 5.077630 4.0 3.189690

3.5 5.077630 0.000000 0.941290

Tabel 4 Fungsi diskriminan untuk kelompok bonita 3.0 Constanta -30.554 C citra 0.611 N citra 1.128

3.5 31.223 0.764 0.496

4.0 1 0 2 3 2 0.667

4.0 3.189690 0.941290 0.000000

4.0 -36.550 0.785 0.757

6. Analisis Diskriminan dengan Peubah Dcitra dan Ncitra Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 5

3.5 30

4.0 3

72

Tabel 2 Rekapitulasi klasifikasi bonita Dikelaskan ke Kelompok bonita referensi kelompok bonita 3.0 3.5 3.0 5 1 3.5 0 22 4.0 0 7 Total sampel 5 30 Jumlah benar 5 22 Proporsi 1.000 0.733 N = 38 Jumlah benar = 29 Proporsi benar= 0.763 Tabel 3 Jarak kuadrat antar bonita pada 3.0 3.0 0.000000 3.5 21.161800 4.0 12.060400

3.5 21.161800 0.000000 1.664900

Tabel 4 Fungsi diskriminan untuk kelompok bonita 3.0 3.5 Constanta -51.075 -88.066 D citra 12.681 19.020 N citra 2.807 2.899

4.0 0 1 2 3 2 0.667

4.0 12.060400 1.664900 0.000000

4.0 -81.319 17.719 3.051

7. Analisis Diskriminan dengan Peubah Ccitra , Dcitra dan Ncitra Tabel 1 Klasifikasi kelompok bonita Kelompok Jumlah

3.0 5

3.5 30

Tabel 2 Jarak kuadrat antar bonita pada Dikelaskan ke Kelompok bonita referensi kelompok bonita 3.0 3.5 3.0 5 1 3.5 0 24 4.0 0 5 Total sampel 5 30 Jumlah benar 5 24 Proporsi 1.000 0.800 N = 38 Jumlah benar = 31 Proporsi benar= 0.816

4.0 3

4.0 0 1 2 3 2 0.667

73

Tabel 3 Jarak kuadrat antar bonita pada 3.0 3.0 0.000000 3.5 21.168200 4.0 12.381000

3.5 21.168200 0.000000 1.900900

Tabel 4 Fungsi diskriminan untuk kelompok bonita 3.0 Constanta -55.844 C citra 0.356 D citra 11.170 N citra 2.391

3.5 -93.086 0.365 17.471 2.471

4.0 12.381000 1.900900 0.000000

4.0 -87.996 0.421 15.932 2.559