KURVA TINGGI POHON TEGAKAN MANGIUM (Studi Kasus di IUPHHK-HT PT. Hutan Rindang Banua Kalimantan Selatan) SUBHAN SARI

KURVA TINGGI POHON TEGAKAN MANGIUM (Studi Kasus di IUPHHK-HT PT. Hutan Rindang Banua Kalimantan Selatan)

SUBHAN SARI

DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2011

RINGKASAN SUBHAN SARI. Kurva Tinggi Pohon Tegakan Mangium (Studi Kasus di IUPHHK-HT PT. Hutan Rindang Banua Kalimantan Selatan) Dibimbing oleh Dra. Sri Rahaju MSi dan Ir. Ahmad Hadjib MS.

Kegiatan inventarisasi hutan merupakan langkah awal mengetahui luas dan potensi suatu tegakan hutan. Pelaksanaan inventarisasi hutan di lapangan seringkali mendapat kendala dalam melakukan pengukuran. Faktor-faktor yang mempengaruhi kegiatan inventarisasi hutan di lapangan dapat berasal dari faktor topografi, alat, iklim maupun manusia. Data inventarisasi merupakan data dimensi pohon yaitu diameter pohon dan tinggi pohon. Pengambilan data diameter pohon relatif mudah dilakukan sedangkan pengambilan data tinggi pohon seringkali mendapat kendala sehingga perlu disediakan alat bantu kurva tinggi yang digunakan untuk menaksir tinggi suatu pohon berdasarkan diameter pohon. Pada hutan tanaman, kurva tinggi pohon total akan digunakan sebagai penduga kualitas tapak (site quality). Penelitian ini dilaksanakan di lokasi Kintap dan Satui IUPHHK-HT PT. Hutan Rindang Banua Kalimantan Selatan. Pengambilan data dilakukan pada bulan Agustus 2010. Alat yang digunakan dalam penelitian ini yaitu : GPS Garmin 60 CSx ; hagameter; phi-band; peta areal kerja; tongkat (galah) sepanjang 4 meter; kamera digital dan Tally Sheet. Objek penelitian adalah tegakan Mangium kelas umur II, III dan masak tebang di lokasi Kintap serta kelas umur III lokasi Satui. Hasil analisis regresi diperoleh persamaan kurva tinggi total pohon (H) dengan diameter setinggi dada (D). Persamaan yang diperoleh untuk kelas umur II pada lokasi Kintap memiliki nilai koefisien determinasi (R2) 0,9068. Persamaan untuk kelas umur III memiliki nilai koefisien determinasi (R2) 0,94958. Persamaan untuk kelas masak tebang memiliki nilai koefisien determinasi (R2) 0,9117, sedangkan persamaan untuk kelas umur III lokasi Satui memiliki nilai koefisien determinasi (R2) 0,9064. Persamaan yang dapat digunakan untuk menyusun kurva tinggi pohon pada lokasi Kintap kelas umur II adalah H = 3.161113* (D0.459499), kelas umur III H = 4,253375 (D0,432745), kelas masak tebang H = 15,99340196 + (0,156172*D) dan pada lokasi Satui kelas umur III adalah H = 8,297728237 + 0,421897(D).

Kata kunci : kurva tinggi, tegakan mangium dan hutan tanaman.

SUMMARY SUBHAN SARI. Tree Height Curve of Mangium Stand (Case Study at IUPHHK-HT PT. Hutan Rindang Banua, South Kalimantan) Under Supervision of Dra. Sri Rahaju MSi and Ir. Ahmad Hadjib MS.

Forest inventory activity is the first step to know the area and the potential of a forest stand. Implementation of forest inventory in the real condition often has difficulties in measurement. Factors that influence the forest inventory activity in real condition can be derived from topographical factors, equipment, climatic, and human. Inventory data are the dimension of tree, like trees diameter and trees height. Measuring diameter of trees is relatively easier than measuring trees height, which is often has any constrains. Based on that case, it is needed to provide a tool, named tree height curve that can be used to estimate the trees height based on trees diameter. In forest plantations, total of tree height curve will be used as an estimator of the site quality. The research was conducted at Kintap and Satui IUPHHK-HT PT. Hutan Rindang Banua, South Kalimantan. The data were collected in August 2010. The tools that are used in this study are: Garmin GPS 60 CSX; Hagameter; phi-band; work area map; stick/pole (four meters long); digital camera and Tally Sheet. The object of this research are Mangium stand in age class II, age class III, and ready for felling class at Kintap and Mangium stand in age class III at Satui. The result of this research obtained by regression analysis of total tree height curve equation (H) with a diameter at breast height (D). The equation obtained for Mangium in age class II at Kintap has determination value (R2) 0.9068. The equation for Mangium in age class III has determination value (R2) 0.94958. The equation for Mangium in ready for felling class has determination value (R2) 0.9117. While the equation for Mangium in age class III at Satui has determination value (R2) 0.9064. The equation that can be used to construct tree height curve of Mangium at Kintap in age class II at Kintap is H = 3.161113*(D0.459499), for Mangium in age class III is H = 4.253375*(D0.432745), and for ready for felling class is H = 15.99340196 + 0.156172*D. Then the equation for Mangium in age class III at Satui is H = 8.297728237 + 0.421897*D.

Key word : height curve, mangium stand, forest plant

KURVA TINGGI POHON TEGAKAN MANGIUM (Studi Kasus di IUPHHK-HT PT Hutan Rindang Banua Kalimantan Selatan)

SUBHAN SARI E14060703

Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Fakultas Kehutanan Institut Pertanian Bogor

DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2011

Judul

: Kurva Tinggi Pohon Tegakan Mangium (Studi Kasus di IUPHHK-HT PT. Hutan Rindang Banua Kalimantan Selatan)

Nama

: Subhan Sari

NIM

: E14060703

Menyetujui:

Pembimbing I

Pembimbing II

Dra. Sri Rahaju, MSi

Ir. Ahmad Hadjib, MS

NIP. 19611217 199003 2 003

NIP. 19500123 197412 1 001

Mengetahui, Ketua Departemen Manajemen Hutan IPB,

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

Tanggal Lulus :

PERNYATAAN

Dengan ini saya menyatakan bahwa skripsi yang berjudul Kurva Tinggi Pohon Tegakan Mangium (Studi Kasus di IUPHHK-HT PT. Hutan Rindang Banua Kalimantan Selatan) adalah benar-benar hasil karya saya sendiri dengan bimbingan dosen pembimbing dan belum pernah digunakan sebagai karya ilmiah pada perguruan tinggi lain untuk memperoleh gelar akademik tertentu. Sumber dan informasi yang berasal atau dikutip dari karya yang diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam daftar pustaka di bagian akhir skripsi ini.

Bogor, Juni 2011

Subhan Sari NRP. E14060703

RIWAYAT HIDUP Penulis dilahirkan di Namlea, Pulau Buru Provinsi Maluku pada tanggal 24 Agustus 1989 sebagai anak pertama dari pasangan Syamsuddin Saba dan Putri Indar Dewi. Penulis mulai mengenal sekolah pada saat masuk TK Al-Hilaal 1 Namlea dan melanjutkan ke Sekolah Dasar (SD) Negeri 1 Namlea kemudian melanjutkan ke Sekolah Menengah Pertama (SMP) Negeri 1 Namlea pada tahun 2000. Penulis lulus dari Sekolah Menegah Atas (SMA) Negeri 2 Namlea pada tahun 2006. Pada tahun yang sama Penulis diterima di Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI). Selama menuntut ilmu di IPB, penulis juga aktif berorganisasi yakni sebagai bendahara Asrama Sylvasari tahun 2007-2008, Kepala Departemen PSDM Asrama Sylvasari tahun 2008-2009, Kepala Departemen Rumah Tangga DKM Ibadurrahmaan Fakultas Kehutanan IPB tahun 2009-2010. Penulis juga pernah terlibat dalam proyek Inventarisasi Hutan Menyeluruh Berkala (IHMB) sebagai koordinator regu dalam pengambilan data lapangan di PT Wana Buana Lestari (WBL) Kabupaten Pelalawan, Riau dan

PT Hutan Rindang Banua (HRB)

Kabupaten Banjar, Kalimantan Selatan tahun 2010. Pada tahun 2011 penulis juga terlibat dalam survey potensi sebagai koordinator regu dalam pengambilan data lapangan di PT Sumalindo Lestari Jaya Kabupaten Berau Kalimantan Timur dan PT Intracawood Manufacturing Kabupaten Nunukan, Kalimantan Utara tahun 2011. Penulis pernah melakukan Praktek Pengenalan Ekosistem Hutan (PPEH) di Baturaden dan Cilacap tahun 2008, Praktek Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat tahun 2009 serta Praktek Kerja Lapang (PKL) di IUPHHK-HA PT. Ratah Timber Kabupaten Kutai Barat Kalimantan Timur tahun 2010. Salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Fakultas Kehutanan Institut Pertanian Bogor, penulis menyusun skripsi yang berjudul Kurva Tinggi Pohon Tegakan Mangium (Studi Kasus di IUPHHK-HT PT. Hutan Rindang Banua Kalimantan Selatan) di bawah bimbingan Dra. Sri Rahaju, MSi dan Ir. Ahmad Hadjib, MS.

UCAPAN TERIMA KASIH Penulis menyadari bahwa penyusunan skripsi ini tidak dapat dilakukan dengan sendiri tetapi membutuhkan banyak dukungan dan bantuan orang lain. Pada kesempatan ini penulis ingin mengucapkan terima kasih kepada : 1. Kedua orangtua penulis ayahanda tercinta Syamsuddin Saba dan ibunda tercinta Putri Indar Dewi yang selalu memberikan dukungan dan doa yang tiada henti kepada penulis dalam menyelesaikan skripsi ini. 2. Ibu Sri Rahaju sebagai pembimbing pertama dan Bapak Ahmad Hadjib sebagai pembimbing kedua yang selalu memberikan saran dan semangat kepada penulis selama penyusunan proposal sampai tersusunnya skripsi ini. 3. Bapak Bambang, Bapak Nunuk, Bapak Tomo, Bapak Didit, Bapak Purwadi, Bapak Ruslan, Bapak Gatot dan Bapak Carles yang telah membantu penulis dalam proses pengolahan data sampai pemberian materi dalam penyusunan skripsi serta teman-teman regu yakni Abdul dan Soleh yang membantu dalam pengambilan data di lapangan. 4. Adinda Rukmana, Samsul dan Muammar serta sepupu Rosniati, Siti, Hasnawati dan keluarga terdekat penulis yang selalu memberikan perhatian kepada penulis sebagai penambah semangat dalam penyusunan skripsi. 5. Saudara-saudara seperjuangan di Asrama Sylvasari angkatan 43 yakni Abdul, Ikhsan, Gozali, Sahuri, Asep, Khairy, Fajar, Karno, Azis dan Viester. Abang-abang angkatan 40, 41 dan 42 serta adik-adik angkatan 44, 45 dan 46 yang telah memberikan kebersamaan persaudaraan sehingga penulis bisa jadikan kalian sebagai keluarga kedua di Bogor. 6. Teman-teman seangkatan Manajemen Hutan 43 yang selalu memberikan motivasi untuk cepat lulus. Jazakumullah khairan katsiran...

KATA PENGANTAR Puji dan syukur kepada Allah SWT Penulis panjatkan atas segala curahan rahmat dan ilmu sehingga penulis dapat menyelesaikan skripsi ini dengan baik. Shalawat dan salam semoga selalu tercurah kepada Nabi Muhammad SAW beserta keluarga, para sahabat dan pengikutnya. Penulisan skripsi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Fakultas Kehutanan Institut Pertanian Bogor. Skripsi ini berjudul Kurva Tinggi Pohon Tegakan Mangium (Studi Kasus di IUPHHKHT PT. Hutan Rindang Banua Kalimantan Selatan) yang dilaksanakan pada bulan Agustus 2010. Penulis berharap skripsi ini bermanfaat sebagai salah satu referensi ilmiah mengenai kurva tinggi pohon Mangium dan sebagai bahan pertimbangan bagi perusahaan dalam menentukan kualitas tegakan di setiap lokasi melalui peninggi pohon daerah tersebut. Penulis menyadari bahwa dalam penulisan skripsi ini masih banyak terdapat kekurangan. Oleh karena itu kritik dan saran yang membangun sangat penulis harapkan. Semoga karya ilmiah ini bermanfaat.

Bogor, Juni 2011

Penulis

DAFTAR ISI Halaman KATA PENGANTAR .................................................................................... i DAFTAR ISI ................................................................................................... iv DAFTAR TABEL ........................................................................................... vi DAFTAR GAMBAR ...................................................................................... vii DAFTAR LAMPIRAN ................................................................................... viii BAB I PENDAHULUAN 1.1 Latar Belakang ..................................................................................... 1.2 Tujuan ................................................................................................... 1.3 Manfaat ................................................................................................. BAB II TINJAUAN PUSTAKA 2.1 Hutan Tanaman Industri ....................................................................... 2.2 Deskripsi Tanaman Mangium ............................................................. 2.3 Inventarisasi Hutan ............................................................................... 2.4 Inventarisasi Hutan Menyeluruh Berkala ............................................. 2.5 Pengukuran Diameter ........................................................................... 2.6 Pengukuran Tinggi Pohon .................................................................... 2.7 Kurva Tinggi ........................................................................................ 2.8 Penyusunan Kurva Tinggi .................................................................... 2.9 Validasi Kurva Tinggi Pohon ............................................................... BAB III METODE PENELITIAN 3.1 Tempat dan Waktu ............................................................................... 3.2 Bahan dan Alat ...................................................................................... 3.3 Metode Penelitian ................................................................................. 3.3.1 Pengambilan Pohon Contoh ........................................................ 3.3.2 Pengukuran Pohon ....................................................................... 3.4 Analisis Data ........................................................................................ 3.4.1 Scatter Diagram Pohon Contoh ................................................... 3.4.2 Pemilihan Model Hubungan antara Diameter dengan Tinggi Pohon .................................................................................. 3.4.3 Perhitungan Korelasi .................................................................... 3.4.4 Perhitungan Koefisien Regresi ..................................................... 3.4.5 Pengujian Metode Regresi ............................................................ 3.4.6 Validasi Model .............................................................................. 3.4.7 Pemilihan Model Terbaik ............................................................. BAB IV KEADAAN UMUM LOKASI 4.1 Luas dan Letak Areal ........................................................................... 4.2 Jenis Tanah dan Geologi .....................................................................

1 2 2 3 4 4 5 6 6 7 8 10 11 11 11 11 12 13 13 13 14 14 17 18 20 22 22

Halaman 4.3 Iklim ..................................................................................................... 22 4.4 Topografi dan Penutupan Lahan .......................................................... 23 BAB V HASIL DAN PEMBAHASAN 5.1 Penentuan Pohon Contoh ..................................................................... 25 5.2 Analisis Data ........................................................................................ 26 5.2.1 Scatter Diagram Pohon Contoh ................................................... 26 5.2.2 Penyusunan Model Persamaan regresi ........................................ 27 5.2.3 Validasi Persamaan Penduga Tinggi Pohon .................................. 33 BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan ............................................................................................ 35 6.2 Saran ..................................................................................................... 35 BAB VII DAFTAR PUSTAKA ..................................................................... 36 LAMPIRAN

DAFTAR TABEL No.

Halaman

1. Pemilahan Kelas Diameter dan Jumlah Pohon Contoh yang diambil .......

12

2. Sidik Ragam Fungsi Regresi .....................................................................

17

3. Penutupan Lahan Pada Areal IUPHHK-HT PT. Hutan Rindang Banua ...

23

4. Komposisi dan Jumlah Pohon Contoh Untuk Penyusunan Kurva Tinggi Pohon .................................................................................. 5. Komposisi dan Jumlah Pohon Contoh Untuk Analisis Regresi ................ 6. Komposisi Dan Jumlah Pohon Contoh Untuk Validasi Model ................ 7. Persamaan Regresi Kurva Tinggi Berdasarkan Kelas Umur di Setiap Lokasi .............................................................................................. 8. Penentuan Persamaan Penduga Tinggi Pohon Terbaik Kelas Umur II Lokasi Kintap ....................... ..................................................................... 9. Penentuan Persamaan Penduga Tinggi Pohon Terbaik Kelas Umur III Lokasi Kintap ....................... ..................................................................... 10. Penentuan Persamaan Penduga Tinggi Pohon Terbaik Kelas Masak Tebang Lokasi Kintap ............ ................................................................... 11. Penentuan Persamaan Penduga Tinggi Pohon Terbaik Kelas Umur III Lokasi Satui .......................... ..................................................................... 12. Hasil Uji Validasi Model Persamaan Tinggi Pohon ................................

24 25 25 27

31 31 31 32 33

DAFTAR GAMBAR No. Halaman 1. Pengukuran Tinggi Pohon ........................................................................... 13 2. Diagram Hubungan Tinggi Total dengan Diameter Pohon Kelas Umur II dan Kelas Umur III di Lokasi Kintap .........................................................

26

3. Diagram Hubungan Tinggi Total dengan Diameter Pohon Kelas Masak Tebang di Lokasi Kintap .......................................................

26

4. Diagram Hubungan Tinggi Total dengan Diameter Pohon Kelas Umur III di Lokasi Satui .............................................................................................

27

DAFTAR LAMPIRAN No.

Halaman

1. Tabel Tinggi Pohon ..................................................................................... 2. Hasil Analisis Regresi pada lokasi Kintap .................................................. 3. Hasil Analisis Regresi pada lokasi Satui .....................................................

38 40 49

BAB I PENDAHULUAN 1.1 Latar Belakang Hutan merupakan suatu ekosistem yang didominasi oleh tumbuh-tumbuhan dalam luasan tertentu yang memiliki manfaat bagi makhluk hidup di sekitarnya. Hutan juga merupakan sumberdaya alam yang memiliki potensi yang cukup besar dalam menunjang keseimbangan alam jika dikelola dengan baik dan benar. Kebijakan pemerintah dalam membangun hutan tanaman dimana salah satu tujuan formal pembangunan hutan tanaman adalah meningkatkan produktifitas kawasan hutan produksi yang kritis dan tidak produktif (Srihadiono 2005) merupakan suatu langkah pemerintah dalam mempertahankan keberadaan hutan alam. Pernyataan Menteri Kehutanan dalam Rapat Koordinasi Perencanaan Anggaran Pembangunan Kehutanan Pusat Tahun 2009 di Jakarta menegaskan luas kawasan hutan Indonesia termasuk hutan tanaman saat ini mencapai 138 juta hektar. Pengetahuan mengenai potensi hutan, baik hutan alam maupun hutan tanaman didasarkan pada hasil pengukuran di lapangan. Teknik yang dilakukan dalam pengukuran di lapangan dengan mengukur dimensi pohon yaitu diameter dan tinggi pohon. Pengukuran tinggi pohon dalam tegakan hutan merupakan pekerjaan yang sulit dibanding pengukuran diameter pohon dan relatif membutuhkan waktu yang lama serta dapat memberikan kesalahan yang disebabkan bukan karena sampling (non sampling error) yang cukup besar, mengingat dalam inventarisasi hutan jumlah pohon yang diukur cukup banyak dan dalam areal yang luas. Kesalahan bukan karena sampling adalah jenis kesalahan yang bukan berasal dari cara pengambilan contoh dan kesalahan jenis ini sulit untuk ditentukan besarnya. Kesalahan ini dapat terjadi dalam pengukuran yang disebabkan oleh faktor-faktor antara lain faktor pengukuran (measurement error), faktor alat (equipment error), faktor manusia (human error) dan faktor lingkungan (environtmental error). Kegiatan inventarisasi hutan memerlukan data dimensi tinggi pohon, maka dengan faktor-faktor diatas perlu disediakan alat bantu kurva tinggi yang digunakan untuk menaksir tinggi suatu pohon berdasarkan diameter pohon. Pada

2

hutan tanaman, kurva tinggi pohon total akan digunakan sebagai penduga kualitas tapak (site quality).

1.2 Tujuan Tujuan dari penelitian ini adalah membuat persamaan kurva tinggi jenis Mangium pada lokasi Kintap dan Satui IUPHHK-HT PT. Hutan Rindang Banua Kalimantan Selatan.

1.3 Manfaat Adapun manfaat dari penelitian ini adalah memudahkan pengelola IUPHHK-HT PT. Hutan Rindang Banua Kalimantan Selatan dalam kegiatan inventarisasi tegakan hutan khususnya dalam menduga tinggi pohon Mangium pada lokasi Kintap dan Satui.

BAB II TINJAUAN PUSTAKA 2.1 Hutan Tanaman Industri Hutan Tanaman Industri (HTI) merupakan salah satu pengelolaan hutan yang diperuntukan sebagai bahan baku pulp, paper serta untuk kayu pertukangan dengan

karakteristik

hutan

yang

homogen.

Soedjarwo

(1986)

dalam

Notohadiningrat (2006) menyatakan bahwa HTI dikembangkan di lahan hutan yang kurang produktif (belukar, padang alang-alang, bekas tebangan hutan alam yang berproduktifitas rendah, dan bekas perladangan). Informasi mengenai luas HTI di Indonesia telah mencapai 1,2 juta ha dan sebagian besar berupa tanaman Mangium (Mohammed dan Rimbawanto 2006 dalam Nuhamara 2008). Menurut Badan Litbang Kehutanan (2005) yang bersumber dari Ditjen Bina Produksi Kehutanan (2005), perkembangan pembangunan hutan tanaman di Indonesia yang sudah di tanami seluas 2,5 juta ha dan 6,8 juta ha yang belum ditanami melalui SK HPHTI definitif, SK HPHTI sementara dan SK HPHTI pencadangan. Berdasarkan PP Nomor 6 tahun 1999 tujuan pengembangan hutan tanaman adalah untuk memperbaiki potensi hutan yang terlanjur rusak, tanpa menimbang untuk memenuhi ketidakpastian bahan baku industri (Srihadiono 2005). Srihadiono (2005) menambahkan bahwa tujuan utama pembangunan Hutan Tanaman Industri (HTI) adalah : (1) Menunjang pengembangan industri hasil hutan dalam negeri guna meningkatkan nilai tambah, (2) Meningkatkan produktifitas lahan dan kualitas lingkungan hidup dan (3) Memperluas lapangan kerja dan lapangan usaha. Tujuan formal pembangunan HTI secara sistematis dapat dipahami dalam empat tujuan pokok, yaitu : (1) Meningkatkan produktifitas kawasan hutan produksi yang kritis dan tidak produktif, (2) Membangun hutan untuk menghasilkan bahan baku industri hasil hutan, (3) Membangun industri hasil hutan yang hasil industrinya dapat dipasok ke pasar global dan (4) Memperluas kesempatan kerja dan kesempatan berusaha bagi masyarakat (Srihadiono 2005).

4

2.2 Deskripsi Tanaman Mangium Mangium merupakan salah satu tanaman yang memiliki pertumbuhan yang cepat, dapat beradaptasi terhadap tanah masam (pH 4,5-6,5) di daerah tropis yang lembab, selain itu tanaman ini juga telah dikembangkan secara luas di Indonesia dalam program pembangunan hutan tanaman industri, untuk memasok bahan baku industri pulp dan kertas pada industri kehutanan (Mindawati dan Enny (2005). Tanaman ini jika dilihat dari segi taksonomi dan tatanama, tergolong dalam famili besar Fabaceae (Mimosoideae) dengan sinonim Rancosperma mangium (Willd.) Pedley dengan nama lokal mangium. Tanaman mangium memiliki penyebaran alami di Queenstland utara Australia, Papua New Guinea hingga propinsi Papua dan Maluku. Selain itu ciri lain dari pohon mangium, selalu hijau, tinggi hingga 30 m, kulit kasar dan beralur, berwarna abu-abu atau coklat, ranting kecil seperti sayap, daun besar, panjangnya mencapai 25 cm, lebar 3-10 cm, hijau gelap dengan empat urat longitudinal dan daun majemuk ketika bibit. (Direktorat Perbenihan Tanaman Hutan 2001). Sifat tanaman Mangium pada waktu muda batang pohon bersifat lunak dan tumbuh cepat menjadi besar terutama jika tersedia hara yang cukup dan lingkungan yang tepat. Selanjutnya diketahui pula bahwa pada waktu muda jaringan-jaringan yang dibentuknya berbeda dengan ketika pohon telah menjadi dewasa. Apabila batangnya terluka, pohon dapat cepat memberikan reaksi untuk penyembuhannya. (Haygreen dan Browyer 1998 dalam Nuhamara 2008). 2.3 Inventarisasi Hutan Inventarisasi adalah suatu kegiatan untuk mengetahui jumlah kekayaan dalam kurun waktu tertentu (Guralnek 1979 dalam Atmosoemarto 1993). Informasi jumlah kekayaan tersebut diperlukan untuk mengambil keputusan dalam melakukan kegiatan-kegiatan berikutnya berdasarkan pengalamanpengalaman yang telah lalu. Inventarisasi hutan juga dapat disebut sebagai suatu kegiatan untuk melihat potensi dari suatu hutan dimana kegiatan ini dilakukan dengan mengukur dimensi suatu pohon yang dilaksanakan langsung di lapangan. Pengukuran dimensi pohon

5

ditujukan untuk mendapatkan data volume pohon yang kemudian dikonversi sehingga diperoleh besarnya potensi dari hutan tersebut. Adapun dimensi pohon yang diukur adalah diameter dan tinggi pohon. Pengukuran diameter pohon dilakukan pada ketinggian setinggi dada dengan ketentuan 1,3 m di atas permukaan tanah, sedangkan dalam pengukuran tinggi pohon dilakukan dengan menggunakan alat ukur yang kemudian dibidikkan ke arah ujung pohon. Hush (1987) dalam Atmosoemarto (1993), menyatakan bahwa inventarisasi hutan adalah kegiatan atau usaha untuk menerangkan tentang kualitas dan kuantitas massa kayu tegakan hutan serta berbagai karakteristik tempat tumbuhnya. Suatu inventarisasi hutan lengkap dipandang dari segi penaksiran kayu, harus berisi deskripsi areal berhutan serta pemilikannya, penaksiran volume (penaksiran lain misalnya berat) pohon-pohon yang masih berdiri dan penaksiran pertumbuhan dan pengaturan hasil. Dalam pengertian khusus, inventarisasi hutan biasanya dianggap sebagai padanan dari penaksiran massa kayu (Atmosoemarto 1993). 2.4 Inventarisasi Hutan Menyeluruh Berkala (IHMB) Berdasarkan peraturan pemerintah nomor 6 tahun 2007 tentang Tata Hutan dan Penyusunan Rencana Pengelolaan Hutan serta pemanfaatan hutan, pemegang (IUPHHK-HA), dan pemegang (IUPHHK-HT), diwajibkan menyusun Rencana Kerja Usaha Pemanfaatan Hasil Hutan Kayu (RKUPHHK) sepuluh tahunan yang disusun berdasarkan inventarisasi hutan menyeluruh berkala (IHMB). Pedoman IHMB tertuang dalam Kepmen No. P. 34/Menhut-II/2007, 24 Agustus 2007 dan diperbaharui dengan Kepmen No. P. 33/Menhut-II/2009, tanggal 11 Mei 2009 dengan tujuan dari IHMB antara lain (Sutarahardja, 2008): 1. Untuk mengetahui kondisi sediaan tegakan hutan (timber standing stock) secara berkala 2. Sebagai bahan penyusunan RKUPHHK dalam hutan alam dan atau RKUPHHK dalam hutan tanaman dan KPH sepuluh tahunan 3. Sebagai bahan pemantauan kecenderungan (trend) kelestarian sediaan tegakan hutan pada KPH maupun IUPHHK

6

Inventarisasi hutan menyeluruh berkala dilakukan dengan bantuan beberapa alat bantu ukur untuk memperlancar dalam pengukuran. Alat bantu ukur dalam kegiatan IHMB berupa kurva/tabel tinggi pohon, tabel volume pohon, dan tabel berat pohon yang disusun berdasarkan data pohon contoh dengan menggunakan analisis data yang dapat dilakukan dengan free hand method maupun dengan regression analysis methods. Pohon contoh atau pohon model adalah pohon yang diambil sebagai contoh atau sampel yang diukur diameter, tinggi dan volumenya yang lebih akurat untuk digunakan sebagai bahan dasar dalam penyusunan alat bantu ukur IHMB, yang dipilih secara purposive (Sutarahardja 2008). 2.5 Pengukuran Diameter Pohon Diameter merupakan salah satu variabel yang mempunyai arti penting dalam pengumpulan data tentang potensi hutan untuk keperluan pengelolaan. Pengukuran diameter pohon yang biasa dilakukan adalah diameter setinggi dada (dbh). Diameter adalah jarak yang menghubungkan antar dua titik pada lingkaran penampang melintang pohon yang melalui titik tengah penampang. Di Indonesia, diameter diukur pada ketinggian batang 1,30 meter di atas permukaan tanah (Departemen Kehutanan Republik Indonesia 1992). 2.6 Pengukuran Tinggi Pohon Pengukuran tinggi pohon menggunakan dua metode gabungan yaitu metode trigonometri dan metode geometri. Metode ini sangat sederhana dan tidak menggunakan alat yang mahal dan canggih, tidak memerlukan jarak antara pengukur dengan obyek (pohon) sehingga sangat mudah dilakukan baik pada hutan tanaman maupun pada hutan alam. Variabel-variabel yang digunakan dalam pengukuran tinggi adalah tinggi total (ht), tinggi bebas cabang (hbc), tinggi ujung tongkat atau galah (hp) dan pada ketinggian 1,5 meter dari atas tanah (hb). Pengukuran dapat dilakukan dengan alat bantu clinometer atau hagameter dengan pembacaan dalam satuan persen (%)

7

bukan dalam satuan derajat (0). Tinggi total pohon dapat dihitung dengan rumus sebagai berikut : Tinggi =(

𝐻𝑡 −𝐻𝑏 𝐻𝑝 −𝐻𝑏

x 4 ) + 1,5... (Departemen Kehutanan Republik Indonesia 2007).

Sedangkan untuk mencari tinggi bebas cabang digunakan rumus : Tinggi =(

𝐻𝑏𝑐 −𝐻𝑏 𝐻𝑝 −𝐻𝑏

x 4 ) + 1,5...(Departemen Kehutanan Republik Indonesia 2007).

Dimana : Ht = tinggi total pohon Hb = ketinggian 1,5 meter dari atas tanah Hp = ujung tongkat atau galah, dan Hbc = tinggi bebas cabang pohon

2.7 Kurva tinggi Kurva tinggi adalah kurva yang memberikan gambaran tentang hubungan diameter dengan tinggi. Hubungan antara diameter dengan tinggi dibentuk melalui pengukuran

diameter

dan

tinggi

sejumlah

individu

pohon,

kemudian

menghubungkan keduanya dengan analisis regresi sehingga dapat dibentuk persamaan kurva tinggi. Cara lain yang lebih sederhana untuk membentuk kurva tinggi adalah dengan menghitung tinggi rataan tiap-tiap kelas diameter yang kemudian diplotkan dalam sistem koordinat xy, dengan demikian akan diperoleh sebuah pencaran titik. Tahap berikutnya adalah menarik garis lengkung yang melewati tengah titik-titik tersebut. Kurva tinggi pohon pada hutan tanaman disusun untuk menaksir tinggi total pohon atas dasar peubah (variabel) diameter pohon yang diukur. Pada hutan tanaman ini, kurva tinggi pohon total akan digunakan pula sebagai penduga kualitas tapak (site quality). Kurva tinggi pohon pada hutan tanaman disusun berdasarkan jenis tanaman dan pada kelas umur yang berbeda Kurva tinggi pohon pada hutan alam disusun untuk menduga tinggi komersial, yaitu kurva yang memberikan hubungan antara diameter dengan tinggi komersial, yaitu tinggi pohon sampai batas yang dimanfaatkan. Pada hutan alam

8

terdapat bermacam jenis pohon, yang dapat digolongkan dalam kelompokkelompok jenis berdasarkan nilai komersialnya. Berkaitan dengan hal tersebut, maka kurva tinggi pohon yang digunakan di hutan alam adalah kurva tinggi dari berbagai kelompok jenis (Sutarahardja 2008). 2.8 Penyusunan kurva tinggi pohon Kegiatan inventarisasi tegakan yang memerlukan waktu yang cukup lama dan cukup sulit adalah pengukuran tinggi pohon dibandingkan dengan pengukuran diameter pohon. Pengukuran tinggi pohon dikatakan cukup sulit karena dalam mengukur tinggi suatu pohon seringkali terhambat dengan tertutupnya pucuk pohon oleh tajuk pohon di sampingnya, selain itu diperlukan waktu yang cukup lama untuk mencari tempat dalam membidik pucuk pohon dengan alat yang digunakan. Kendala-kendala dalam mengukur tinggi pohon sangatlah tidak mungkin untuk dihilangkan karena kesalahan dalam pengukuran tinggi pohon di lapangan dimana kesalahan bukan hanya terjadi dari faktor manusia saja tetapi alat dan lingkungan pun dapat menjadi kendala dalam melakukan pengukuran. Dengan berbagai alasan dalam pengukuran tinggi pohon, maka kurva tinggi perlu disediakan sebagai alat untuk mempermudah pengukuran dimensi pohon. Penyusunan kurva tinggi pohon tersebut menggunakan dasar hubungan antara tinggi pohon dengan diameter pohon. Selain itu, hubungan tinggi pohon dengan diameter pohon sering dibutuhkan untuk bahan dasar analisis penyusunan tabel volume lokal (local volume table). Dengan tersedianya tabel tinggi pohon, maka pada kegiatan inventarisasi hutan tidak lagi diperlukan pengukuran tinggi pohon, melainkan cukup dengan mengukur diameter pohon. Tinggi pohon dapat ditentukan dengan tabel tinggi pohon atas dasar diameter pohon yang diukur (Departemen Kehutanan Republik Indonesia 2007). Penyusunan kurva tinggi pohon dengan melihat hubungan antara tinggi pohon dengan diameter pohon dapat dibuat dengan cara ploting (free hand methods) atau hubungan tersebut dinyatakan dengan menggunakan fungsi matematis (mathematical functions) dan diolah dengan menggunakan analisis

9

regresi (regression analysis). Bentuk kurva bervariasi dari suatu tegakan hutan dengan tegakan hutan yang lain, sehingga untuk menggambarkan hubungan antara tinggi dengan diameter, banyak fungsi matematis yang menggambarkan hubungan tersebut. beberapa fungsi yang telah dikembangkan diantaranya adalah (Husch et al. 2003; Van Laar & Akca 1997 dan Husch 1963 dalam Panjaitan 2009): Ln h = b0 + b1 d

(Hines dan Douglas, 1990)

h = 1/(b0+b1d)

(Irianto, 2004)

h = b0 db1

(Irianto, 2004)

h = b0 + b1d

(Siregar 2004)

h = b0 + b1 d + b2 d2

(Departemen

Kehutanan

Republik Indonesia 2007). Dimana :

b0,b1,b2 = konstanta h = tinggi pohon d = diameter pohon setinggi dada (1,3 m dari permukaan tanah) ln = lon

Pada model-model tersebut dapat digunakan satuan metriks, yaitu meter (m) untuk tinggi pohon dan satuan centimeter (cm) untuk diameter pohon. Untuk tujuan pembuatan kurva tinggi ini perlu dilakukan pengukuran tinggi pohon dan diameter pohon dengan teliti dan benar terhadap sejumlah pohon-pohon contoh atau pohon-pohon model (sample trees) yang dirancang tersebar merata (representative) pada setiap ukuran kelas diameter pohon, pada setiap kelas umur pohon dan pada kelompok-kelompok jenis pohon. Pohon contoh yang dipilih hendaknya pohon yang sehat dan baik pertumbuhannya. Kurva tinggi yang dapat digunakan adalah kurva yang hubungan antara diameter dan tingginya cukup kuat. Perbedaan kurva tinggi untuk kelompok jenis yang sama menyatakan perbedaan lokasi dimana pohon contoh diambil. Hal ini menunjukkan bahwa lokasi yang berbeda, memperoleh kurva tinggi yang berbeda

10

pula sehingga setiap IUPHHK sebaiknya mempunyai kurva yang berasal dari wilayahnya masing-masing (Sutarahardja 2008). 2.9 Validasi Kurva Tinggi Pohon Pengujian validasi ditujukan untuk mengetahui apakah persamaanpersamaan regresi yang disusun valid atau tidak dengan mengambil beberapa pohon contoh sebagai pengujian validasi model. Data pohon contoh tersebut tidak digunakan dalam penyusunan model-model kurva tinggi. Uji validasi model dapat dilakukan dengan menghitung nilai-nilai simpangan agregasinya (agregative deviation), simpangan rata-rata (mean deviation), RMSE (root mean square error), serta uji beda nyata yang dapat dilakukan dengan cara uji Khi-kuadrat. Suatu persamaan regresi dapat dinyatakan valid untuk digunakan apabila memenuhi persyaratan tertentu dari hasil uji validasi yang digunakan.

BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian ini dilakukan di lokasi Kintap dan Satui IUPHHK-HT PT. Hutan Rindang Banua Kabupaten Banjar Provinsi Kalimantan Selatan pada bulan Agustus 2010. 3.2 Bahan dan Alat Bahan yang digunakan dalam penelitian ini adalah tegakan mangium dengan alat-alat yang digunakan dalam pengambilan dan pengolahan data adalah: 1. Peta penafsiran citra satelit IUPHHK-HTI skala 1:100.000 tahun 2010 2. Hagameter 3. Phi-band (pita ukur) 4. GPS (Global Possitioning System) garmin 60 csx 5. Tongkat bantu atau galah sepanjang 4 meter untuk membantu dalam pengukuran tinggi pohon 6. Tally Sheet dan alat tulis-menulis 7. Kamera digital 8. Perangkat lunak Microsoft excel 2007 3.3 Metode Penelitian 3.3.1 Pengambilan Pohon Contoh Penyusunan kurva tinggi didasarkan pada data pohon contoh atau pohon model yang dipilih secara purposive dengan ketentuan tersebar pada setiap kelas umur dengan kelas diameter tertentu pada berbagai site atau sektor dalam pengelolaan hutan tersebut. Pohon contoh yang diambil adalah pohon yang sehat yaitu yang memiliki batang yang lurus, tidak memiliki cacat pada batang, daun maupun akar, serta memiliki pertumbuhan yang normal, sedangkan untuk melakukan pemodelan kurva tinggi, diperlukan beberapa jumlah pohon contoh per perwakilan kelas diameter pohon. Pemilahan kelas diameter dan jumlah pohon contoh yang diambil tercantum pada Tabel 1.

12

Tabel 1 Pemilahan Kelas Diameter dan Jumlah Pohon contoh yang diambil Kelas diameter (cm)

Jumlah pohon contoh

2,5-4,9

20

5,0-7,4

20

7,5-9,9

20

10-12,4

20

12,5-14,9

20

15,0 – 19,9

20

20,0 - 24,9

20

25,0 - 29,9

20

30,0 – 34,9

20

35,0 – 39,9

20

40,0 – 44,9

20

45,0 – 49,9

20

50,00 – 54,49

20

Jumlah

260

3.3.2 Pengukuran Pohon Parameter-parameter yang diukur pada pohon contoh di lapangan adalah : 1. Diameter pohon ( 1,3 cm dari atas tanah) 2. Pembacaan hagameter atau clinometer (%) pada tinggi total pohon (Ht) 3. Pembacaan hagameter atau clinometer (%) pada ketinggian 1,5 m dari atas tanah (Hb) 4. Pembacaan hagameter atau clinometer (%) pada ujung tongkat (Hp) 5. Pembacaan hagameter atau clinometer (%) pada tinggi bebas cabang (Hbc) Rumus yang digunakan untuk mengukur tinggi total pohon sebagai berikut:

Tinggi =(

𝐻𝑡 −𝐻𝑏 𝐻𝑝 −𝐻𝑏

x 2,5 ) + 1,5

13 Ht

Hbc Hp

Hb

Gambar 1 Pengukuran Tinggi Pohon. 3.4 Analisis Data 3.4.1 Scatter Diagram Pohon Contoh Scatter diagram (diagram tebar) pohon contoh adalah suatu diagram yang menggambarkan hubungan antara diameter dan tinggi pohon untuk membantu dalam pemilihan model, maka data pohon contoh ditampilkan dalam scatter diagram atau scatter plot (diagram tebar). Dari tebaran data tersebut akan dapat dilihat bentuk penampilan penyebaran datanya, apakah mengikuti pola linier atau non linier, sehingga dapat membantu dalam pemilihan model pendekatannya. 3.4.2 Pemilihan Model Hubungan antara Diameter dengan Tinggi Pohon Pemilihan model hubungan antara diameter dengan tinggi pohon dilakukan dengan melihat bentuk penampilan penyebaran data (linier atau non linear) pada scatter diagram yang telah dibuat. Dari bentuk penyebaran datanya, maka dapat ditentukan model pendekatannya. Adapun beberapa persamaan hubungan antara diameter dengan tinggi pohon yang digunakan dalam penyusunan kurva tinggi pohon antara lain: Model Linear

: H = a + bD

Model Logaritma

: H=aDb

Model Eksponensial

: H = a + b ln (D)

Model Polynomial

: H = a + b1 D + b2 D2

14

Dimana : H = tinggi total pohon (meter); D = diameter pohon (1,3 cm dari atas tanah) 3.4.3 Perhitungan Korelasi Dalam penyusunan kurva tinggi pohon terdapat hubungan yang erat antara diameter dengan tinggi pohon. Pohon-pohon yang memiliki diameter yang sama akan memberikan tinggi dan bentuk yang sama. Tingkat keeratan hubungan ini ditunjukkan dengan besarnya nilai korelasi (r) dimana : 𝑟=

𝑛 [𝑛

dimana :

𝐷𝐻 −

𝐷

𝐷2 − ( 𝐻)2 ] [𝑛 r

𝐻 𝐻 2 − ( 𝐻)2 ]

= korelasi

D = diameter pohon (1,3 cm dari atas tanah) H = tinggi total pohon (m) n = banyaknya pohon Nilai korelasinya merupakan penduga tak bias dari koefisien korelasi populasi. Besarnya nilai r berkisar antara -1 ≤ r ≤ 1, jika nilai r = -1 maka hubungan tinggi dengan diameter pohon merupakan korelasi negatif sempurna dan jika r = 1 maka merupakan korelasi positif sempurna. Korelasi yang mendekati nol (r = 0) menunjukkan bahwa sedikit atau tidak ada suatu hubungan liniear yang terjadi bersama-sama. 3.4.4 Perhitungan Koefisien Regresi Menghitung koefisien regresi pada penyusunan kurva tinggi pohon berdasarkan model-model persamaan matematik, antara lain : a. Model satu peubah Yi = β0 + β1 D1 + εi, dengan penduga modelnya adalah yi = b0 + b1 D1 + ei, maka besarnya nilai koefisien regresi b1 sebagai penduga dari β1 dan besarnya nilai konstanta b0 sebagai penduga dari β0 dapat dihitung dari nilai-nilai data pohon contoh.

15

b1 = dimana :

𝐽𝐻𝐾𝐷𝐻 𝐽𝐾𝐷

dan b0 = ӯ - b1 D

H = tinggi total pohon (m) D

= diameter pohon (1,3 cm dari atas tanah)

Koefisien korelasi (r) antara tinggi pohon dengan diameter pohon dapat dihitung dengan rumus di atas atau dengan rumus : 𝑏1 𝐽𝐻𝐾 𝐷𝐻 𝐽𝐾 𝐻

𝑟=

Dalam hal ini, JKD, JKH dan JHKDH dapat dihitung dengan rumus sebagai berikut : 𝑛

𝑥𝑖 2 −

𝐽𝐾𝐷 = 𝑖=0 𝑛

𝑦2 −

𝐽𝐾𝐻 =

(

𝑛 2 𝑖=1 𝑥𝑖 )

𝑛 (

𝑛 2 𝑖=1 𝑦𝑖 )

𝑖=1 𝑛

𝐽𝐻𝐾𝐷𝐻 =

𝐷𝑖 𝐻𝑖 −

𝑛 𝑛 𝑖=0 𝐷𝑖

𝑛 𝑖=0 𝐻𝑖

𝑛

𝑖=0

Bentuk model satu peubah yang lain adalah : h = b0 Db1 ditransformasikan menjadi Log h = log b0 + b1 log D dan bentuk model persamaan regresinya (simple liniear regression) : H = β0 + βi D + ε, maka besarnya nilai koefisien regresi βi sebagai penduga dari log b1 dan besarnya nilai konstanta β0 sebagai penduga dari log b0 dapat dihitung dari nilai-nilai data pohon contoh. dimana : H

= log h

ε

= simpangan (error)

D

= log D

r

= Koefisien korelasi contoh

JKD

= Jumlah kuadrat peubah D (diameter pohon)

JKH

= Jumlah kuadrat peubah H (tinggi total pohon)

JHKDH = Jumlah hasil kali antara peubah D dengan peubah H

16

b. Model dua peubah H = b0 + b1 D + b2 D2 bentuk model persamaan regresinya (multiple liniear H = β0 + β1 D1 + β2 D2 + ε. Maka besarnya nilai-nilai penduga

regression) :

koefisien-koefisien regresi (β1, β2) sebagai penduga (b1,b2) serta intercept β0 sebagai penduga b0 dapat dihitung berdasarkan data pohon contoh yang diambil. β1 =

JKD2 JHKD1H - JHKD1D2 JHK D2H

β2 =

JKD1 JHKD2H - JHK D1 D2 JHK D1 H

JKD1

JKD2 - JHKD1D2 2

JKD1

JKD2 - JHKD1D2 2

β0 = ӯ - β1 D – β2 D2 dimana : 𝑛 2

𝐽𝐾𝐷1 =

𝐷1 𝑖 −

(

𝑛 𝑖=0 𝐷1

𝑛

𝑖=0

𝑛

𝐷2 2 𝑖 −

𝐽𝐾𝐷2 =

𝑛 𝑖=0 𝐷2

(

𝑖)2

𝑛

𝑖=0 𝑛

𝐽𝐻𝐾𝐷1 𝐷2 =

𝑖)2

𝐷1 𝐷2 −

𝑛 𝑖=0 𝐷1

𝑛

𝑖=0

𝑛

𝐽𝐻𝐾𝐷1 𝐻 =

𝐷1 𝐻 −

𝑛 𝑖=0 𝐷1

𝐽𝐾𝐷2 𝐻 =

𝐷2 𝐻 − 𝑖=0

𝑛 𝑖=0 𝐻

𝑛

𝑖=0

𝑛

𝑛 𝑖=0 𝐷2

𝑛 𝑖=0 𝐷2

𝑛 𝑖=0 𝐻

𝑛

𝐽𝐾𝑟𝑒𝑔𝑟𝑒𝑠𝑖 = b1 JHKD1 + b2JHKD2H

17

𝑛 2

𝐽𝐾𝑡𝑜𝑡𝑎𝑙 = 𝐽𝐾𝐻 =

𝐻𝑖 − 𝑖=0

dimana : H

2 𝑛 𝑖=0 𝐻𝑖

𝑛

= tinggi total pohon (m)

JKH = Jumlah kuadrat peubah H (tinggi total pohon) JHKDH

= Jumlah hasil kali antara peubah D dengan peubah H

Koefisien determinasi ( R2 ) dari model regresi tersebut dapat dihitung : R2 =

𝐽𝐾 𝑟𝑒𝑔𝑟𝑒𝑠𝑖 𝐽𝐾𝑡𝑜𝑡𝑎𝑙

Koefisien korelasi berganda (R) dapat diperoleh dari akar koefisien determinasi tersebut di atas. 3.4.5 Pengujian Metode Regresi Metode regresi digunakan dengan tujuan mengetahui ada tidaknya hubungan antar peubah-peubah yang merupakan suatu hubungan yang nyata atau tidak maka dilakukan uji regresi dengan uji F. Pengujian dilakukan dengan cara membandingkan nilai F hitung dengan nilai F tabel pada tingkat nyata tertentu. Nilai F hitung dapat dicari dengan sidik ragam yang dapat dilihat pada Tabel 2. Tabel 2 Sidik ragam fungsi regresi Sumber

Derajat

Jumlah

Kuadrat

Keragaman

Bebas

Kuadrat

Tengah

Regresi ( R )

dr = p-1

JKR

KTR=

F Hitung

KTR/KTS

JKR/dbr Sisa ( S )

ds = n-p

JKS

KTS=

-

JKS/dbs Total ( T ) Dimana : p n

dt = n-1

JKT

-

-

= banyaknya konstanta (koefisien regresi dan intercept) = banyaknya pohon contoh

18

Hipotesa yang digunakan Ho

: β 1 = β2 = 0

H1

: Sekurang-kurangnya ada β1 atau β2 ≠ 0

Apabila F hitung > F tabel maka tolak Ho, artinya sedikitnya ada satu peubah bebas yang mempengaruhi peubah tak bebas. Dari hasil analisis regresi tersebut dapat dilihat keeratan hubungan antara peubah bebas dengan peubah tak bebas yang ditunjukan oleh besarnya nilai koefisien korelasi (r), sedangkan untuk melihat berapa besar pengaruh peubah bebas (diameter pohon) terhadap peubah tak bebas (tinggi pohon) dapat dilihat dari nilai koefisien determinasi (R2). 3.4.6 Validasi model Hasil persamaan-persamaan regresi yang telah teruji tersebut di atas, pada penyusunan kurva tinggi pohon dengan analisis regresi perlu dilakukan uji validasi dengan menggunakan pohon contoh yang telah dialokasikan sebelumnnya khusus untuk pengujian validasi model (1/3 dari jumlah pohon contoh). Data pohon contoh tersebut tidak digunakan dalam penyusunan model-model kurva tinggi di atas. Uji validasi model dapat dengan melihat pada nilai-nilai simpangan agregasinya (aggregative deviation), simpangan rata-rata (mean deviation), RMSE (root mean square error), serta uji beda nyata antara tinggi yang diduga dengan tabel terhadap tinggi nyatanya. Uji beda nyata bisa dilakukan dengan cara uji Khi-kuadrat. Nilai-nilai pengujian validasi model tersebut dapat dihitung dengan rumusrumus sebagai berikut: a. Simpangan Agregat (aggregative deviation) Simpangan agregat merupakan selisih antara jumlah tinggi aktual (Ha) dan tinggi dugaan (Ht) yang diperoleh berdasarkan tabel tinggi pohon, sebagai persentase terhadap tinggi dugaan (Ht). Persamaan yang baik memiliki nilai simpangan agregat (SA) yang berkisar dari -1 sampai +1. Nilai SA dapat dihitung dengan rumus berikut :

19

n  n    Ht   Ha   i 1  SA   i 1  n    Ht   i 1  

b. Simpangan rata-rata (mean deviation) Simpangan rata-rata merupakan rata-rata jumlah dari nilai mutlak selisih antara jumlah tinggi dugaan (Ht) dan tinggi aktual (Ha). Proporsional terhadap jumlah tinggi dugaan (Ht). Nilai simpangan rata-rata yang baik adalah tidak lebih dari 10 % (Spurr 1952 dalam panjaitan 2009). Simpangan rata-rata dapat dihitung dengan rumus (Bustomi et al. 1998 dalam Panjaitan 2009).   n Ht  Ha        Ht   i 1  SR    x100% n      

c. RMSE (root mean square error) RMSE merupakan akar dari rata-rata jumlah kuadrat nisbah antara selisih tinggi dugaan dari tabel tinggi pohon (Ht) dengan tinggi aktualnya (Ha).

n  Ht  Ha 2     Ha  i  1 RMSE  x100% n d. Bias Bias (e) adalah kesalahan sistematis yang dapat terjadi karena kesalahan dalam pengukuran, kesalahan teknis pengukuran maupun kesalahan karena alat ukur. Bias dapat dihitung dengan rumus :

20

  Ht  Ha     n    Ha   e   x100% n  i 1     

e. Uji Beda Rata-rata Khi-kuadrat (Khi-square test) Pengujian validasi model persamaan penduga tinggi pohon, dapat pula dilakukan dengan menggunakan uji Khi-kuadrat yaitu alat untuk menguji apakah tinggi yang diduga dengan tabel tinggi pohon (Ht) berbeda dengan tinggi pohon aktualnya (Ha). Dalam hal ini hipotesa yang diuji adalah sebagai berikut : Ho : Ht = Ha H1 : Ht ≠ Ha Kriteria ujinya adalah : 𝑛 2 𝑋ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑖=1

(𝐻𝑡 − 𝐻𝑎)2 𝐻𝑎

Kaidah keputusannya adalah sebagai berikut: X2hitung ≤ X2tabel (α, n – 1), maka terima H0 X2hitung > X2tabel (α, n – 1), maka terima H1 3.4.7 Pemilihan Model Terbaik Model persamaan regresi untuk penyusunan tabel tinggi pohon yang akurat dan valid adalah apabila memenuhi kriteria sebagai berikut : 1. Dalam analisis regresi menghasilkan nilai-nilai koefisien determinasi (R2) yang besar, regresi yang nyata berdasarkan hasil analisis keragamannya serta sampling error (SE) yang rendah atau kecil. 2. Dalam uji validasi harus memenuhi standar pengujian antara lain : a. Persamaan yang baik memiliki nilai simpangan agregat (SA) yang berada pada kisaran -1 sampai +1 (Spurr, 1952 dalam Panjaitan, 2009). b. Persamaan yang baik memiliki nilai simpangan rata-rata tidak lebih dari 10 %.

21

c. Nilai RMSE dan Bias yang kecil menunjukkan model persamaan penduga tinggi yang lebih baik. d. Apabila hasil uji beda antara nilai rata-rata yang diduga dengan tabel tinggi dengan nilai rata-rata nyata (aktual), tidak menunjukkan adanya perbedaan yang nyata (Ho, diterima) maka persamaan penduga tinggi itu dapat digunakan.

BAB IV KEADAAN UMUM LOKASI 4.1 Luas Dan Letak Areal Luas areal IUPHHK-HT PT. Hutan Rindang Banua 268.584 ha yang terbagi dalam enam lokasi dengan luas masing-masing lokasi yaitu lokasi Kintap 49.754 ha, Satui 31. 818 ha, Sebamban 48. 182 ha, Teluk Kepayang 49. 307 ha, Riam Kiwa 52. 256 ha dan Pamukan 37. 269 ha. Letak areal IUPHHK-HT PT. Hutan Rindang Banua khususnya pada lokasi Kintap dan Satui dapat dilihat berdasarkan batas astronomi yaitu untuk lokasi Kintap berada pada 1140 52’ – 1150 10’ Bujur Timur dan 030 40’ – 040 00’ Lintang Selatan, sedangkan lokasi Satui berada pada 1150 10’ – 1150 23’ Bujur Timur dan 030 40’ – 040 00’ Lintang Selatan (Laporan Utama Inventarisasi Hutan

Menyeluruh Berkala (IHMB) PT. Hutan Rindang Banua, 2011). 4.2 Jenis Tanah dan Geologi Berdasarkan Peta Sistem dan Kelayakan Tanah lembar 1712, 1812 dan 1813 skala 1 : 250.000 yang dikeluarkan oleh Bakosurtanal, areal kerja PT. Hutan Rindang Banua terdiri dari 18 formasi geologi/asosiasi tanah. Lokasi Kintap memiliki jenis tanah dan formasi geologi yang beragam diantaranya jenis tanah Dystropepts, Tropudults, Paleudults, Tropaquepts, Fluvaquents, Tropohemists, Dystropepts, Placaquods, sedangkan tipe geologi diantaranya tipe Kuarsit, Basal, Sekis, Endapan laut yang baru (bergaram) Gambut, Endapan sungai yang baru (segar), Lanau, batu lumpur, batu pasir dan marl. Secara umum lokasi Kintap didominasi oleh jenis tanah Paleudults, Tropudults, Tropaquepts dengan tipe geologi Lanau, batu lumpur, batu pasir, Endapan sungai yang baru (segar) yang memiliki luas 40.474 ha. Jenis tanah dan tipe geologi ini juga mendominasi lokasi Satui dengan luas 20.171 ha (Laporan Utama Inventarisasi Hutan Menyeluruh Berkala (IHMB) PT. Hutan Rindang Banua, 2011). 4.3 Iklim Berdasarkan klasifikasi iklim Oldeman PT. Hutan Rindang Banua memiliki tipe iklim kelas A1 sampai D3 atas dasar kriteria bulan basah rata-rata (30 tahun) dengan curah hujan lebih dari 200 mm/bulan dan bulan kering rata-rata (30 tahun) dengan curah hujan kurang dari 100 mm/bulan. Klasifikasi iklim Oldeman pada

23

lokasi Kintap dan Satui termasuk tipe iklim B1 dengan rangking kebasahan 2. Tipe iklim B1 merupakan tipe iklim dengan panjang bulan basah 7-9 bulan dan ≤ 1 untuk panjang bulan kering (Badan Klimatologi Banjar Baru 2010). 4.4 Topografi dan Penutupan Lahan Keadaan Topografi berdasarkan Peta Rupa Bumi skala 1 : 50.000 pada areal IUPHHK-HT PT. Hutan Rindang Banua lokasi Kintap dan Satui semuanya mempunyai kelas lereng A (datar) dan penutupan lahan berdasarkan hasil penafsiran Citra Landsat 7ETM+ dapat dilihat pada Tabel 3 (Kementerian Kehutanan, 2011). Tabel 3 Penutupan Lahan pada areal IUPHHK-HT PT. Hutan Rindang Banua Fungsi hutan (Ha) No Penutupan Lahan CA HL HPT HP HPK APL Jumlah (Ha) Lokasi Kintap 1 Belukar tua 293 0 0 4.007 0 843 5.143 2 Belukar muda 0 0 0 5.151 288 6.953 12.392 3 Hutan Tanaman 0 0 0 7.555 315 638 8.508 4 Perkebunan 0 0 0 2.979 2 11.592 16.649 5 Tanah terbuka 0 0 0 2.869 641 2.682 6.192 6 Tubuh air 0 0 0 91 0 714 805 7 Tertutup awan 1 0 0 64 0 0 65 22.716 Jumlah 294 0 0 3.322 23.422 49.754 Lokasi Satui 1 Hutan bekas tebangan 0 0 0 0 96 0 96 2 Belukar tua 0 0 0 429 403 2.084 3.025 3 Belukar muda 0 0 0 56 2.468 5.054 8.45 4 Hutan Tanaman 0 0 0 0 767 607 2.878 5 Perkebunan 0 0 0 0 1.762 7.556 10.842 6 Tanah terbuka 0 0 0 0 1.159 2.842 5.903 7 Tubuh air 0 0 0 0 0 285 357 8 Tertutup awan 0 0 0 86 1 0 87 Jumlah 0 0 0 571 6.656 18.428 31.818 Keterangan : CA = Cagar Alam, HL = Hutan Lindung, HPT = Hutan Produksi Terbatas, HP = Hutan Produksi, HPK = Hutan Produksi Konversi, APL = Areal Penggunaan Lain,

Sumber : Kementerian kehutanan (2011).

.

BAB V HASIL DAN PEMBAHASAN 5.1 Penentuan Pohon Contoh Pohon contoh yang digunakan dalam penyusunan kurva tinggi dibagi berdasarkan kelas umur (KU) dan masak tebang (MT). Lokasi diambil secara purposive sampling dan tersebar dalam setiap kelas diameter. Pohon contoh yang diambil adalah pohon yang memiliki batang yang lurus, tidak memiliki cacat pada batang, daun maupun akar, serta memiliki pertumbuhan yang normal. Pohon contoh yang diambil terbagi kedalam dua rancangan model yaitu pohon contoh untuk penyusunan model dan pohon contoh untuk validasi model. Adapun jumlah dan penyebaran pohon contoh berdasarkan kelas umur dan masak tebang pada lokasi Kintap dan Satui dapat dilihat pada Tabel 4, sedangkan analisis regresi dan pengujian validasi model yang diambil sebanyak 30% dari jumlah pohon contoh yang ada dapat dilihat pada Tabel 5 dan 6. Tabel 4 Komposisi dan jumlah pohon contoh untuk penyusunan kurva tinggi pohon Jumlah Individu Pohon per Lokasi Kelas Diameter (cm)

Kintap Kelas Umur Kelas Umur II III

Satui Masak Tebang

Kelas Umur III

Jumlah Pohon yang diambil

5,00 - 7,49

8

5

-

-

13

7,50 - 9,99

15

5

2

3

25

10,00 - 12,49

13

19

3

12

47

12,50 - 14,99

4

14

4

14

36

15,00 - 19,99

2

18

9

21

50

20,00 - 24,49

-

7

12

14

33

25,00 - 29,99

-

2

13

3

18

30,00 - 34,49

-

3

21

9

33

35,00 - 39,99

-

1

15

-

16

40,00 - 44,49

-

1

5

2

8

45,00 - 49,99

-

-

5

2

7

50,00 - 54,49

-

-

4

-

4

Jumlah

42

75

93

80

290

25

Tabel 5 Komposisi dan jumlah pohon contoh untuk analisis regresi Jumlah Individu Pohon per Lokasi Kelas Diameter (cm)

Kintap

Satui

Jumlah Pohon yang diambil

Kelas Umur II

Kelas Umur III

Mask Tebang

Kelas Umur III

5,00 - 7,49

5

4

-

-

9

7,50 - 9,99

11

4

1

2

18

10,00 - 12,49

10

13

2

8

33

12,50 - 14,99

2

9

3

10

24

15,00 - 19,99

2

13

7

15

37

20,00 - 24,49

-

5

8

10

23

25,00 - 29,99

-

1

9

2

12

30,00 - 34,49

-

2

15

6

23

35,00 - 39,99

-

1

11

-

12

40,00 - 44,49

-

1

3

1

5

45,00 - 49,99

-

-

3

1

4

50,00 - 54,49

-

-

3

-

3

Jumlah

30

53

65

55

203

Tabel 6 Komposisi dan jumlah pohon contoh untuk validasi model Jumlah Individu Pohon per Lokasi Kelas Diameter (cm)

Kintap

Satui

Jumlah Pohon yang diambil

Kelas Umur II

Kelas Umur III

Masak Tebang

Kelas Umur III

5,00 - 7,49

3

1

-

-

4

7,50 - 9,99

4

1

1

1

7

10,00 - 12,49

3

6

1

4

14

12,50 - 14,99

2

5

1

4

12

15,00 - 19,99

-

5

2

6

13

20,00 - 24,49

-

2

4

4

10

25,00 - 29,99

-

1

4

1

6

30,00 - 34,49

-

1

6

3

10

35,00 - 39,99

-

-

4

-

4

40,00 - 44,49

-

-

2

1

3

45,00 - 49,99

-

-

2

1

3

50,00 - 52,49

-

-

1

-

1

Jumlah

12

22

28

25

87

26

5.2 Analisis Data 5.2.1. Scatter Diagram Pohon Contoh Scatter diagram atau scatter plot (diagram tebar) digunakan untuk membantu dalam pemilihan model, sehingga dari tebaran data tersebut akan dapat dilihat bentuk penyebaran datanya apakah mengikuti pola linier atau non linier. Adapun bentuk diagram tebar pohon contoh pada lokasi Kintap dan Satui dengan kelas umurnya disajikan pada gambar berikut.

Gambar 2 Diagram hubungan tinggi total dengan diameter pohon kelas umur II dan kelas umur III di lokasi Kintap.

Gambar 3 Diagram hubungan tinggi total dengan diameter pohon kelas masak tebang di lokasi Kintap.

27

Gambar 4 Diagram hubungan tinggi total dengan diameter pohon kelas umur III di lokasi Satui. 5.2.2. Penyusunan Model Persamaan Regresi Alternatif model yang digunakan dalam penyusunan model kurva tinggi adalah : Model Linear

h = a + bd

Model Logaritma

h = a d b atau log h = log a + b log d

Model Eksponensial h = a + b ln (d) Model Polynomial Dimana :

h

h = a + b1 d + b2 d2 = Tinggi total (m)

d = Diameter pohon (1,3 cm dari atas tanah) a, b1, b2 = konstanta Model persamaan regresi yang diperoleh dari hasil perhitungan dapat dilihat pada Tabel 7. Tabel 7 Persamaan regresi kurva tinggi berdasarkan kelas umur di setiap lokasi Lokasi/KU/ Model

Persamaan

R2

SE

Fhitung

0,9143

0,3818

309,2585

0,9068

0,0198

282,1723

0,8963 0,9196

0,4200 0,3764

250,5650 160,0284

Kintap KU II Model 1 Model 2 Model 3 Model 4

H = 4,5957 + 0,4437 D 0,4595

H = 3,1611 D H = 0,0162 + 3,9826 ln (D) H = 3,7259 + 0,6334 D - 0,0095 D2

28

Tabel 7 Lanjutan Lokasi/KU/ Model

R2

SE

Fhitung

0,9442 0,9496 0,9193 0,9534

0,6297 0,0182 0,7569 0,5813

862,5776 960,6032 581,3386 510,9878

0,9117

0,5179

650,4472

0,8823 0,8642 0,9120

0,0126 0,6423 0,5212

472,4657 400,8883 321,1579

0,9065 1,1188 0,8421 0,0351 Model 2 H = 3,940748498 D 0,8339 1,4912 Model 3 H = -8,71601 + 8,722072 ln (D) 2 0,9077 1,1223 Model 4 H = 8,983911 + 0,356984 D + 0,00129 D Keterangan : H = Tinggi total pohon, D =Diameter pohon (1,3 m dari atas tanah)

513,6998 282,7316 266,0274 255,6185

Persamaan

Kintap KU III Model 1

H = 8,058343+ 0,359508 D

Model 2 Model 3 Model 4 MT Model 1 Model 2 Model 3

H = 4,253375 D 0,432745 H =-2,467409 + 6,072561 ln (D)

Model 4

H = 15,825755 + 0,1686886 D - 0,00021 D2

H = 6,900114 + 0,49212 D - 0,003061D2 H = 15,9934+ 0,156172 D H = 10,783417 D 0,1945192 H = 7,505828 + 3,9564817 ln (D)

Satui KU III Model 1

H = 8,297728237 + 0,421896678 D 0,487783

Rumus pengukuran tinggi total pohon dalam pustaka menggunakan galah sepanjang lima (5) meter, sedangkan dalam penelitian digunakan galah sepanjang empat (4) meter sehingga rumus yang digunakan dalam mengukur tinggi total pohon mengikuti panjang galah. Pengklasifikasian kelas umur pada IUPHHK-HT PT. Hutan Rindang Banua berdasarkan daur tanaman yaitu enam (6) tahun dengan selang tiap kelas umur dua (2) tahun. Khusus untuk tanaman masak tebang pada IUPHHK-HT ini memiliki umur tanaman di atas enam (6) tahun, karena pada areal kerja tersebut tidak terjadi aktivitas penebangan. Hasil analisis regresi diambil tiga kategori yang dapat menunjukkan baik atau tidaknya suatu persamaan untuk digunakan yaitu koefisien determinasi (R2), standar error (SE) dan nilai Fhitung. Koefisien determinasi (R2) adalah untuk melihat besarnya keseragaman peubah tidak bebas (tinggi pohon) yang dapat dijelaskan peubah bebasnya (diameter pohon). Koefisien determinasi (R2) digunakan sebagai informasi mengenai kecocokan suatu model yang dijadikan

29

sebagai ukuran seberapa baik garis regresi mendekati nilai data asli yang dibuat model. Menurut Sarwono (2010) jika R2 = 1 maka angka tersebut menunjukkan garis regresi cocok dengan data secara sempurna, sedangkan R2 = 0 akan mempunyai arti bahwa tidak ada hubungan antara peubah bebas (diameter pohon) dengan peubah tak bebasnya (tinggi pohon). Suharlan et al. (1976) dalam Panjaitan (2009) menambahkan bahwa nilai koefisien determinasi sebesar 50% merupakan batas minimal yang digunakan dalam penyusunan model kurva tinggi yang dianggap cukup memadai. Semakin besar nilai determinasi, maka persamaan regresi tersebut semakin baik. Hasil analisis regresi pada Tabel 7 menunjukkan bahwa pada lokasi Kintap persamaan (4) memiliki nilai R2 tertinggi di banding tiga persamaan dengan nilai R2 masing-masing sebesar 0,9196 (91,96%), 0,9534 (95,34%) dan 0,9120 (91,20%). Hal ini juga terjadi pada lokasi Satui dengan kelas umur III yang memiliki R2 0,9077 (90,77%) untuk persamaan (4). Berdasarkan nilai R2 maka persamaan (4) merupakan persamaan penduga terbaik yang menjelaskan tinggi total pohon berdasarkan diameter pohon. Hubungan liniear yang kuat antara tinggi total pohon dengan diameter pohon dapat diketahui dari semakin besar nilai korelasinya. Semakin besar korelasi antara tinggi total pohon dengan diameter pohon, maka semakin kuat hubungan keduanya, sebaliknya semakin besar nilai korelasi maka semakin kecil nilai standar error (SE). Standar error merupakan standar simpangan data pada tebaran (scatter diagram) data yang mengikuti pola liniear. Jadi semakin kecil standar error suatu persamaan, maka persamaan tersebut semakin baik karena data menyebar mengikuti pola linear yang mengartikan bahwa pengaruh perubahan peubah bebas (diameter pohon) akan diikuti dengan berubahnya peubah tak bebas (tinggi total pohon). Berdasarkan hasil analisis pada Tabel 7 diketahui bahwa pada lokasi Kintap dan Satui persamaan (2) memiliki nilai SE yang lebih kecil dibanding tiga persamaan lainnya yaitu pada lokasi Kintap dengan kelas umur II memiliki nilai SE 0,0198; kelas umur III memiliki nilai SE 0,018 dan MT memiliki nilai SE 0,0126 serta pada lokasi Satui dengan kelas umur III memiliki nilai SE 0,0351. Berdasarkan nilai SE-nya maka persamaan (2)

30

merupakan persamaan penduga tinggi pohon terbaik karena memiliki nilai SE yang paling kecil. Pengujian keberartian peranan peubah bebas (diameter pohon) terhadap peubah tak bebasnya (tinggi pohon) dilakukan melalui uji signifikasi F-Test dengan membandingkan nilai Fhitung dan Ftabel. Menurut Draper dan Smith (1992) dalam Panjaitan (2009), apabila Fhitung > Ftabel pada taraf nyata 1% maka sedikitnya ada satu peubah bebas yang mempengaruhi peubah tidak bebas sehingga persamaan regresi yang diuji dapat diterima. Semakin besar nilai Fhitung suatu persamaan, maka persamaan regresi tersebut semakin baik dalam menduga tinggi pohon. Berdasarkan Tabel 7 pada lokasi Kintap KU II, Ku III dan MT serta lokasi Satui dengan kelas umur III memiliki nilai Fhitung > Ftabel pada tingkat nyata 1%, yang berarti bahwa peubah bebas (diameter pohon) yang dimasukkan ke dalam persamaan regresi sangat berpengaruh nyata dalam menduga peubah tidak bebasnya (tinggi pohon). Hasil analisis regresi pada Tabel 7 menunjukkan bahwa persamaan (1) pada lokasi Kintap dengan kelas umur II memiliki nilai Fhitung tertinggi 309,2585; sedangkan pada kelas umur III persamaan (2) memiliki nilai Fhitung tertinggi 960,6032 dan tanaman MT persamaan (1) memiliki nilai Fhitung tertinggi 650,4472 serta lokasi Satui kelas umur III persamaan (1) memiliki nilai Fhitung tertinggi 513,6998. Berdasarkan nilai Fhitung maka persamaan (1) merupakan persamaan terbaik dalam menduga peubah bebas (diameter pohon) terhadap peubah tak bebas (tinggi pohon) pada lokasi Kintap kelas umur II dan MT serta lokasi Satui kelas umur III, sedangkan persamaan terbaik pada lokasi kintap kelas umur III yaitu persamaan (2) karena memiliki nilai Fhitung terbesar. Persamaan-persamaan yang telah dibuat untuk mencari penduga tinggi pohon terbaik maka dilakukan pemberian peringkat (skoring) pada setiap persamaan. Pemberian peringkat untuk setiap persamaan dapat dilihat pada Tabel berikut.

31

Tabel 8 Penentuan persamaan penduga tinggi pohon terbaik kelas umur II lokasi Kintap No

Peringkat Persamaan

R2

SE

Fhitung

2

R

SE

Fhitung

Total

Peringkat Akhir

1

H = 4.59565 + 0.44373(D)

0,9143

0,3818

309,2585

3

2

4

9

1

2

H = 3.1611 *(D0.459499)

0,9068

0,0198

282,1723

2

4

3

9

1*

3

H = 0.01617 + 3.9826 ln (D)

0,8963

0,4200

250,5650

1

1

2

4

3

4

H = 3.7259 3 1 8 2 0,9196 0,3764 160,0284 4 +(0.6334*D) (0.0095 D2) Keterangan : * = persamaan terbaik; H =tinggi total; D =Diameter pohon (1,3 m dari atas tanah)

Tabel 9 Penentuan persamaan penduga tinggi pohon terbaik kelas umur III lokasi Kintap Peringkat No

Persamaan

R2

SE

Fhitung

2

R 1

H = 8,0583 + 0.3595*(D)

0,9442

0,6297

862,5776

2

H = 4.253375* (D0.4327)

0,9496

0,0182

960,6032

3

H = - 2.4674 + 6.0725* (ln D)

0,9193

0,7569

581,3386

SE

Fhitung

Total

Peringkat Akhir

2

2

3

7

3

3

4

4

11

1*

1

1

2

4

4

4

H = 6.9001+ (0.4921* 0,9534 0,5813 510,9878 4 3 1 8 2 D) – (0.00306* D2) Keterangan : * = persamaan terbaik; H=tinggi total; D =Diameter pohon (1,3 m dari atas tanah)

Tabel 10 Penentuan persamaan penduga tinggi pohon terbaik kelas masak tebang lokasi Kintap Peringkat No

Persamaan

R2

SE

Fhitung

2

R

SE

Fhitung

Total

Peringkat Akhir

1

H = 15.9934 + 0.1561 (D)

0,9117

0,5179

650,4472

3

3

4

10

1*

2

H = 10.7834 (D0.1945)

0,8823

0,0126

472,4657

2

4

3

9

2

3

H = 7.5058 + 3.95648 ln (D)

0,8642

0,6423

400,8883

1

1

2

4

4

32

Tabel 10 Lanjutan 4

H = 15.82575 + 4 2 1 7 3 0,9120 0,5212 321,1579 0.168689 (D) 0.00021 (D2) Keterangan : * = persamaan terbaik; H =tinggi total; D =Diameter pohon (1,3 m dari atas tanah)

Tabel 11 Penentuan persamaan penduga tinggi pohon terbaik kelas umur III lokasi Satui Peringkat No

Persamaan

R2

SE

Fhitung

R2

SE

Fhitung

Total

Peringkat Akhir

1

H = 8.2977 + 0.4219 (D)

0.906476 1.118843

513.6998

3

3

4

10

1*

2

H = 3.9407 (D0.4878)

0.842136 0.035132

282.7316

2

4

3

9

2

3

H = -8.7160 + 8.7220 ln (D)

0.83387

266.0274

1

1

2

4

4

1.491185

4

H = 8.9839 + 0.3569(D) + 0.907677 1.122277 255.6185 4 3 1 8 3 0.0013 (D2) Keterangan : * = persamaan terbaik; H =tinggi total; D =Diameter pohon (1,3 m dari atas tanah)

Pemilihan persamaan terbaik berdasarkan penilaian peringkat pada tabel di atas, maka diperoleh persamaan terbaik dalam menduga tinggi total pohon berdasarkan diameternya. Pada Tabel 8 dapat dilihat bahwa untuk lokasi Kintap kelas umur II diperoleh dua persamaan penduga terbaik yaitu persamaan (1) H = 4,595650269 + 0,443731 (D) dan persamaan (2) H = 3.161113 x (D0.459499), sedangkan untuk persamaan yang terpilih yaitu persamaan (2) karena dua persamaan tersebut memiliki nilai determinasi (R2) yang tidak berbeda jauh sedangkan nilai SE yang sangat jauh berbeda, sehingga pemilihan persamaan sebagai penduga tinggi pohon terbaik untuk kelas umur II lokasi Kintap adalah persamaan (2). Persamaan terpilih untuk menduga tinggi total pohon pada lokasi Kintap kelas umur III yaitu persamaan (2) H = 4,253375 (D0,432745) yang dapat dilihat pada Tabel 9, sedangkan untuk MT dapat dilihat pada Tabel 10 bahwa persamaan terpilih yaitu persamaan (1) H= 15,99340196 + 0,156172(D), serta pada lokasi Satui dengan kelas umur III dapat dilihat pada Tabel 11 bahwa persamaan terpilih yaitu persamaan (1) H = 8,297728237 + 0,421897(D), karena memiliki nilai R2

33

0.906476 dan nilai SE 1.118843 terbaik kedua serta memiliki nilai Fhitung terbesar 513.6998 dibanding tiga persamaan lainnya. 5.2.3. Validasi Model Persamaan Penduga Tinggi Pohon Model yang dihasilkan berdasarkan analisis regresi cukup valid dan terandalkan, apabila memenuhi beberapa uji validasi. Pengujian validasi dapat dilakukan dengan menggunakan uji simpangan agregasi, simpangan rata-rata, RMSE (root mean square error), nilai bias serta uji beda nyata yang dilakukan dengan uji Khi-kuadrat antara tinggi yang diduga dengan tabel terhadap tinggi nyatanya (Sutarahardja, 2008). Berikut disajikan hasil uji validasi persamaan tinggi pohon terpilih pada proses penyusunan model di lokasi Kintap dan Satui berdasarkan kelas umurnya. Tabel 12 Hasil uji validasi model persamaan tinggi pohon Lokasi/ KU Persamaan

RMSE (%)

BIAS (%)

X2hit

X2tabel

(0,01)

(0,01)

Korelasi

SA

SR (%)

0.9523

0.0157

1.83

5.34

2.1

0.2757

24.725

0.9745

-0.0111

-1.71

4.91

-1.43

0.6389

40.289

0.9548

-0.0067

-0.62

2.51

-0.24

0.3661

46.645

Kintap KU II KU III MT Satui KU III

H = 3.161113* (D0.459499) H=4.253375* (D0.432745) H=15.993402 + (0.1561715*D)

H = 8,29773 + 0.9521 0.0051 0.03 7.74 0.62 (0,42189* D) Keterangan : H =tinggi total; D =Diameter pohon (1,3 m dari atas tanah)

2.2919 41.638

Hasil uji validasi pada Tabel 12 dapat diketahui bahwa persamaan penduga tinggi pohon yang digunakan telah terandalkan dan dapat digunakan untuk keperluan inventarisasi hutan. Menurut Sutarahardja (2008) tabel tinggi yang dihasilkan berdasarkan analisis regresi cukup valid dan terandalkan apabila koefisien korelasinya cukup besar dan regresi nyata, simpangan baku atau sampling error kecil, simpangan agregasinya berada diantara nilai -1 sampai +1, simpangan rata-ratanya tidak lebih dari 10%, RMSE (root mean square error) yang kecil, biasnya rendah mendekati nol dan nilai taksiran dari tabel tidak berbeda nyata dengan nilai aktual yang disimpulkan dari uji Khi-Kuadrat.

34

Persamaan yang telah dibuat tidak dapat digunakan pada lokasi yang berbeda walaupun memiliki kelas umur yang sama, karena akan memperbesar nilai standar error, keragaman dan nilai korelasinya pun akan semakin kecil. Hal ini telah di uji dengan penggabungan antara lokasi Kintap dan Satui kelas umur III yang memiliki koefisien determinasi (R2) 0,6816 (68,16%) standar error 0,1010 dan nilai Fhitung 152,7134, serta nilai korelasi yang semakin kecil yaitu 0,8256. Perbedaan pendugaan tinggi total pohon berdasarkan persamaan yang telah dibuat, menunjukkan bahwa untuk menduga tinggi total pohon berdasarkan diameternya harus dilakukan pada setiap kelas umur dengan lokasi yang berbeda. Hal ini disebabkan karena pada lokasi dengan kelas umur yang berbeda memiliki kualitas tempat tumbuh yang berbeda pula yang dipengaruhi oleh faktor lain yang tidak dibahas dalam penelitian ini. Menurut Hendromono et al. (2003) adanya variasi pertumbuhan pohon baik disebabkan oleh perbedaan jenis, tempat tumbuh, maupun tindakan silvikultur, akan menyebabkan bentuk dan ukuran batang yang berbeda.

BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan Berdasarkan hasil yang diperoleh, persamaan yang dapat digunakan untuk menduga tinggi total pohon berdasarkan diameter pohon pada lokasi Kintap dengan kelas umur II, III dan MT masing-masing memiliki persamaan Y = 3.161113* (D0.459499), Y = 4.253375 (D0.4327) dan Y = 15.9934 + 0.1561 (D), sedangkan pada lokasi Satui dengan kelas umur III memiliki persamaan penduga Y = 8.2977 + 0.4219 (D). Persamaan penduga tinggi total pohon pada lokasi berdasarkan kelas umur yang berbeda, memberikan informasi bahwa pada setiap kelas umur memiliki kualitas tanah yang berbeda yang disebabkan karena beberapa faktor yang tidak terdapat dalam penelitian ini, sehingga persamaan penduga yang telah ada hanya dapat digunakan pada lokasi yang relatif sama.

6.2 Saran 1. Perlu adanya penelitian lanjutan pada daerah yang berbeda,agar dapat diketahui persamaan penduga tinggi total untuk tanaman Mangium. 2. Perlu adanya peninjauan tanaman setiap tahun berdasarkan kelas umur tanaman, sehingga diketahui perkembangan tanaman tersebut. Hal ini disebabkan karena di lapangan masih terdapat tanaman yang tidak terawat dan kurang baik perkembagannya terutama tanaman kelas umur II di lokasi Kintap yang kurang perlakuan setelah terjadinya kebakaran.

BAB VII DAFTAR PUSTAKA Atmosoemarto M. 1993. Hubungan Antara volume Tegakan dengan Peubah Potret Udara Sebagai Alat Inventarisasi Hutan Hujan Tropis (studi kasus di Muarakaman, Kalimantan Timur) [Tesis]. Sekolah Pascasarjana IPB, Bogor. Badan Klimatologi Banjarbaru. 2010. Keterangan Oldeman. http://www.klimatologibanjarbaru.com/pages/publikasi/keterangan-oldeman .php [ 30 Desember 2010]. Badan Litbang Kehutanan. 2005. Strategi Pengembangan Hutan Tanaman. Jakarta. Partially funded by EC Asia Pro Eco Program. Departemen Kehutanan Republik Indonesia. 2007. Peraturan Menteri Kehutanan No. P.34/Menhut/-II/2007, tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala (IHMB) Pada Usaha Pemanfaatan Hasil Hutan Kayu Pada Hutan Produksi. Jakarta: Departemen Kehutanan Republik Indonesia. Departemen Kehutanan Republik Indonesia. 2008. Kalkulasi Penutupan Lahan Tahun 2006 Indonesia. Jakarta : Pusat Inventarisasi dan Perpetaan Hutan, Badan Planologi Kehutanan Departemen Kehutanan. Direktorat Perbenihan Tanaman Hutan. 2001. Informasi Singkat Benih. No.1 Maret 2001. http://www.dephut.go.id/INFORMASI/RRL/IFSP/ Acaciamangium .pdf [26 September 2010].

Hendromono, Nina M, Djoko W. 2003. Review Hasil Penelitian dan Pengembangan : Status Ilmu Pengetahuan dan Teknologi yang Mendukung Pembangunan Hutan Tanaman. Bogor : Pusat Penelitian dan Pengembangan Hutan dan Konservasi Alam. Hines WW, Douglas CM. 1990. Probabilita dan Statistik dalam Ilmu Rekayasa dan Manajemen. Jakarta. Penerbit Universitas Indonesia. Irianto A. 2004. Statistik Konsep Dasar dan Aplikasinya. Jakarta. Kencana Prenada Group. Kementerian Kehutanan. 2011. Hasil Pemeriksaan Peta Penafsiran Citra Satelit. Jakarta. Kementerian Kehutanan Direktorat Jenderal Planologi Kehutanan. Mindawati N, Enny YS. 2005. Pengaruh Macam Media Terhadap Pertumbuhan Semai Acacia mangium Willd. Jurnal Penelitian Hutan dan Konservasi Alam II (1) : 53-59. Notohadiningrat T. 2006. Hutan Tanaman Industri dalam Tataguna Sumberdaya Lahan [Tesis]. Yogyakarta : Ilmu Tanah Universitas Gadjah Mada. Nuhamara ST. 2008. Lapuk Kayu Teras Pada Tegakan Hutan Tanaman Acacia mangium Willd [Tesis]. Sekolah Pascasarjana Institut Pertanian Bogor.

46

Panjaitan PH. 2009. Penyusunan Kurva Tinggi Pohon Dalam Rangka Pelaksanaan IHMB Di IUPHHK-HA PT. Ratah Timber Kalimantan Timur [skripsi]. Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor. PT. Hutan Rindang Banua. 2011. Laporan Utama Inventarisasi Hutan Menyeluruh Berkala (IHMB) pada IUPHHK-HT. Siregar S. 2004. Statistik Terapan. Jakarta. PT.Gramedia Widiasarana. Srihadiono UI. 2005. Hutan Tanaman Industri : Skenario Masa Depan Kehutanan Indonesia. Palembang : PT. Musi Hutan Persada. Suharlan A. Boestami S, Soemarna K. 1976. Tabel Volume Lokal Pinus merkusii Jungh et de Vriese. Bogor : Lembaga Penelitian Hutan. Sutarahardja S. 2008. Penyusunan Alat Bantu Dalam Inventarisasi Hutan. Fakultas Kehutanan Institut Pertanian Bogor : Bogor.

Lampiran 1. Tabel Tinggi pohon Lokasi Kelas Umur

: Kintap : II (dua)

H = 3.161113 x (D0.459499)

Ø Pohon Satuan (cm)

Ø Pohon Puluhan (cm)

0

1

2

3

4

5

6

7

8

9

0 1 2 3 4 5 6

9,1062 12,5217 15,0861 17,2181 19,0772 20,7443

9,5139 12,8056 15,3151 17,4146 19,2516 20,9025

9,9020 13,0822 15,5401 17,6085 19,4241 21,0592

10,2730 13,3522 15,7614 17,7999 19,5949 21,2146

10,6288 13,6159 15,9791 17,9889 19,7639 21,3687

6,6224 10,9712 13,8737 16,1934 18,1756 19,9313 21,5215

7,2011 11,3014 14,1260 16,4044 18,3601 20,0970 21,6730

7,7297 11,6206 14,3731 16,6122 18,5425 20,2611 21,8233

8,2188 11,9299 14,6153 16,8170 18,7227 20,4237 21,9723

8,6759 12,2300 14,8529 17,0189 18,9009 20,5847 22,1202

9

Lokasi Kelas Umur

H = 4,253375232 x (D0,432745)

: Kintap : III (tiga)

Ø Pohon Satuan (cm)

Ø Pohon Puluhan (cm)

0

1

2

3

4

5

6

7

8

0 1 2 3 4 5 6

11.5207 15.5506 18.5332 20.9902 23.1182 25.0161

12.0058 15.8824 18.7981 21.2157 23.3172 25.1957

12.4665 16.2054 19.0581 21.4381 23.5139 25.3736

12.9059 16.5202 19.3136 21.6575 23.7086 25.5499

13.3265 16.8273 19.5647 21.8741 23.9011 25.7246

8.5351 13.7303 17.1272 19.8117 22.0878 24.0917 25.8978

9.2358 14.1192 17.4203 20.0547 22.2989 24.2803 26.0695

9.8729 14.4945 17.7072 20.2939 22.5074 24.4669 26.2397

10.4602 14.8575 17.9881 20.5294 22.7134 24.6518 26.4084

11.0072 15.2093 18.2633 20.7615 22.9170 24.8348 26.5758

38

38

Lampiran 1 Lanjutan Lokasi Kelas Umur

: Kintap : MT (Masak Tebang)

H = 15,99340196 + 0,156172 (D)

Ø Pohon Satuan (cm)

Ø Pohon Puluhan (cm)

0

1

2

3

4

5

6

7

8

0 1 2 3 4 5 6

17.5551 19.1168 20.6786 22.2403 23.8020 25.3637

17.7113 19.2730 20.8347 22.3965 23.9582 25.5199

17.8675 19.4292 20.9909 22.5526 24.1143 25.6761

18.0236 19.5854 21.1471 22.7088 24.2705 25.8322

18.1798 19.7415 21.3032 22.8650 24.4267 25.9884

16.7743 18.3360 19.8977 21.4594 23.0211 24.5829 26.1446

16.9304 18.4922 20.0539 21.6156 23.1773 24.7390 26.3008

17.0866 18.6483 20.2100 21.7718 23.3335 24.8952 26.4569

17.2428 18.8045 20.3662 21.9279 23.4897 25.0514 26.6131

Lokasi Kelas Umur

: Satui : III (tiga)

9 17.3989 18.9607 20.5224 22.0841 23.6458 25.2075 26.7693

H = 8,29773 + 0,42189 (D)

Ø Pohon Satuan (cm)

Ø Pohon Puluhan (cm)

0

1

2

3

4

5

6

7

8

0 1 2 3 4 5 6

12.5166 16.7355 20.9544 25.1733 29.3922 33.6111

12.9385 17.1574 21.3763 25.5952 29.8141 34.0330

13.3604 17.5793 21.7982 26.0171 30.2360 34.4549

13.7823 18.0012 22.2201 26.4390 30.6579 34.8768

14.2042 18.4231 22.6420 26.8609 31.0798 35.2987

10.4072 14.6261 18.8450 23.0639 27.2828 31.5017 35.7206

10.8291 15.0480 19.2669 23.4858 27.7047 31.9236 36.1425

11.2510 15.4699 19.6888 23.9077 28.1266 32.3455 36.5644

11.6729 15.8918 20.1107 24.3296 28.5485 32.7674 36.9863

9 12.0947 16.3136 20.5325 24.7514 28.9703 33.1892 37.4081

39

39

Lampiran 2 Hasil Analisis Regresi pada Lokasi Kintap Kelas umur III (tiga) Persamaan 1

h = a + bd

SUMMARY OUTPUT Regression Statistics Multiple R 0.60756 R Square 0.369129 Adjusted R Square 0.365544 Standard Error 4.147099 Observations 178 ANOVA Sumber Regresi Regression Residual Total

Intercept X Variable 1

Derajat Bebas 1 176 177

Coefficients 8.058118 0.403981

Persamaan 2 Regression Statistics Multiple R 0.681601 R Square 0.464579 Adjusted R Square 0.461537

Jumlah Kuadrat 1771.083617 3026.923988 4798.007605 Standard Error 0.739450617 0.039809386

a b

8.058118 0.403981

Kuadrat Tengah 1771.084 17.19843

Fhitung 102.9794

Significance F 2.43038E-19

t Stat 10.89744 10.14788

P-value 1.84E-21 2.43E-19

Lower 95% 6.598787215 0.325415486

a b

3.171505 0.545054

Upper 95% 9.517449595 0.482545869

Lower 99.0% 6.132550792 0.300314978

Upper 99.0% 9.98368602 0.50764638

h = a db

40

40

Lampiran 2 Lanjutan Standard Error Observations ANOVA

0.101044 178

Sumber Regresi Regression Residual Total

Derajat Bebas 1 176 177

Intercept X Variable 1

Coefficients 0.501265 0.545054

Persamaan 3

Jumlah Kuadrat 1.559197605 1.796952278 3.356149883 Standard Error 0.053042185 0.044106319

Kuadrat Tengah 1.559198 0.01021

Fhitung 152.7134

Significance F 1.16801E-25

t Stat 9.450316 12.35773

P-value 2.12E-17 1.17E-25

Lower 95% 0.396584861 0.458008572

Derajat Bebas 1 176 177 Coefficients

Intercept X Variable 1

Lower 99.0% 0.363140845 0.430198773

Upper 99.0% 0.63939003 0.65990904

h = a + b ln d

Regression Statistics Multiple R 0.626566 R Square 0.392586 Adjusted R Square 0.389134 Standard Error 4.069272 Observations 178 ANOVA Sumber Regresi Regression Residual Total

Upper 95% 0.60594601 0.632099243

-7.68258 8.227555

a b

-7.68258 8.227555

Jumlah Kuadrat Significance Kuadrat Tengah Fhitung F 1883.628262 1883.628 113.7527 8.40612E-21 2914.379343 16.55897 4798.007605 Standard Error 2.136122607 0.771418225

t Stat

P-value

Lower 95%

-3.59651 10.66549

0.000419 8.41E-21

11.89829181 6.705134521

Upper 95% 3.46686914 9.74997525

Lower 99.0%

Upper 99.0%

-13.2451541 6.218741966

-2.1200068 10.2363678

41

41

Lampiran 2 Lanjutan h = a + b1 d + b2 d2

Persamaan 4 Regression Statistics Multiple R R Square Adjusted R Square Standard Error Observations ANOVA

0.625524 0.39128 0.384323 4.085266 178

Intercept X Variable 1

4.302821 0.784472

Jumlah Kuadrat 1877.363041 2920.644564 4798.007605 Standard Error 1.6568424 0.155795372

X Variable 2

-0.0077

0.003052242

Sumber Regresi Regression Residual Total

Derajat Bebas 2 175 177 Coefficients

a b1 b2

4.302821 0.784472 -0.0077

Kuadrat Tengah 938.6815 16.6894

Fhitung 56.24418

t Stat 2.597001 5.035274

P-value 0.010204 1.18E-06

-2.52351

0.01251

Significance F 1.36948E-19

Lower 95% 1.03285587 0.476992725 0.013726295

Upper 95% 7.572785355 1.091952086

Lower 99.0% -0.01195257 0.378747823

Upper 99.0% 8.61759379 1.19019699

-0.00167841

-0.01565105

0.00024634

Skoring No

2

Model 1 2 3

h = a + bd

4

h = a + b1 d + b2 d

h = a db h = a + b ln d 2

R 0.60756 0.681601 0.626566

SE 4.147099 0.101044 4.069272

Fhitung 102.9794 152.7134 113.7527

0.625524

4.085266

56.24418

R

2

1 4 3

SE 1 4 3

Fhitung 2 4 3

jumlah 4 12 9

Peringkat 4 1 2

2

2

1

5

3

Terpilih

Kelas Umur II h = a + bd

Persamaan 1 a 4.595650269 b 0.443731298

Regression Statistics Multiple R

0.956172977

42 42

Lampiran 2 Lanjutan R Square

0.914266761

Adjusted R Square Standard Error Observations

0.911310443 0.381809178 31

ANOVA Sumber Regresi Regression Residual Total

Intercept X Variable 1

Derajat Bebas 1 29 30

Coefficients 4.595650269 0.443731298

Jumlah Kuadrat 45.08316784 4.227569197 49.31073704 Standard Error 0.248541682 0.025232438

h = a db Regression Statistics Multiple R 0.952262586 R Square 0.906804033 Adjusted R Square 0.903590379 Standard Error 0.019830433 Observations 31 ANOVA Sumber Regresi Regression Residual Total

Jumlah Derajat Bebas Kuadrat 1 0.110963138 29 0.011404136 30 0.122367275

a b

Kuadrat Tengah Fhitung 45.0831678 309.2585376 0.14577825

Significance F 5.19781E-17

t Stat 18.4904609 17.5857481

Lower 95% 4.087325461 0.392125169

P-value 1.36173E-17 5.19781E-17

Upper 95% 5.10397508 0.49533743

Lower 99.0% 3.91057348 0.374180962

Upper 99.0% 5.280727058 0.513281634

Persamaan 2 3.161112784 0.459498596

Kuadrat Tengah Fhitung 0.11096314 282.1722641 0.00039325

Significance F 1.75013E-16

43

43

Lampiran 2 Lanjutan

Intercept X Variable 1

Coefficients 0.499839991 0.459498596

h = a + b ln (d)

Standard Error 0.026432959 0.02735439

t Stat 18.9097249 16.7979839

Persamaan 3

P-value 7.45829E-18 1.75013E-16 a b

Lower 95% 0.44577852 0.403552588

Upper 95% 0.55390146 0.5154446

Lower 99.0% 0.426980554 0.384099342

Upper 99.0% 0.572699428 0.534897849

0.016178284 3.982618261

Regression Statistics Multiple R 0.946714 R Square 0.896267397 Adjusted R Square 0.892690411 Standard Error 0.419980751 Observations 31 ANOVA Sumber Regresi Regression Residual Total

Derajat Bebas 1 29 30

Coefficients Intercept X Variable 1

0.016178284 3.982618261

h = a + b1 d + b2 d2 Regression Statistics Multiple R 0.95893344 R Square 0.919553342 Adjusted R Square 0.913807152 Standard Error 0.376396638

Jumlah Kuadrat 44.19560593 5.11513111 49.31073704

Kuadrat Tengah Fhitung 44.1956059 250.5649502 0.17638383

Significance F 8.31655E-16

Standard Error

t Stat

P-value

Lower 95%

Upper 95%

Lower 99.0%

Upper 99.0%

0.55981299 0.251598774

0.02889944 15.8292435

0.977142758 8.31655E-16

-1.128767819 3.468040998

1.16112439 4.49719552

1.526882348 3.289114948

1.559238916 4.676121575

Persamaan 4 a 3.725913588 b1 0.633367919 b2 -0.00954086

44

44

Lampiran 2 Lanjutan Observations ANOVA

31

Sumber Regresi Regression Residual Total

Derajat Bebas 2 28 30

Jumlah Kuadrat 45.34385303 3.96688401 49.31073704

Kuadrat Tengah 22.6719265 0.14167443

Fhitung 160.02836

Significance F 4.75458E-16

Intercept X Variable 1

Coefficients 3.725913588 0.633367919

Standard Error 0.686394226 0.141996572

t Stat 5.42824145 4.46044513

P-value 8.6128E-06 0.000121008

Lower 95% 2.319898772 0.34250113

Upper 95% 5.1319284 0.92423471

X Variable 2

-0.00954086

0.007033556

-1.356477

0.185784975

-0.023948442

0.00486673

Lower 99.0% 1.829226203 0.240994124 0.028976417

Upper 99.0% 5.622600973 1.025741714 0.009894703

Skoring Persamaan Persamaan h = a + bd h = a db h = a + b ln (d) h = a + b1 d + b2 d2

R Square 0.914266761 0.906804033 0.896267397 0.919553342

Standard Error 0.381809178 0.019830433 0.419980751 0.376396638

F 309.258538 282.172264 250.56495 160.02836

R Square 3 2 1 4

Standard Error 2 4 1 3

F 4 3 2 1

Total 9 9 4 8

Kelas MT h = a + bd Regression Statistics Multiple R R Square Adjusted R Square

Persamaan 1 a 15.99340196 b

0.156171539

0.954827908 0.911696334 0.910294688

45

45

Lampiran 2 Lanjutan Standard Error Observations ANOVA Sumber Regresi Regression Residual Total

Intercept X Variable 1

0.517893496 65 Derajat Bebas 1 63 64

Jumlah Kuadrat 174.4588226 16.89746141 191.356284

Coefficients 15.99340196 0.156171539

Standard Error 0.193899365 0.006123446

Kuadrat Tengah 174.458823 0.26821367

Fhitung 650.4471622

Significance F 6.58122E-35

t Stat 82.4830032 25.5038656

P-value 6.67814E-66 6.58122E-35

Lower 95% 15.605925 0.143934809

h = a db

Persamaan 2

SUMMARY OUTPUT Regression Statistics Multiple R 0.939332433 R Square 0.88234542 Adjusted R Square 0.880477887 Standard Error 0.012632192 Observations 65

a b

Upper 95% 16.3808789 0.16840827

Lower 99.0% 15.47837713 0.139906779

Upper 99.0% 16.50842679 0.172436299

10.78341657 0.194519166

ANOVA Sumber Regresi Regression Residual Total

Derajat Bebas 1 63 64

Jumlah Kuadrat 0.07539244 0.010053054 0.085445494

Kuadrat Tengah Fhitung 0.07539244 472.4657656 0.00015957

Significance F 5.63662E-31

46

46

Lampiran 2 Lanjutan Intercept X Variable 1

Coefficients 1.032756382 0.194519166

Standard Error 0.01301558 0.008949056

t Stat 79.3477056 21.7362776

P-value 7.49886E-65 5.63662E-31

Lower 95% 1.006746822 0.176635905

h = a + b ln (d)

Persamaan 3

SUMMARY OUTPUT Regression Statistics Multiple R 0.929618988 R Square 0.864191462 Adjusted R Square 0.862035771 Standard Error 0.642265548 Observations 65 ANOVA

a b

7.505827979 3.956481691

Kuadrat Tengah 165.368467 0.41250503

Fhitung 400.8883602

Significance F 5.22878E-29

t Stat 11.3422494 20.0221967

P-value 7.31684E-17 5.22878E-29

Lower 95% 6.183409502 3.56160006

Sumber Regresi Regression Residual Total

Intercept X Variable 1

Derajat Bebas 1 63 64 Coefficients 7.505827979 3.956481691

Jumlah Kuadrat 165.3684668 25.98781716 191.356284 Standard Error 0.661758325 0.197604776

h = a + b1 d + b2 d2

Upper 95% 8.82824646 4.35136332

Lower 99.0% 0.998185116 0.170749176

Lower 99.0% 5.748101907 3.431614752

Upper 99.0% 1.067327649 0.218289156

Upper 99.0% 9.263554052 4.48134863

Persamaan 4

SUMMARY OUTPUT

Multiple R R Square Adjusted R Square

Upper 95% 1.05876594 0.21240243

Regression Statistics 0.954971894 0.911971319

a b b2

15.82575458 0.168688611 -0.00020577

0.909131684

47

47

Lampiran 2 Lanjutan Standard Error Observations ANOVA Sumber Regresi Regression Residual Total

0.521239858 65

Derajat Bebas 2 62 64

Jumlah Kuadrat 174.5114426 16.84484136 191.356284

Kuadrat Significance Tengah Fhitung F 87.2557213 321.1579501 1.92022E-33 0.27169099

Intercept X Variable 1

Coefficients 15.82575458 0.168688611

Standard Error 0.428020021 0.029102358

t Stat 36.9743325 5.79638978

P-value 5.89531E-44 2.452E-07

Lower 95% 14.97015476 0.110513826

Upper 95% 16.6813544 0.22686339

X Variable 2

-0.00020577

0.000467575

-0.4400865

0.661404908

-0.001140442

0.0007289

Lower 99.0% 14.68830055 0.091349718 0.001448344

Upper 99.0% 16.9632086 0.246027503 0.001036797

Skoring Persamaan R Square

Standard Error

F

R Square

Standard Error

F

Total

h = a + bd

0.911696334

0.51789

650.447162

3

3

4

10

h = a db

0.88234542

0.0126

472.4658

2

4

3

9

h = a + b ln (d)

0.864191462

0.6423

400.8884

1

1

2

4

h = a + b1 d + b2 d2

0.911971319

0.5212

321.1580

4

2

1

7

Persamaan

48 48

Lampiran 3 Hasil Analisis Regresi pada Lokasi Satui Kelas umur III h = a + bd

Persamaan1

SUMMARY OUTPUT Regression Statistics Multiple R 0.95209036 R Square 0.90647606 Adjusted R Square 0.90471146 Standard Error 1.11884259 Observations 55 ANOVA Derajat Jumlah Kuadrat Sumber Regresi Bebas Kuadrat Tengah Regression 1 643.0539188 Residual 53 66.3458637 Total 54 709.3997825 Standard Coefficients Error Intercept 8.29772824 0.386844252 X Variable 1 0.42189668 0.018614501

a b

8.297728 0.421897

Fhitung 643.0539 1.251809

t Stat 21.44979 22.66495

h = a db Regression Statistics Multiple R 0.91767959 R Square 0.84213582 Adjusted R Square 0.83915725 Standard Error 0.03513168 Observations 55

Significance F 513.6998 6.13365E-29

P-value 8.58E-28 6.13E-29

Lower 95% 7.521816946 0.384560718

Upper 95% 9.07364 0.459233

Lower 99.0% 7.264149012 0.372162033

Upper 99.0% 9.331307463 0.471631323

Persamaan2

a b

3.940748 0.4878

49

49

Lampiran 3 Lanjutan ANOVA Sumber Regresi Regression Residual Total

Intercept X Variable 1

Derajat Bebas 1 53 54

Jumlah Kuadrat 0.348957322 0.06541446 0.414371782

Coefficients 0.59557872 0.48778318

Kuadrat Tengah 0.348957 0.001234

Standard Error 0.036545819 0.029009458

Fhitung 282.7316

t Stat 16.29677 16.81463

h = a + b ln (d)

Significance F 6.73146E-23

P-value 2.71E-22 6.73E-23

Lower 95% 0.52227709 0.429597578

Upper 95% 0.66888 0.545969

Lower 99.0% 0.497934772 0.410275055

Upper 99.0% 0.693222665 0.565291306

Lower 99.0% 12.86056163 7.293296401

Upper 99.0% 4.571451111 10.15084845

Persamaan3

Regression Statistics Multiple R 0.91316485 R Square 0.83387005 Adjusted R Square 0.83073552 Standard Error 1.4911851 Observations 55

a b

-8.71601 8.7221

ANOVA Sumber Regresi Regression Residual Total

Derajat Bebas 1 53 54

Jumlah Kuadrat 591.5472332 117.8525493 709.3997825

Coefficients Intercept X Variable 1

-8.71600637 8.72207243

Kuadrat Tengah 591.5472 2.223633

Standard Error 1.551208984 0.534757065

Fhitung 266.0274

t Stat -5.61885 16.31035

Significance F 2.61526E-22

P-value

Lower 95%

Upper 95%

7.26E-07 2.62E-22

11.82733751 7.649485609

-5.60468 9.794659

50

50

Lampiran 3 Lanjutan h = a + b1 d + b2 d2

Persamaan 4

SUMMARY OUTPUT Regression Statistics Multiple R R Square Adjusted R Square Standard Error Observations

a b1 b2

0.95272058 0.90767651 0.90412561 1.12227672 55

8.9839 0.3570 0.0013

ANOVA Sumber Regresi Regression Residual Total

Derajat Bebas 2 52 54

Jumlah Kuadrat 643.9055205 65.49426192 709.3997825

Kuadrat Tengah 321.9528 1.259505

Fhitung 255.6185

Intercept X Variable 1

Coefficients 8.98391058 0.35698361

Standard Error 0.920294702 0.081121093

t Stat 9.761993 4.400626

P-value 2.37E-13 5.38E-05

X Variable 2

0.00128742

0.001565672

0.822277

0.414674

Significance F 1.25348E-27

Lower 95% 7.137204197 0.194202235 0.001854334

Upper 95% 10.83062 0.519765 0.004429

Lower 99.0% 6.523287695 0.140087419 0.002898773

Upper 99.0% 11.44453346 0.573879808 0.005473606

Skoring R Square

SE

Fhit

R Square

SE

Fhit

Total

Peringkat

0.90647606

1.118842594

513.6998

3

3

4

10

1

h=ad

b

0.84213582

0.035131682

282.7316

2

4

3

9

2

h = a + b ln (d)

0.83387005

1.491185101

266.0274

1

1

2

4

4

0.90767651

1.12227672

255.6185

4

3

1

8

3

Persamaan h = a + bd

2

h= a + b1 d + b2 d

51

51

52