MODEL PERTUMBUHAN RATA-RATA DIAMETER, RATA-RATA TINGGI DAN VOLUME TEGAKAN

1

MODEL PERTUMBUHAN RATA-RATA DIAMETER, RATA-RATA TINGGI DAN VOLUME TEGAKAN Acacia mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II, Kalimantan Timur)

NUR MALIKI ARIFIANDY E 14101045

DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2006

2

MODEL PERTUMBUHAN RATA-RATA DIAMETER, RATA-RATA TINGGI DAN VOLUME TEGAKAN Acacia mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II, Kalimantan Timur)

NUR MALIKI ARIFIANDY

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

DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2006

3

Judul Skripsi

Nama Mahasiswa

: MODEL PERTUMBUHAN RATA-RATA DIAMETER, RATA-RATA TINGGI DAN VOLUME TEGAKAN Acacia mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II, Kalimantan Timur). : NUR MALIKI ARIFIANDY

NRP

: E14101045

Departemen

: Manajemen Hutan

Program Studi

: Manajemen Hutan

Menyetujui : Dosen Pembimbing I

Dosen Pembimbing II

(Prof. Dr. Ir. Endang Suhendang, MS ) NIP. 130 933 588

(Tatang Tiryana S. Hut., M.Sc) NIP. 132 231 998

Mengetahui, Dekan Fakultas Kehutanan IPB

(Prof. Dr. Ir. Cecep Kusmana, MS) NIP. 131 430 799

Tanggal Lulus : 18 Januari 2006

i

KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Allah SWT atas segala Rahmat dan Hidayah-Nya serta shallawat dan salam kepada Nabi Muhammad SAW maka penulis dapat menyelesaikan penyusunan skripsi yang berjudul Model Pertumbuhan Rata-Rata Diameter, Rata-Rata Tinggi, dan Volume Tegakan Acacia mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II, Kalimantan Timur). Pada kesempatan ini penulis mengucapkan terima kasih kepada : 1. Bapak Prof. Dr. Ir. Endang Suhendang, MS dan Bapak Tatang Tiryana, S.Hut., M.Sc. yang telah membimbing penulis selama penulisan skripsi ini. 2. Ir. Sucahyo Sadiyo, MS selaku dosen penguji dari Departemen Hasil Hutan, dan Ir. Ervizal A.M. Zuhud, MS selaku dosen penguji dari Departemen Konservasi Sumberdaya Hutan dan Ekowisata. 3. Mamih, Papih, Teteh dan Mas Ido yang telah memberikan dukungan baik moril maupun materiil serta curahan kasih sayangnya. 4. Bapak Sukrul, Bapak Zakir, Bapak Suradi, Bapak Dudi, Bapak Susanto, Bapak Saiful, Bapak Agus, serta seluruh staf di PT. Sumalindo Hutani Jaya II yang telah membantu penulis dalam mengumpulkan data penelitian 5. Rekan-rekan senasib seperjuangan satu bimbingan Kania dan Pipin, rekanrekan kelompok PKL Dita, Dini, Arga, Dedi, dan Pudy, dan rekan MNH’38 atas kebersamaan dan persahabatannya selama ini. 6. Serta seluruh pihak yang tidak dapat disebutkan satu persatu yang telah membantu penulis dalam penyusunan skripsi ini. Akhir kata, penulis berharap skripsi ini dapat bermanfaat bagi penulis dan pihak yang membutuhkan. Bogor, Januari 2006

Penulis

2

RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 15 Mei 1983 dari ayah Edy Effendy dan ibu Nur’aini Suksminingrum. Penulis merupakan putri ketiga dari tiga bersaudara. Penulis menempuh jalur pendidikan sejak tahun 1988 pada TK Persiapan Bersama Jakarta, dilanjutkan pada tahun 1989 di SDN 04 PG Jakarta. Tahun 1995 melanjutkan pendidikan di SLTPN 257 Jakarta, dan pada tahun 1998 penulis melanjutkan pendidikan di SMUN 39 Jakarta, pada tahun 2001 penulis masuk IPB melalui jalur UMPTN, memilih Jurusan Manajemen Hutan , Fakultas Kehutanan. Selama di bangku kuliah penulis mengikuti kegiatan Praktek Pengenalan dan Pengelolaan Hutan (P3H) di Cilacap, Batu Raden, dan Getas. Pada tahun 2005 penulis mengikuti kegiatan Praktek Kerja Lapang (PKL) di PT. Sumalindo Lestari Jaya, Tbk. Kalimatan Timur. Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan, penulis melakukan penyusunan skripsi dengan judul ”Model Pertumbuhan Rata-Rata Diameter, Rata-Rata Tinggi, dan Volume Tegakan Acacia mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II, Kalimantan Timur)” di bawah bimbingan Prof. Dr. Ir. Endang Suhendang, MS dan Tatang Tiryana, S.Hut., M.Sc.

3

RINGKASAN Nur Maliki Arifiandy. Model Pertumbuhan Rata-Rata Diameter, Rata-Rata Tinggi, dan Volume Tegakan Acacia mangium Willd. (Studi Kasus PT. Sumalindo Hutani Jaya II, Kalimantan Timur). Di bawah bimbingan Prof. Dr. Ir. Endang Suhendang, MS dan Tatang Tiryana, S.Hut., M.Sc. Pembangunan Hutan Tanaman Industri (HTI) merupakan salah satu upaya untuk memenuhi kebutuhan bahan baku industri pengolahan hasil hutan kayu. Permintaan terhadap kayu dari HTI meningkat seiring dengan meningkatnya konsumsi kayu masyarakat dan makin berkurangnya produksi kayu dari hutan alam akibat laju kerusakan hutan alam yang semakin tinggi. Untuk itu, diperlukan adanya pengolahan HTI yang lebih intensif dengan berpegang pada prinsip kelestarian hasil. Untuk mendukung upaya ini perlu dibuat rencana pengelolaan HTI dengan seksama. Salah satu data yang harus diperhatikan dalam penyusunan rencana pengelolaan HTI seperti ini adalah pertumbuhan tegakan yang memiliki tingkat ketepatan dan ketelitian tinggi. Salah satu jenis tanaman yang banyak dikembangkan pada HTI adalah Acacia mangium yang merupakan jenis cepat tumbuh (fast growing species). Untuk mendukung pengelolaan HTI maka informasi pertumbuhan tegakan dalam bentuk model pertumbuhan sangat diperlukan. Bahan yang digunakan dalam penelitian ini adalah data sekunder hasil pengukuran berulang pada Petak Ukur Permanen (PUP) seluas 0.1 Ha sebanyak 60 petak pada tegakan A. Mangium. Alat-alat yang digunakan dalam analisis data adalah alat tulis, kalkulator, PC (Personal Computer). Pengolahan data dilakukan dengan menggunakan analisis regresi linear dan non linear dengan bantuan software Excel, dan Statistica. Dalam pemilihan model terbaik, model-model pertumbuhan yang digunakan adalah model dari: Bruce dan Schumacher (1950), Chapman-Richards (1959), Prodan (1968), Alder (1980) yang telah dimodifikasi oleh Harbagung (2004), dan Wiroatmodjo (1984) dengan menambahkan peubah kerapatan tegakan (jumlah pohon per hektar). Dalam menentukan model pertumbuhan terbaik dilakukan uji statistik, yaitu uji peranan peubah bebas, koefisien determinasi, koefisien determinasi terkoreksi, root mean squares error, dan simpangan ratarata. Dengan mengkombinasikan antara uji statistik, kelogisan bentuk kurva, dan kesederhanaan penerapan di lapangan maka model pertumbuhan terbaik masing-masing untuk diameter tegakan adalah D = 58, 885U 0,539 N −0,346 , tinggi tegakan adalah T = 4, 271 + 3, 646 ln U 2,27 , dan pertumbuhan volume per hektar adalah V =

1 −U −N . 0, 01 + 0, 516e + 0,1e

Penelitian ini juga ingin membuktikan asumsi bahwa terdapat hubungan yang kuat antara kerapatan tegakan dengan pertumbuhan diameter dan pertumbuhan tinggi. Untuk membuktikan hal tersebut maka dilakukan pengujian dengan rumus persentase pertumbuhan diameter dan tinggi, dengan menggunakan N1=1100 dan N2=700 didapatkan persentase untuk pertumbuhan diameter adalah

4

16,91% dan untuk pertumbuhan tinggi adalah 7,72%. Berdasarkan hasil tersebut maka dapat disimpulkan bahwa kerapatan tegakan memiliki pengaruh yang lebih kuat terhadap pertumbuhan diameter dibandingkan pertumbuhan tinggi. Hal ini disebabkan karena pertumbuhan diameter lebih dipengaruhi oleh faktor eksternal sedangkan pertumbuhan tinggi lebih dipengaruhi oleh faktor internal dari tegakan. Penentuan model pertumbuhan merupakan informasi dasar dalam penentuan keputusan manajemen, antar lain dalam penentuan daur tegakan. Hal ini dapat diketahui dengan melihat titik perpotongan antara kurva CAI (Current Annual Increment) dan MAI (Mean Annual Increment). Berdasarkan titik perpotongan kedua kurva tersebut, daur untuk tegakan A. mangium di HPHTI Sumalindo Hutani Jaya II, Kalimantan Timur adalah 5,25 tahun.

ii

DAFTAR ISI

Halaman KATA PENGANTAR ..................................................................... DAFTAR ISI .................................................................................... DAFTAR TABEL ......................................................................... DAFTAR GAMBAR ...................................................................... DAFTAR LAMPIRAN ...................................................................

i ii iii iv v

PENDAHULUAN Latar Belakang .................................................................... Tujuan .................................................................................. Hipotesis................................................................................

1 2 2

TINJAUAN PUSTAKA Acacia mangium Willd ......................................................... Pertumbuhan ......................................................................... Kurva Pertumbuhan .............................................................. Model Pertumbuhan .............................................................. Hasil Penelitian Lain ............................................................. METODOLOGI Lokasi dan Waktu Penelitian ................................................ Bahan dan Alat Penelitian ..................................................... Metode Penelitian ................................................................. Penyiapan Data ............................................................... Analisis Data ...................................................................

3 4 5 5 8 10 10 10 10 11

KEADAAN UMUM LOKASI PENELITIAN Letak dan Luas ...................................................................... Tanah dan Geologi ................................................................ Iklim ...................................................................................... Kedaan Hutan (Potensi dan Jenis)......................................... Sosial, Ekonomi dan Budaya Masyarakat.............................

15 15 16 16 16

HASIL DAN PEMBAHASAN Model Pertumbuhan Diameter .............................................. Model Pertumbuhan Tinggi .................................................. Model Pertumbuhan Volume per Hektar .............................. Hubungan Kerapatan dengan Pertumbuhan Diameter .......... Hubungan Kerapatan dengan Pertumbuhan Tinggi .............. Kegunaan Model Pertumbuhan untuk Pengelolaan Hutan ...

17 19 21 23 24 25

KESIMPULAN DAN SARAN Kesimpulan ........................................................................... Saran......................................................................................

27 27

DAFTAR PUSTAKA ......................................................................

28

LAMPIRAN .....................................................................................

30

iii

DAFTAR TABEL

Halaman Tabel 1. Tabel 2. Tabel 3.

Rekapitulasi Analisis Regresi Model Pertumbuhan Diameter ............................................ Rekapitulasi Analisis Regresi Model Pertumbuhan Tinggi .................................................. Rekapitulasi Analisis Regresi Model Pertumbuhan Volume per Hektar..............................

17 19 22

iv

DAFTAR GAMBAR

Halaman Gambar 1. Gambar 2. Gambar 3. Gambar 4. Gambar 5. Gambar 6. Gambar 7.

Bentuk Umum Kurva Pertumbuhan .......................... Kurva Pertumbuhan diameter ................................... Kurva Pertumbuhan Tinggi ...................................... Kurva Pertumbuhan Volume per Hektar .................. Hubungan Pertumbuhan Diameter dengan Kerapatan Tegakan ........................................ Hubungan Pertumbuhan Tinggi dengan Kerapatan Tegakan ....................................... Kurva CAI & MAI Volume per Hektar ....................

5 19 21 23 24 24 26

v

DAFTAR LAMPIRAN

Halaman Lampiran 1. Lampiran2.

Analisis Ragam Model Pertumbuhan dari software Statistica .............................................. Perkiraan Pertumbuhan Tegakan A.mangium di HPHTI Sumalindo Hutani Jaya II ........................

31 39

1

PENDAHULUAN Latar Belakang Pembangunan Hutan Tanaman Industri (HTI) merupakan salah satu upaya untuk memenuhi kebutuhan bahan baku industri pengolahan hasil hutan kayu. Permintaan terhadap kayu dari HTI meningkat seiring dengan meningkatnya konsumsi kayu masyarakat dan makin berkurangnya produksi kayu dari hutan alam akibat laju kerusakan hutan alam yang semakin tinggi. Untuk itu, diperlukan adanya pengolahan HTI yang lebih intensif dengan berpegang pada prinsip kelestarian hasil. Untuk mendukung upaya ini perlu dibuat rencana pengelolaan HTI dengan seksama. Salah satu data yang harus diperhatikan dalam penyusunan rencana pengelolaan HTI seperti ini adalah pertumbuhan tegakan yang memiliki tingkat ketepatan dan ketelitian tinggi. Pertumbuhan pohon merupakan perubahan dalam sistem organik yang ditunjukan oleh adanya pertambahan diameter, tinggi dan volume pohon (Prodan, 1968). Informasi pertumbuhan memiliki peranan penting dalam pengambilan keputusan manajemen, karena informasi ini dapat memberikan gambaran mengenai pola dan titik-titik optimum pertumbuhan yang akan berkaitan dengan keputusan perlakuan silvikultur yang akan diterapkan, penentuan daur, dan prediksi hasil yang akan didapatkan (Harbagung, 2004). Informasi pertumbuhan dapat disajikan dalam bentuk model pertumbuhan yang merupakan hubungan dimensi tegakan (diameter, tinggi atau volume) dengan umur dan kerapatan tegakan, yang digambarkan melalui kurva pertumbuhan. Salah satu jenis tanaman yang banyak dikembangkan pada HTI adalah Acacia mangium yang merupakan jenis yang cepat tumbuh (fast growing species). Untuk mendukung pengelolaan HTI maka informasi pertumbuhan dalam bentuk model pertumbuhan sangat diperlukan.

2

Tujuan Penelitian ini bertujuan untuk mendapatkan model pertumbuhan diameter, tinggi dan volume dari tegakan A. mangium berdasarkan hubungan dengan umur dan kerapatan.

Hipotesis 1. Terdapat hubungan kuat antara kerapatan tegakan terhadap pertumbuhan diameter. 2. Terdapat hubungan kuat antara kerapatan tegakan terhadap pertumbuhan tinggi.

3

TINJAUAN PUSTAKA Acacia mangium Willd. Acacia mangium merupakan salah satu jenis tanaman yang memiliki pertumbuhan cepat (fast growing species) dengan rata-rata kenaikan diameter 2-3 cm/tahun.. Termasuk dalam sub famili Mimosoideae, famili Leguminoceae, dan ordo Rosales. Jenis ini tersebar secara alami di daerah timur laut Australia, Papua Nugini hingga ke daerah Indonesia Timur (Papua Barat dan Kepulauan Maluku). Populasinya menyebar luas mulai dari 0º50' LS di Irian Jaya hingga 19º LS di daerah Queensland, Australia (NAS, 1983). Perdasarkan

penelitian-penelitian

yang

telah

dilakukan,

menurut

Palokangas (1996) A. mangium merupakan jenis Akasia yang paling baik pertumbuhannya di hampir semua tingkat kesuburan tanah dibandingkan dengan jenis Akasia lainnya. Pohonnya berbatang lurus, dapat mencapai ketinggian hingga 30 m dengan batang bebas cabang lebih dari setengah tinggi pohon (NAS, 1983). Tumbuh pada ketinggian 30 – 130 mdpl dengan curah hujan bervariasi antara 1000 – 4500 mm/tahun (Badan Penelitian dan Pengembangan Kehutanan, 1994). Tumbuh pada tanah subur berpasir. Toleran terhadap tanah asam (pH 4.2), miskin hara, dan drainase jelek (Nurhasybi, 2000). A. mangium merupakan jenis pionir yang cepat tumbuh, sehingga sangat membutuhkan sinar matahari. Oleh karenanya apabila mendapatkan naungan pertumbuhannya akan kurang sempurna dengan bentuk tinggi dan kurus (Badan Penelitian dan Pengembangan Kehutanan, 1994). Sejak dicanangkannya pembangunan HTI di Indonesia, jenis mangium merupakan salah satu jenis favorit untuk ditanam. Pada awalnya jenis ini dikelompokkan kedalam jenis kayu untuk memenuhi kebutuhan kayu serat terutama untuk bahan baku industri pulp dan kertas, karena mangium memiliki panjang serat 0,7-1 mm dengan kerapatan 410-530 kg/m3 (Palokangas, 1996). Saat ini pemanfaatan kayu mangium meluas antara lain untuk: papan serat, kayu lapis, venir lamina, furnitur, kayu pertukangan, papan partikel, dan kayu energi (bahan bakar, dan arang). (Malik, et al., 2000).

4

Warna kayu teras dan gubal pada kayu mangium dapat dilihat jelas, yaitu bagian teras berwarna lebih gelap yaitu agak kecoklatan hampir mendekati kayu jati, sedangkan bagian gubalnya berwarna putih dan lebih tipis. Berdasarkan berat jenis, keteguhan lentur statis dan tekan sejajar arah serat, kayu mangium ini termasuk kelas kuat II-III (Malik, et al., 2000).

Pertumbuhan Tegakan Pertumbuhan tegakan adalah pertambahan dimensi dari satu atau lebih individu dalam suatu tegakan hutan dalam suatu jangka waktu (Vanclay, 1994). Pertumbuhan tegakan merupakan perubahan ukuran sifat terpilih dari dimensi tegakan yang terjadi selama periode tertentu (Davis dan Johnson, 1987). Pertumbuhan merupakan hasil interaksi dari faktor internal dan faktor eksternal. Faktor internal antara lain sifat genetik pohon, persediaan bahan makanan dalam pohon dan persediaan air di dalam pohon. Sedangkan faktor eksternal antara lain kerapatan tegakan, suhu, curah hujan, kelembapan udara, komposisi kimia tanah, kandungan hara mineral, dan kandungan organisma dalam tanah (Bruce dan Schumacher, 1950). Sedangkan menurut Husch, et al. (1982), pertumbuhan tanaman merupakan interaksi antara lingkungan dan kemampuan genetik dari tanaman tersebut. Faktor lingkungan yang berpengaruh antara lain faktor iklim ( suhu dan curah hujan), faktor tanah (karakteristik fisik dan kimia tanah, kelembapan tanah, dan mikroorganisma), topografi (kemiringan dan ketinggian), dan faktor kompetisi (dengan tanaman lain dan hewan). Menurut Kramer dan Kozlowski (1960), pertumbuhan merupakan hasil akhir dari interaksi beberapa proses-proses fisiologi pertumbuhan yang baik membutuhkan pemasukan yang cukup dari makanan, air, cahaya, nutrisi mineral, hormon, dan oksigen serta suhu lingkungan yang sesuai. Secara fisiologi, kebutuhan lingkungan adalah kondisi yang memungkinkan untuk membentuk makanan yang cukup untuk pertumbuhan dan perawatan dari keseimbangan air didalam yang cukup.

5

Kurva pertumbuhan Secara umum kurva pertumbuhan berbentuk sigmoid. Menurut Spurr (1952), kurva pertumbuhan dapat dibagi kedalam tiga bagian namun tidak dapat dipisahkan secara pasti. Pada tahap awal, pertambahan bergerak lambat namun semakin lama kecepatan pertumbuhan meningkat. Pada tahap kedua, pertumbuhan bergerak cepat hingga mencapai titik maksimal dan membentuk garis lurus. Dan pada tahap akhir, kecepatan pertumbuhan mulai turun secara perlahan setelah mencapai titik maksimal. Menurut Prodan (1968), kurva pertumbuhan dimulai dari nol kemudian meningkat. Pada awalnya kurva akan bergerak secara perlahan dan terus meningkat hingga mencapai titik belok, setelah itu kecepatannya akan turun secara perlahan. Sedangkan menurut Munez (1981) dalam Widodo (1989) menyebutkan bahwa tidak seluruh bentuk kurva pertumbuhan bergerak asimtotik pada bagian akhirnya. Kurva pertumbuhan peninggi, rata-rata diameter, dan tinggi pohon bergerak asimtotik pada bagian akhirnya, sedangkan kurva pertumbuhan lbds dan volume tegakan tidak demikian halnya

Gambar 1. Bentuk umum kurva pertumbuhan

Model Pertumbuhan Vanclay (1994) menyatakan bahwa model pertumbuhan dapat digunakan untuk memprediksi hasil yang akan didapatkan dan untuk menentukan perlakuan silvikultur yang tepat serta cara mengelolanya. Hal ini mengingat dalam

6

pengusahaan HTI memerlukan informasi mengenai pertumbuhan untuk menyusun rencana pengelolaannya. Terdapat beberapa model fungsi pertumbuhan baik menggunakan satu variabel maupun dua variabel, antara lain : 1. Bruce dan Schumacher (1950) LogY = log β 0 + β 1 log t LnY = ln β 0 + β1 ln t Dimana : Y

: karakteristik pertumbuhan (diameter, tinggi, atau volume pohon)

t

: umur

β0, β1 : parameter fungsi 2. Chapman-Richards (1959)

(

Y = W 1 − e − kt

)

1 / 1− m

Dimana : Y


t

: umur

e

: bilangan euler

k

: konstanta

W, m : parameter fungsi 3. Prodan (1968) Y = β 0 + β1 x + β 2 x 2 + .... + β p x p

Y = β0 + βt / x Y = x / β 0 + β1 x Y = x 2 / β 0 + β1 x + β 2 x 2 Dimana : Y


x

: umur

β0, β1, β2 : parameter fungsi

7

4. Alder (1980)

LnY = a + b(1 / A)

k

Dimana : Y


A

: umur

k

: konstanta

a, b

: parameter fungsi

5. Wiroatmodjo (1984) Y = 1 / a + be − A + ce − N

Y = a × Ab × N c Y = a + bA −1 + cN −1 Dimana : Y


A

: umur

e

: bilangan euler

N

: kerapatan tegakan

a,b,c

: parameter fungsi

6. Harbagung (2004) Untuk penelitian Model Hasil Tegakan Hutan Tanaman Acacia mangium Willd., di daerah Semaras Pulau Laut Kalimantan Selatan, Harbagung memodifikasi model pertumbuhan dari Alder sebagai berikut : Y = a + b ( ln A )

k

Dimana : Y


A

: umur

k

: konstanta

a, b

: parameter fungsi

8

Hasil Penelitian Lain

Penelitian mengenai model pertumbuhan telah dilakukan untuk berbagai jenis tegakan. Berikut ini hasil penelitian mengenai model pertumbuhan jenis A. mangium yang telah dilakukan : 1. Penelitian dilakukan oleh Harbagung di areal kerja PT. INHUTANI II, Sub Unit Hutan Tanaman Industri (HTI) Semaras, Pulau Laut Kalimantan Selatan. Data keragaman dimensi tegakan yang digunakan adalah jumlah pohon, diameter dan tinggi berdasarkan umur yang ada yaitu 1, 2, 3, 5, 6, 8, dan 9 tahun. Plot yang digunakan adalah temporary sample plot berbentuk lingkaran 0,1 ha. Didapatkan model pertumbuhan terbaik adalah :

D = 2,38963 + 7,32155 ( lnA )

1,18374

H = 3, 42891 + 5, 28962 ( lnA )

1,56050

LnV = −1, 677557 + 2, 05946 ln B + 0,15047lnH Dimana : D

: diameter tegakan rata-rata

H

: tinggi tegakan

V

: volume tegakan dalam 1 ha

B

: luas bidang dasar tegakan dalam 1 ha

A

: umur tegakan

2. Penelitian dilakukan oleh Perum Perhutani Unit III Jawa Barat bekerjasama dengan Fakultas Kehutanan Institut Pertanian Bogor di BKPH Subang dan Cikeusik-KPH Banten, BKPH Cibenda-KPH Majalengka, dan BKPH Jati Munggul, Plosokerep, Cikawung-BKPH Indramayu. Data diambil dari Petak Percobaan Permanen (PPP) yang dibuat tahun 1992 sebanyak 9 seri dan masing-masing terdiri atas 7 buah PPP berukuran 0,1225 ha. Didapatkan model pertumbuhan terbaik adalah : BONITA II : D = exp(2,52 − 1,37 A−1 − 115 N −1 ) B = exp(3, 04 − 0,86 A−1 − 1161N −1 ) V = exp(4,87 − 3, 23 A−1 − 1132 N −1 )

9

BONITA III : D = exp(2, 70 − 2,58 A−1 − 219 N −1 ) B = exp(3, 64 − 4,82 A−1 − 347 N −1 ) V = exp(5,13 − 6, 21A−1 − 152 N −1 ) BONITA IV : D = exp(3,14 − 2, 28 A−1 − 2 N −1 ) B = exp(4,52 − 5,36 A−1 − 788 N −1 ) V = exp(6, 42 − 6,81A−1 − 886 N −1 ) Dimana : D

: diameter tegakan

B

: bidang dasar tegakan

V

: volume tegakan

A

: umur tegakan

N

: jumlah pohon

10

METODOLOGI Lokasi dan Waktu Penelitian

Penelitian ini dilaksanakan di PT. Sumalindo Hutani Jaya II (PT. SHJ II), Site Sei Mao/ Bhirawa Kabupaten Kutai Kartanegara, Kalimantan Timur. Pengambilan data dilaksanakan pada bulan April 2005.

Bahan dan Alat Penelitian

Bahan yang digunakan dalam penelitian ini adalah data sekunder hasil pengukuran berulang pada Petak Ukur Permanen (PUP) seluas 0,1 Ha sebanyak 60 petak pada tegakan A. Mangium. Kegiatan inventarisasi dilakukan dengan metode systematic sampling yang dilakukan oleh bagian Perencanaan sub bagian inventarisasi di HPHTI SHJ II, Kalimantan Timur. Alat-alat yang digunakan dalam analisis data adalah: alat tulis, kalkulator, PC (Personal Computer). Pengolahan data dilakukan dengan menggunakan analisis regresi linear dan non linear dengan bantuan software Excel, dan Statistica.

Metode Penelitian Penyiapan Data

Data yang digunakan adalah data sekunder, yang merupakan hasil pengukuran secara periodik pada PUP berbentuk lingkaran seluas 0,1 Ha. Data tersebut dikelompokkan berdasarkan petaknya, kemudian dirata-ratakan. Jumlah petak yang digunakan adalah 60 petak, yang berasal dari 1) RKT 1997/1998 terdiri dari umur 3, 4, dan 5 tahun, 2) RKT 1998/1999 terdiri dari umur 2, 3, dan 4 tahun, dan 3) RKT 2003/2004 terdiri dari umur 1 tahun. Data hasil pengukuran yang digunakan adalah umur (U), kerapatan tegakan per hektar (N/Ha), diameter rata-rata (cm), tinggi rata-rata (m), dan volume per hektar (m3/Ha). Setelah tahapan pengambilan data, kegiatan dilanjutkan dengan tahapan penyiapan data. Langkah awal yang dilakukan adalah pemilihan petak ukur yang memiliki kondisi topografi seragam, dimana petak-petak dengan kondisi topografi yang berbeda dipisahkan dan tidak digunakan dalam pengolahan data. Kemudian

11

data yang terpilih dimasukan kedalam komputer dengan menggunakan software Microsoft Excel untuk selanjutnya dilakukan pengolahan data dengan menggunakan software Statistica. Analisis Data

1. Penyusunan model pertumbuhan Dalam penelitian ini, model pertumbuhan yang dibuat adalah model pertumbuhan diameter, tinggi, dan volume per ha tegakan hutan tanaman A. mangium. Dalam penentuan model terbaik menggunakan analisis regresi non linear (hal ini mengingat bentuk kurva pertumbuhan yang sigmoid). Model-model pertumbuhan yang digunakan adalah model dari: Bruce dan Schumacher (1950), Chapman-Richards (1959), Prodan (1968), Alder (1980) yang telah dimodifikasi oleh Harbagung (2004), dan Wiroatmodjo (1984) dengan menambahkan peubah kerapatan tegakan (jumlah pohon per hektar). 1.1 Model pertumbuhan dengan menggunakan peubah bebas umur : a) Y = β 0 + β 1U + β 2U 2 + .... + β pU p .......................

(1)

b) Y = β 0 + β t / U ......................................................

(2)

c) Y = U / β 0 + β1U ...................................................

(3)

d) Y = U 2 / β 0 + β 1U + β 2U 2 .....................................

(4)

e) Y = β 0 + β 1 (ln U ) .................................................

(5)

k

(

f) Y = β 0 1 − e − kU

)

1 / 1− m

...............................................

(6)

1.2 Model pertumbuhan dengan peubah bebas umur dan kerapatan tegakan: a) Y = β 0 × U β1 × ( N / Ha) β 2 ......................................

(7)

b) Y = β 0 + β1 ( N / Ha) + β 2U + β 3U 2 .......................

(8)

c) Y = β 0 + β1 ( N / Ha) + β 2 (1 / U ) ............................

(9)

1 ................................ + β 2 e −( N / Ha )

(10)

e) Y = β 0 + β 1U −1 + β 2 ( N / Ha) −1 ............................

(11)

d) Y =

β 0 + β 1e

−U

12

f)

LnY = ln β 0 + β1 N + β 2 ln U ................................

(12)

Dimana, Y

: nilai karakteristik pertumbuhan rata-rata diameter (cm), atau rata-rata tinggi (m), dan atau volume per hektar (m3/ha).

U

: umur tegakan (tahun)

N/Ha

: kerapatan tegakan per hektar (jumlah pohon per hektar)

K

: konstanta

e

: bilangan euler (2.71828)

m,β0, β1… βp : koefisien regresi 2. Pemilihan model pertumbuhan Model yang baik merupakan model yang mampu memenuhi maupun mendekati kriteria-kriteria uji dari pemilihan model yang telah ditetapkan. Oleh karena itu dalam tahapan penentuan model terbaik harus melewati beberapa kriteria uji yang telah ditetapkan, berikut ini merupakan kriteriakriteria uji yang dilakukan dalam pemilihan model terbaik : a. Uji tingkat kepentingan peranan peubah bebas Uji ini bertujuan untuk mengetahui peranan tiap peubah bebas dalam pembentukan model yang dilakukan dengan melihat nilai probability (p-value), dengan hipotesis H0

: βi sama dengan nol untuk semua i, terima H0.

H1

: setidaknya ada satu βi tidak sama dengan nol, terima H1.

Dengan kriteria : Jika nilai p > α, terima H0, sedangkan jika nilai p ≤ α, terima H1. Maka dengan nilai p yang sama atau lebih kecil dari α berarti hubungan regresi antara peubah bebas dengan peubah tak bebas adalah nyata atau sangat nyata. b. Koefisien determinasi (R2) Koefisien determinasi (R2) merupakan ukuran kemampuan peubah bebas dalam menjelaskan variasi dari peubah tak bebasnya. Dengan semakin tinggi nilai R2 (mendekati 100%) maka semakin

13

besar variasi yang dapat dijelaskan, yang dinyatakan dengan rumus:

R2 =

JKR × 100% JKT

c. Koefisien determinasi terkoreksi (R2adj) R2adj merupakan nilai koreksi R2 dengan peubah bebasnya, dinyatakan dengan rumus : R 2 adj = 1 −

JKS / dbs × 100% JKT / dbt

d. Root Mean Squares Error (RMSE) RMSE

menunjukkan

besarnya

tingkat

kesalahan

dalam

menentukan nilai dugaan. Memiliki nilai ideal 0, dinyatakan dengan rumus : RMSE = KTS e. Simpangan rata-rata (S) S

merupakan

tingkat

keakuratan

dari

pendugaan

model

pertumbuhan ditunjukkan oleh nilai selisih antara data dengan nilai dugaan, dinyatakan dengan rumus : Yi − Yˆi ⎛ 100 ⎞ S =⎜ ⎟× ∑ ˆ Yi ⎝ n ⎠ Dimana : JKR

: Jumlah Kuadrat Regresi

JKT

: Jumlah Kuadrat Total

JKS

: Jumlah Kuadrat Sisa

dbs

: Derajat bebas sisa

dbt

: Derajat bebas total

KTS

: Kuadrat Tengah Sisa

n

: Jumlah unit contoh

Yi

: Nilai pengukuran diameter/tinggi, dan atau volume/ha ke-i

Yˆi

: Nilai prediksi diameter/ tinggi, dan atau volume/ha ke-i

14

Dari kriteria uji tersebut, pemilihan model terbaik dapat dilakukan dengan melihat nilai uji statistik tersebut. Dimana model yang baik memiliki kelogisan model pertumbuhan yang sigmoid, memiliki nilai R2 terbesar yang idealnya mendekati 100%. Selain itu memiliki nilai RMSE terkecil mendekati 0, dan nilai S terkecil mendekati nol.

15

KEADAAN UMUM LOKASI

Letak dan Luas

Lokasi PT. Sumalindo Hutani Jaya II (SHJ II) Site Sei Mao/ Bhirawa secara geografis terletak diantara koordinat 0°06’ LU sampai 0°19’ LS dan 117°09’ BT sampai 117°21’ BT, dengan variasi ketinggian antara 30 – 80 m diatas permukaan laut. Secara administratif pemerintahan terletak di Kecamatan Sebulu, Tenggarong Seberang, Muara Badak, dan Marang Kayu Kabupaten Kutai Kartanegara Propinsi Kalimantan Timur. Sedangkan menurut administrasi pemangkuan hutan daerah ini termasuk RPH Sebulu dan Muara Kaman BKPH Sebulu dan Bontang KPH Sebulu dan Bontang Dinas Kehutanan Kabupaten Kutai Kartanegara Dinas Kehutanan Propinsi Kalimantan Timur. Areal PT. SHJ II Site Sei Mao/ Bhirawa berbatasan dengan : Utara

: PT. Indo Minco (Pertambangan) dan PT. Usaka Indah (Perkebunan)

Timur

: PT. Indo Minco (Pertambangan)

Selatan

: PT. Indo Minco (Pertambangan)

Barat Daya

: PT. Bhineka Wana (HTI Transmigrasi)

Barat

: PT. Surya Hutani Jaya (HTI)

Berdasarkan Kepmen No. 675/ Kpts-II/ 1997 tanggal 10 Oktober 1997 luas areal unit manajemen PT. SHJ II Site Sei Mao/ Bhirawa adalah 70.300 Ha, sedangkan luas areal efektif adalah 30.000 Ha.

Tanah dan Geologi

PT. SHJ II Site Sei Mao/ Bhirawa memiliki jenis tanah kambisol, alluvial, rensina dan podsolik. Formasi geologi terdiri dari : •

Formasi Bebuluh (batu gamping dengan sisipan gamping pasiran dan serpih).

•

Formasi Balikpapan (perselingan batu gamping dengan lempung, dengan sisipan lanau, serpih, batu gamping dan batu bara).

16

•

Formasi Pamaluan (batu lempung lanauan, batu lempung pasiran dan batu lempung serpihan, dan sisipan tipis batu lanau; napal; batu pasir; dan batu bara).

•

Formasi Pulau Balang (batu pasir berselingan dengan batu lempung dan batu lanau, sisipan tipis lignit, batu gamping/ batu pasir gampingan).

Iklim

PT. SHJ II Site Sei Mao/ Bhirawa memiliki tipe iklim hutan hujan tropis dengan angka curah hujan bulanan diatas 60 mm sepanjang tahun, dengan curah hujan tertinggi pada bulan Mei dan curah hujan terendah pada bulan September.

Keadaan Hutan (potensi dan jenis)

Tanaman pokok pada areal PT. SHJ II Site Sei Mao/ Bhirawa adalah Acacia mangium. Selain itu ditanam pula Gmelina arborea, Paraserianthes falcataria,

Tectona

grandis,

dan

Duabanga

mollucana,

namun

untuk

pertumbuhan keempat jenis tersebut tidak maksimal sehingga memiliki potensi yang rendah untuk dikembangkan.

Sosial Ekonomi dan Budaya Masyarakat.

Jumlah penduduk disekitar areal PT. SHJ II Site Sei Mao/ Bhirawa adalah 147.049 orang, dengan pembagian : •

Anak-anak ≤ 17 tahun

: 56.911 orang

•

Angkatan kerja ≥ 17 tahun

: 89.367 orang

•

Angkatan tidak produktif ≥55 tahun : 824 orang

Masyarakat sekitar memeluk agama Islam (81,4%), Katholik (13,9%) dan lain-lain (3,7%). Memiliki mata pencaharian bertani (49,4%), berdagang (1,0%) dan lain-lain (49,6%). Mata pencaharian lain-lain ini termasuk antara lain sebagai tenaga kerja di perusahaan PT. SHJ II Site Sei Mao/ Bhirawa Fasilitas pendidikan yang ada sudah cukup memadai dimana terdapat TK, SD, SMP, dan SLTA, sedangkan untuk fasilitas peribadatan telah memadai dimana terdapat masjid, gereja, dan pura.

17

HASIL DAN PEMBAHASAN

Model Pertumbuhan Diameter

Dalam pemilihan model terbaik terdapat tiga aspek yang perlu diperhatikan, yaitu: 1). uji statistik, 2). kelogisan bentuk kurva, dan 3). kesederhanaan penerapan di lapangan. Berdasarkan rekapitulasi hasil dari kriteriakriteria uji pada Tabel 1, dapat dilihat bahwa dengan adanya penambahan peubah bebas kerapatan tegakan maka keragaman dari peubah tak bebas diameter dapat semakin diterangkan, walaupun tidak terlalu berbeda nyata. Hal ini juga ditunjukkan dengan p-value peubah bebas kerapatan tegakan yang dibawah nilai α (0.05). Tabel 1.

Rekapitulasi Analisis Regresi Model Pertumbuhan Diameter Model

1. D = 2, 444 + 3, 056U 2. D = 14, 812 − 9, 659(1 / U ) 3. D =

U

6.

U

2

2 −0, 088 + 0, 252U + 0, 021U 1,572 D = 5, 399 + 4, 367(ln U ) 1 −0,332U (1−0,956) D = 0, 759(1 − e ) 0,539 −0,346 D = 58, 885U N

7. 8. D = 7, 184 − 0, 004 N + 2, 3U 9. D = 17, 521 − 0, 004 N − 8, 083(1 / U ) 10.

R2

R2adj

RMSE

S

85,7

85,2

1,48

13,6

H1

77,56

77,18

1,84

16,98

H1

84,77

84,51

1,51

14,33

H1

85,76

85,26

1,48

13,54

H1

85,89

85,4

1,47

13,47

H1

84,31

83,76

1,55

14,56

H1

89,25

88,87

1,29

12,98

H1 H1 H1

89

88,41

1,31

13,18

81,06

80,4

1,71

16,2

83,34

82,76

1,6

14,81

82,32

81,7

1,65

15,63

85,72

85,22

1,18

12,89

0, 159 + 0, 039

4. D = 5.

H0/H1 H1

D=

1 −U −N 0, 071 + 0, 358e + 0, 1e

11. D = 8, 628 − 7, 293(1 / U ) + 4103, 482(1 / N ) 12. LnD = 7, 332 − 0, 0003 + 0, 553(ln U )

H1 H1

Berdasarkan dari uji statistik yang telah dilakukan dapat dilihat bahwa model pertumbuhan dengan peubah bebas kerapatan tegakan dan umur memiliki nilai koefisien determinasi (R2) dan koefisien determinasi terkoreksi (R2adj) yang tidak banyak berbeda. Model 7 memiliki nilai R2 dan R2adj tertinggi yaitu 89,25% dan 88,87% sedangkan Model 9 memiliki nilai R2 dan R2adj terendah yaitu 81,06% dan 80,4% . Pada Model 7 memiliki arti bahwa peubah bebas (umur dan kerapatan

18

tegakan) dapat menerangkan keragaman peubah tak bebasnya (diameter) sebesar 88,87%, sedangkan sisanya sebesar 11,13% tidak dapat diterangkan oleh peubah bebasnya. Hal ini disebabkan oleh banyaknya faktor-faktor yang mempengaruhi pertumbuhan seperti sifat genetik pohon, persediaan bahan makanan dalam pohon dan persediaan air di dalam pohon, kerapatan tegakan, suhu, curah hujan, kelembapan udara, komposisi kimia tanah, kandungan hara mineral, dan kandungan organisma dalam tanah (Bruce dan Schumacher, 1950), sedangkan dalam model ini hanya memperhitungkan faktor umur dan kerapatan tegakan saja. Dilihat dari kriteria uji nilai RMSE yang menunjukkan tingkat keakuratan dari suatu model, dihasilkan Model 12 memiliki nilai RMSE terkecil yaitu 1,18, sedangkan Model 9 memiliki nilai RMSE tertinggi sebesar 1,71. Sedangkan dilihat dari nilai S yang menunjukkan tingkat keakuratan, dan nilai S terkecil terdapat pada Model 12 yaitu sebesar 12,89%, sedangkan Model 9 memiliki S terbesar yaitu 16,2%. Berdasarkan kriteria pemilihan model yang kedua yaitu kelogisan bentuk kurva pertumbuhan yang mendekati sigmoid, hanya terdapat satu model yang cenderung membentuk garis linear yaitu Model 8, sedangkan model lainnya mendekati bentuk sigmoid. Dan apabila berdasarakan kriteria kesederhanaan seluruh model pertumbuhan dengan peubah bebas umur dan kerapatan tegakan yang digunakan dalam penelitian ini termasuk dalam kategori sederhana, dimana seluruh model mudah digunakan dan diterapkan. Dengan mengombinasikan ketiga kriteria uji tersebut maka dalam penelitian ini Model 7 yaitu D = 58, 885U 0,539 N −0,346 dipilih sebagai model terbaik untuk menggambarkan pertumbuhan diameter tegakan hutan tanaman A. mangium di PT. Sumalindo Hutani Jaya II, Kalimantan Timur.

19

Diameter (cm)

14 12 10 8 6 4 2 0 1

2

3

4

5

Um ur (th)

Gambar 2. Kurva pertumbuhan diameter

Model Pertumbuhan Tinggi

Pengolahan data yang dilakukan dalam penelitian ini menggunakan model pertumbuhan dari Bruce-Schumacher (1950), Chapman-Richards (1959), Prodan (1968), Alder (1980) yang telah dimodifikasi oleh Harbagung (2004) dan Wiroatmodjo (1984), dengan menggunakan peubah umur dan peubah umur dengan kerapatan tegakan. Tabel 2.

Rekapitulasi Analisis Regresi Model Pertumbuhan Tinggi Model

1. T = 2, 687 + 1, 301U + 0, 247U

2

2. T = 14, 295 − 10, 426(1 / U ) 3. T =

U

R2adj

RMSE

S

90,6

90,27

1,35

15,52

H1 H1

71,82

71,34

2,32

24,84

88,08

87,88

1,51

16,91

H1

90,73

90,4

1,34

15,45

H1

91

90,69

1,32

15,11

H1

88,04

87,62

1,52

17,01

H1

90,07

89,72

1,39

15,82

H1

91,98

91,55

1,26

15,16

H1 H1

73,63

72,7

2,26

24,67

85,02

84,49

1,7

19,43

0, 28 + 0, 012U

4. T =

U

2

−0, 228 + 0, 484U − 0, 022U 2,327 5. T = 4, 271 + 3, 646 ln U 1 −0,072 (1−0,973) 6. T = 1, 301(1 − e ) 0,799 −0,223 7. T = 17, 577U N

8. 9.

R2

H0/H1 H1

2

T = 6, 122 − 0, 003 N + 0, 753U + 0, 302U

2

T = 16, 475 − 0, 003 N − 9, 158(1 / U ) 1 −U −N 0, 66 + 0, 693e + 0, 1e

10.

T =

11.

T = 9, 437 − 8, 567(1 / U ) + 3223, 884(1 / N )

H1

74,16

73,25

2,24

24,29

12.

LnT = 5, 172 − 0, 0002 + 0, 718(ln U )

H1

85,14

84,62

1,25

16,49

20

Berdasarkan kriteria uji yang telah dilakukan Tabel 2, didapatkan bahwa penambahan kerapatan tegakan tidak berpengaruh nyata terhadap pertumbuhan tinggi. Hal ini dapat dilihat dari p-value pada peubah bebas kerapatan yang nilainya lebih tinggi dari nilai α (0,05). Sehingga dalam penentuan model terbaik menggunakan model dengan peubah bebas umur. Hal ini juga didukung oleh pendapat Haeruman dalam Widodo (1989) dimana pertumbuhan tinggi pohon sangat dipengaruhi oleh kesuburan tempat tumbuh, berkorelasi kuat dengan volume, namun berkorelasi lemah dengan kerapatan tegakan. Dilihat dari hasil uji statistik yang telah dilakukan didapatkan model pertumbuhan tinggi memiliki nilai koefisien determinasi (R2) dan koefisien determinasi terkoreksi (R2adj) yang tidak banyak berbeda, dimana Model 5 memiliki nilai R2 dan R2adj tertinggi yaitu 91% dan 90,69%, sedangkan model 2 memiliki nilai R2 dan R2adj terendah yaitu 71,82% dan 71,34%. Makna dari nilai R2adj pada Model 5 adalah peubah bebas model ini dapat menerangkan keragaman dari peubah tak bebasnya sebesar 90,69%, sedangkan sisanya sebesar 9,31% keragaman peubah tak bebasnya tidak dapat diterangkan oleh peubah bebasnya Hal ini dapat terjadi mengingat pertumbuhan dipengaruhi oleh banyak faktor, seperti genetik pohon, iklim (suhu, cahaya, angin, curah hujan), tanah, dan teknik budidaya silvikultur (Kramer dan Kozlowski, 1960), sedangkan model ini hanya memperhitungkan faktor umur saja. Selain itu dilihat dari nilai RMSE yang didapatkan, Model 5 memiliki nilai RMSE yang paling kecil yaitu 1,32, sedangkan Model 2 memiliki nilai RMSE yang paling tinggi yaitu 2,32. Dilihat dari nilai S terkecil terdapat pada Model 5 yaitu sebesar 15,11%, sedangkan Model 2 memiliki S terbesar yaitu 24,84%. Selain kriteria uji statistik, kelogisan bentuk kurva juga perlu diperhatikan. Berdasarkan model pertumbuhan yang digunakan, kurva pertumbuhan yang dihasilkan cenderung membentuk garis linear, kecuali model 2 yang berbentuk sigmoid. Namun dengan hasil pengujian yang telah dilakukan hal tersebut tidak cukup untuk menjadikan model 2 sebagai model terbaik. Oleh karena itu dalam penelitian ini dengan mengombinasikan kriteria pemilihan model memilih Model 5 yaitu T = 4, 271 + 3, 646 ln U 2,327 sebagai model pertumbuhan terbaik untuk PT. Sumalindo Hutani Jaya II, Kalimantan Timur.

Tinggi (m)

21

18 16 14 12 10 8 6 4 2 0 1

2

3

4

5

Umur (th)

Gambar 3. Kurva pertumbuhan tinggi

Model Pertumbuhan Volume per Hektar (V/Ha)

Berdasarkan kriteria-kriteria uji yang telah dilakukan pada Tabel 3, model pertumbuhan untuk volume per hektar didapatkan bahwa dengan penambahan peubah

bebas

kerapatan

tegakan

dapat

meningkatkan

keragaman

dari

pertumbuhan volume per Hektar, walaupun tidak terlalu berbeda. Namun, beberapa model dengan peubah bebas kerapatan tegakan dan umur memiliki nilai p-value untuk koefisien kerapatan yang lebih besar dari nilai α (0,05). Dalam pemilihan model pertumbuhan Volume per Hektar perlu diingat bahwa Volume per Hektar dipengaruhi oleh banyak jumlah pohon per hektarnya, yang dinyatakan dengan rumus : V / Ha =

10000(m 2 ) Nj ∑Vij W j ( m 2 ) i =1

Dimana : V/Ha : volume per hektar ; Wj

: luas plot ke-j ;

Vij

: volume pohon ke-I dalam plot ke-j.

Oleh karena itu pemilihan model terbaik pertumbuhan Volume per Hektar menggunakan peubah bebas kerapatan tegakan dan umur.

22

Tabel 3.

Rekapitulasi Analisis Regresi Model Pertumbuhan Volume per Hektar Model

1. V 2. V

= 64, 637 − 61, 956(1 / U )

3. V

=

4. V 5.

= 4, 071 − 2, 025U + 3, 347U

2

U

H0/H1 H1

R2

R2adj

RMSE

S

88,37

87,96

9,7

44,02

H1

60,71

60,04

17,68

80,74

H1

87,25

87,03

10,07

57,2

H1

89

88,62

9,44

43,21

H1

89,07

88,69

9,41

41,61

H1

76,89

76,08

13,68

119,86

H1

88,27

87,86

9,74

40,42

H1

88,45

87,83

9,76

43,14

H1

60,71

59,34

17,84

80,71

H1

89,19

88,81

9,36

42

0, 16 − 0, 019U

=

U

2

2 1, 112 − 0, 415U + 0, 052U 2,991 V = 5, 373 + 17, 262(ln U ) 1 −0,00002 (1−0,1) V = 6, 897(1 − e ) 1,921 0,078 V = 2, 095U N

6. 7. 8. V = −1, 127 + 0, 004 N − 1, 197U + 3, 264U 2 9. V = 64, 3626 + 0, 0004 N − 62, 1160(1 / U ) 1 −U −N 0, 01 + 0, 516 e + 0, 1e

10.

V =

11.

V = 60, 760 − 60, 473(1 / U ) + 2572, 550(1 / N )

H1

60,75

59,37

17,83

80,7

12.

Ln (V ) = 3, 191 + 0, 0004 N + 1, 713(ln U )

H1

81,68

81,03

1,68

43,02

Berdasarkan kriteria uji statistik, model pertumbuhan Volume per Hektar memiliki nilai koefisien determinasi (R2) dan koefisien determinasi terkoreksi (R2adj) tidak berbeda banyak. Model 10 memiliki nilai R2 dan R2adj tertinggi yaitu 89,19% dan 88,81%, sedangkan model 9 memiliki nilai R2 dan R2adj terendah yaitu 60,75% dan 59,37%. Pada Model 10 nilai R2adj memiliki arti peubah bebas dapat menerangkan keragaman peubah tak bebasnya sebesar 88,81%, sedangkan sisanya sebesar 11,91% tidak dapat diterangkan oleh peubah bebasnya. Dilihat dari nilai RMSE yang menunjukkan tingkat keakuratan suatu model, didapatkan hasil Model 12 memiliki nilai RMSE terkecil yaitu 1,68, sedangkan model 9 memiliki nilai RMSE tertinggi sebesar 17,84. Berdasarkan nilai S yang juga menunjukkan keakuratan dari suatu model didapatkan, nilai S terkecil terdapat pada Model 7 yaitu sebesar 40,42%, sedangkan Model 9 memiliki nilai S terbesar yaitu 80,71%. Sedangkan berdasarkan bentuk kurva yang dihasilkan dari model-model tersebut didapatkan bahwa model pertumbuhan Volume per Hektar cukup

23

mendekati sigmoid. Dengan mengombinasikan antara kriteria uji statistik, kelogisan bentuk kurva, dan kesederhanaan maka dalam penelitian ini memilih Model 10 yaitu V =

1 −U −N + 0,1e 0, 01 + 0, 516e

sebagai model terbaik untuk

pertumbuhan Volume per Hektar di PT. Sumalindo Hutani Jaya II, Kalimantan Timur.

V/Ha (m3/ha)

100 80 60 40 20 0 1

2

3

4

5

Um ur (th)

Gambar 4. Kurva pertumbuhan Volume per Hektar

Hubungan Kerapatan dengan Pertumbuhan Diameter

Menurut Bruce dan Schumacher (1950) pertumbuhan dipengaruhi oleh faktor internal dan faktor eksternal. Faktor internal ini antara lain sifat genetik pohon, persediaan bahan makanan dalam pohon dan persediaan air di dalam pohon. Sedangkan faktor eksternal antara lain adalah kerapatan tegakan, suhu, curah hujan, kelembapan udara, komposisi kimia tanah, kandungan hara mineral, dan kandungan organisma tanah. Salah satu faktor eksternal yang sering digunakan dalam penyusunan model pertumbuhan adalah kerapatan tegakan Pembuktian asumsi bahwa terdapat hubungan yang kuat antara kerapatan tegakan dengan pertumbuhan diameter dibuktikan menggunakan rumus persentase pertumbuhan diameter G =

ΔY × 100% dimana G adalah pertumbuhan dan Y Y

adalah diameter pada umur tertentu. Pertumbuhan diameter didapatkan dari model terbaik pertumbuhan diameter yang menggunakan peubah bebas umur dan kerapatan tegakan, yaitu D = 58, 885U 0,539 N −0,346 dengan menggunakan kerapatan untuk N1 = 1100 dan N2 = 700. Pada umur 5 tahun, hasil yang didapatkan adalah 16,91%.

24

16

Diameter (cm)

14 12 10 D N=1100

8

D N=700

6 4 2 0 1

2

3

4

5

umur (th)

Gambar 5. Hubungan Pertumbuhan Diameter dengan Kerapatan Tegakan pada Berbagai Umur Hubungan Kerapatan dengan Pertumbuhan Tinggi

Pembuktian asumsi bahwa terdapat hubungan yang kuat antara kerapatan tegakan dengan pertumbuhan tinggi dibuktikan menggunakan rumus persentase pertumbuhan tinggi G =

ΔY × 100% dimana G adalah pertumbuhan dan Y adalah Y

tinggi pada umur tertentu. Pertumbuhan tinggi didapatkan dari model terbaik pertumbuhan tinggi yang menggunakan peubah bebas umur dan kerapatan tegakan,

yaitu

T = 6,122 − 0, 003 N + 0, 753U + 0, 302U

2

dengan

menggunakan

kerapatan N1 = 1100 dan N2 = 700. Hasil yang didapatkan untuk tinggi 7,72% pada umur 5 tahun. 18 16

Tinggi (m)

14 12 10

T N=1100

8

T N=700

6 4 2 0 1

2

3

4

5

umur (th)

Gambar 6. Hubungan Pertumbuhan Tinggi dengan Kerapatan Tegakan pada Berbagai Umur

25

Dengan membandingkan hasil antara persentase pengaruh pertumbuhan diameter tegakan dengan pertumbuhan tinggi tegakan, maka dapat disimpulkan bahwa kerapatan tegakan lebih berpengaruh kuat terhadap pertumbuhan diameter tegakan dibandingkan pertumbuhan tinggi tegakan. Hal ini didukung oleh pendapat Haeruman dalam Widodo (1989) yang mengatakan bahwa pertumbuhan tinggi pohon sangat dipengaruhi oleh kesuburan tempat tumbuh, berkorelasi kuat dengan volume, namun berkorelasi lemah dengan kerapatan tegakan. Hal ini juga sesuai dengan pendapat Pandit (1995) dimana pertumbuhan diameter merupakan hasil dari kegiatan kambium vaskuler yang mengadakan pertumbuhan sekunder dan menghasilkan jaringan sekunder (xylem dan floem). Pertumbuhan diameter dibangun oleh hasil fotosintesis simpanan sehingga dimulai lebih lambat dan lebih lama dibandingkan pertumbuhan tinggi pada pohon, memiliki sifat fluktuatif berdasarkan faktor lingkungan, kelembaban udara, intensitas cahaya, dan temperatur. Dan juga persaingan antar individu pohon dalam mengabsorbsi air sangat terpengaruh, oleh karena itu kerapatan tegakan juga mempengaruhi pertumbuhan. Selain itu hasil ini juga menguatkan dalam pemilihan model pertumbuhan terbaik untuk model pertumbuhan diameter dan tinggi.

Kegunaan Model Pertumbuhan untuk Pengelolaan Hutan

Model

pertumbuhan

ini

dapat

digunakan

untuk

memproyeksikan

perkembangan diameter, tinggi, dan Volume per Hektar, menghitung besarnya riap dari tanaman A. mangium. Riap merupakan pertumbuhan tahunan berdasarkan interval waktu. Riap dapat dikelompokkan menjadi tiga bagian yaitu Riap tahunan berjalan (Current Annual Increment, CAI), Riap rata-rata tahunan (Mean Annual Increment, MAI), dan Riap periodik tahunan (Periodic Annual Increment, PAI) (Loetsch et al., 1973). Dalam pengelolaan HTI, informasi mengenai daur volume optimum sangat diperlukan. Informasi ini dapat diketahui dengan adanya perhitungan CAI yang merupakan turunan pertama dari model pertumbuhan dan perhitungan MAI, dimana daur optimum didapatkan pada saat titik perpotongan antara CAI dan titik

26

MAI. Berdasarkan persamaan terbaik dari pertumbuhan Volume per Hektar, yaitu :V=

1 maka dapat ditentukan nilai CAI dan MAI −U −N 0, 01 + 0, 516e + 0,1e

Berdasarkan perhitungan yang telah dilakukan didapatkan daur volume maksimum untuk tanaman A. mangium adalah pada umur 5,25 tahun. Hal ini diperlihatkan pada Gambar 7. dengan terjadinya perpotongan antara CAI dan MAI pada umur 5,25 tahun. Nilai selengkapnya dari CAI dan MAI terdapat pada Lampiran 2. 60.00

40.00 CAI

30.00

MAI

20.00 10.00

5

5

5

7.

8.

9.

5 4.

5

5 3.

6.

5 2.

5

5 1.

5.

5

0.00 0.

CAI& MAI V/Ha

50.00

Umur (th)

Gambar 7. Kurva CAI & MAI Volume per Hektar

27

KESIMPULAN DAN SARAN Kesimpulan

1. Model pertumbuhan diameter tegakan Acacia mangium di PT. Sumalindo Hutani Jaya II adalah D = 58, 885U 0,539 N −0,346 dengan nilai R2 sebesar 89,25%, R2adj sebesar 88,87%, RMSE sebesar 1,29, dan S sebesar 12,98%. 2. Model pertumbuhan tinggi tegakan Acacia mangium di PT. Sumalindo Hutani Jaya II adalah T = 4, 271 + 3, 646 ln U 2,327 , dengan nilai R2 sebesar 91%, R2adj sebesar 90,69%, RMSE sebesar 1,32, dan S sebesar 15,11%. 3. Model pertumbuhan volume per hektar tegakan Acacia mangium di PT. Sumalindo Hutani Jaya II adalah V =

1 −U − N , dengan + 0,1e 0, 01 + 0, 516e

nilai R2 sebesar 89,19%, R2adj sebesar 88,81%, RMSE sebesar 9,36, dan S sebesar 42%. 4. Kerapatan tegakan memiliki pengaruh yang lebih besar terhadap pertumbuhan diameter dibandingkan terhadap pertumbuhan tinggi. 5. Daur optimum untuk tegakan Acacia mangium di PT. Sumalindo Hutani Jaya II adalah pada saat umur 5,25 tahun.

Saran

1. Mengingat pertumbuhan dipengaruhi oleh berbagai macam faktor, oleh karena itu diperlukan penelitian lebih lanjut mengenai pertumbuhan dengan penambahan peubah bebas seperti kualitas tempat tumbuh. 2. Untuk mendapatkan hasil yang lebih baik, diperlukan penambahan variasi data dari berbagai umur sehingga dapat dihasilkan persamaan yang lebih baik dan lebih mewakili. 3. Diperlukan data tambahan berupa pohon peninggi dengan tujuan agar dapat menyusun kurva pertumbuhan berdasarkan kualitas tempat tumbuh yang ada di PT. Sumalindo Lestari Jaya Tbk.

DAFTAR PUSTAKA Amaro, Ana, D. Reed, M. Tome, and I. Themido. 1998. Modeling Dominant Height Growth : Eucalyptus Plantations in Portugal. Society of American Foresters. Forest Science 44(1): 37-46. Badan Penelitian dan Pengembangan Kehutanan. 1994. Pedoman Teknis Penanaman Jenis-Jenis Kayu Komersil. Departemen Kehutanan Badan Penelitian dan Pengembangan Kehutanan. Jakarta. Badan Penelitian dan Pengembangan Kehutanan. 1998. Pedoman Pembangunan Hutan Tanaman Industri . Departemen Kehutanan Badan Penelitian dan Pengembangan Kehutanan. Jakarta. Bruce, D and FX Schumacher. 1950. Forest Mensuration. Mc Graw-Hill Book Company Inc. New York. Budiyanto. Eko. 2002. Model Pertumbuhan Rata-Rata Diameter dan Rata-Rata Tinggi Pohon Untuk Tegakan Agathis loranthifolia Salisb. Skripsi. Jurusan Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor. Tidak Diterbitkan. Davis, LS and KN Johnson. 1987. Forest Management 3rd Edition. Mc. Graw-Hill Book Company Inc. New York. Harbagung. 2004. Model Hasil Tegakan Hutan Tanaman Acacia mangium Willd. Di daerah Semaras Pulau Laut Kalimantan Selatan. Bul. Pen. Hutan 644: 11-30. ________. 2004. Model Hasil Tegakan Hutan Tanaman Acacia mangium Willd. Di Kecamatan Tungkal Ulu, Kabupaten Tanjung Jabung Barat Jambi Sumatra. Bul.Pen. Hutan 645: 1-23. Husch, Charles Miller, and Thomas beers. 1982. Growth of The Tree. John Willey and Sons Inc. Krieger Publishing Company: Florida. Kramer, PJ and TT. Kozlowski. 1960. Physiology of Trees. Mc Graw-Hill Book Company. New York. Loetsch F, F Zohrer, and KE Haller. 1973. Forest Inventory Vol II. Translataed to English by KF Panzer. BLV Ver Lagsgesell Schaft. Muenchen. Malik, Jamaludin, Adi santoso, dan Osly Rachman. 2000. Himpunan Sari Hasil Penelitian Mangium dan Tusam. Badan Penelitian dan Pengembangan Kehutanan dan Perkebunan. Bogor.

National Academy of Sciences. 1983. Mangium and Other Fast Growing Acacias for The Humid Tropics. National Academy Press. Washington DC. Nurhasybi. 2000. Atlas Benih Tanaman Hutan Indonesia. Balai Teknologi Perbenihan Vol 2 No.3. Bogor. Palokangas. 1996. Acacia mangium in Pulp and Paper Production Reforestation : Meeting The Future Industrial Wood Demand. Proceeding of A Workshop Held in Jakarta. Enso Group Nordic Forest Development. Pandit, IKN. 1995. Anatomi Pertumbuhan dan Kualitas Kayu. Disertasi Fakultas Pasca Sarjana IPB. Bogor. Tidak Diterbitkan. Prihanto, Budi dan Muhdin. 2005. Metode Statistika Diktat Kuliah. Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor. Bogor. Prodan, M. 1968. Forest Biometrics. Pergamon Press, Oxford. London. Spurr, SH. 1952. Forest Inventory. The Ronald Press Company. New York. Suhendang, Endang. 1990. Hubungan Antara Dimensi Tegakan Hutan Tanaman Dengan Faktor Tempat Tumbuh dan Tindakan Silvikultur Pada Hutan Tanaman Pinus Merkusii JungH Et De Vriese di Pulau Jawa. Disertasi Fakultas Pasca Sarjana IPB. Tidak Diterbitkan. Sumalindo Hutani Jaya II. 2004. Daftar Compartemen Tanaman. HPHTI Sumalindo Hutani Jaya II Site Sei Mao/Bhirawa. ________________________. 2005. Rencana Karya Tahunan 2005. HPHTI Sumalindo Hutani Jaya II Site Sei Mao/Bhirawa. Vanclay, JK. 1994. Modelling Forest Growth and Yield. CAB International. United Kingdom. Widodo, P. 1989. Model Pertumbuhan Hasil Tegakan Hutan Tanaman Seumur Pinus merkusii Jungh et de vriese. Disertasi. Fakultas Pasca Sarjana IPB. Tidak Diterbitkan. Wiroatmodjo. 1984. Model Perhitungan Pertumbuhan dan Hasil Kayu Bulat Hutan Tanaman Pinus Merkusii di Jawa. Disertasi Fakultas Pasca Sarjana IPB. Tidak Diterbitkan.

LAMPIRAN

31

Lampiran 1. Analisis Ragam Model Pertumbuhan dari software Statistica Model pertumbuhan Diameter Model is: D=2.444+3.056U2 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF

Mean squares F-value p-value

Regression

5985.162

3.00000

Residual

125.562

57.00000 2.203

Total

6110.724

60.00000

Corrected Total

878.083

59.00000

Regression vs.Corrected Total 5985.162

3.00000

1995.054

1995.054

905.6697 0.00

134.0514 0.00

Model is: D=14.812-9.659(1/U) Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5913.707

2.00000

Residual

197.017

58.00000 3.397

Total

6110.724

60.00000

Corrected Total

878.083

59.00000


2.00000

2956.854

2956.854

870.4694 0.00

198.6765 0.00

Model is: D=U/(0.159+0.039U) Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5977.022

2.00000

Residual

133.703

58.00000 2.305

Total

6110.724

60.00000

Corrected Total

878.083

59.00000


2.00000

2988.511

2988.511

1296.411 0.00

200.804

0.00

Model is: D=U2 /(-0.088+0.252U+0.022U2) Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5985.702

3.00000

Residual

125.022

57.00000 2.193

Total

6110.724

60.00000

Corrected Total

878.083


1995.234

909.6647 0.00

59.00000 3.00000

1995.234

134.0635 0.00

32

Model is: D=a+b*(ln(U))^c 5.399+4.367(lnU)1.572 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5986.836

3.00000

Residual

123.888

57.00000 2.173

Total

6110.724

60.00000

Corrected Total

878.083


1995.612

918.1676 0.00

59.00000 3.00000

1995.612

134.0889 0.00

Model is: D=a*(1-Euler^((-b)*U))^1/(1-c) 0.759(1-e(-0.332U))1/1-0.956 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5972.984

3.00000

Residual

137.741

57.00000 2.417

Total

6110.724

60.00000

Corrected Total

878.083

59.00000


3.00000

1990.995

1990.995

823.9154 0.00

133.7786 0.00

Model is: D= 58.885U0.539N-0.346 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


6016.300

3.00000

94.424

57.00000 1.657

Total

6110.724

60.00000

Corrected Total

878.083

Regression Residual


2005.433

1210.601 0.00

59.00000 3.00000

2005.433

134.749

0.00

Model is: D=7.184-0.004N+2.3U-0.05U2 Level of confidence: 95.0% ( alpha=0.050) Sum of squares Regression Residual

DF


6014.151

4.00000

96.573

56.00000 1.725

Total

6110.724

60.00000

Corrected Total

878.083

59.00000


4.00000

1503.538

1503.538

871.8553 0.00

101.0255 0.00

Model is: D=17.521-0.004N-8.083(1/U) Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5944.449

3.00000

Residual

166.275

57.00000 2.917

Total

6110.724

60.00000

Corrected Total

878.083

59.00000


3.00000

1981.483

1981.483

679.2639 0.00

133.1395 0.00

33

Model is: D=1/0.071+0.358e-U+0.1e-N

Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5964.454

3.00000

Residual

146.271

57.00000 2.566

Total

6110.724

60.00000

Corrected Total

878.083

59.00000


3.00000

1988.151

1988.151

774.7596 0.00

133.5876 0.00

Model is: D=a+(b*U^(-1))+(c*N^(-1)) 8.628-7.293U-1+4103.482N-1 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5955.513

3.00000

Residual

155.212

57.00000 2.723

Total

6110.724

60.00000

Corrected Total

878.083

59.00000


3.00000

1985.171

1985.171

729.0349 0.00

133.3873 0.00

Model is: Ln D= ln7.332-0.0003N+0.553lnU Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


285.3157

3.00000

1.6403

57.00000 0.02878

Total

286.9560

60.00000

Corrected Total

11.4883

Regression Residual


95.10523

3304.914 0.00

59.00000 3.00000

95.10523

488.427

0.00

Model Pertumbuhan Tinggi Model is: T=a+b*U+c*U^2 2.687+1.301U+0.247U2 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5221.643

3.00000

Residual

103.809

57.00000 1.821

Total

5325.452

60.00000

Corrected Total

1104.778

59.00000


3.00000

1740.548

1740.548

955.7089 0.00

92.9529

0.00

Model is: T=14.295-10.426(1/U) Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5014.174

2.00000

Residual

311.277

58.00000 5.367

Total

5325.452

60.00000

Corrected Total

1104.778


2507.087

467.1430 0.00

59.00000 2.00000

2507.087

133.8895 0.00

34

Model is: T= U/0.28+0.012U Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5193.771

2.00000

Residual

131.681

58.00000 2.270

Total

5325.452

60.00000

Corrected Total

1104.778


2596.885

1143.819 0.00

59.00000 2.00000

2596.885

138.685

0.00

Model is: T= U2/-0.228+0.484U-0.023U2 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5223.028

3.00000

Residual

102.424

57.00000 1.797

Total

5325.452

60.00000

Corrected Total

1104.778

59.00000


3.00000

1741.009

1741.009

968.8905 0.00

92.9775

0.00

Model is: T= 4.271+3.646lnU2.327 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


5226.048

3.00000

99.404

57.00000 1.744

Total

5325.452

60.00000

Corrected Total

1104.778

Regression Residual


1742.016

998.9053 0.00

59.00000 3.00000

1742.016

93.0313

0.00

Model is: T=a*(1-Euler^((-b)*U))^1/(1-c) 1.301(1-e-0.072U)1/1-0.973 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5193.367

3.00000

Residual

132.085

57.00000 2.317

Total

5325.452

60.00000

Corrected Total

1104.778


1731.122

747.0471 0.00

59.00000 3.00000

1731.122

92.4495

0.00

Model is: T=a*(u^b)*(N^c) 17.577U0.799N-0.223 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5215.701

3.00000

Residual

109.751

57.00000 1.925

Total

5325.452

60.00000

Corrected Total

1104.778


1738.567

902.9404 0.00

59.00000 3.00000

1738.567

92.8471

0.00

35

Model is: T=a+b*N+c*U+d*U^2 6.122-0.003N+0.753U+0.302U2 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


5236.871

4.00000

88.581

56.00000 1.582

Total

5325.452

60.00000

Corrected Total

1104.778

Regression Residual


1309.218

827.6783 0.00

59.00000 4.00000

1309.218

69.9180

0.00

Model is: T=16.475-0.003N-9.158(1/U) Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5034.075

3.00000

Residual

291.377

57.00000 5.112

Total

5325.452

60.00000

Corrected Total

1104.778

59.00000


3.00000

1678.025

1678.025

328.2603 0.00

89.6139

0.00

Model is: T=1/(a+(b*Euler^(-U))+(c*Euler^(-N))) 1/0.66+0.693e-U+0.1e-N Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5159.939

3.00000

Residual

165.513

57.00000 2.904

Total

5325.452

60.00000

Corrected Total

1104.778


1719.980

592.3321 0.00

59.00000 3.00000

1719.980

91.8545

0.00

Model is: T=a+(b*U^(-1))+(c*N^(-1)) 9.437-8.567U-1+3223.884N-1 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

5039.979

3.00000

Residual

285.473

57.00000 5.008

Total

5325.452

60.00000

Corrected Total

1104.778


1679.993

335.4414 0.00

59.00000 3.00000

1679.993

89.7190

0.00

Model is: LnT= ln5.172-0.0002N+0.718LnU Level of confidence: 95.0% ( alpha=0.050) Sum of squares Regression Residual

DF


251.7834

3.00000

2.6234

57.00000 0.04602

Total

254.4068

60.00000

Corrected Total

17.6519

59.00000


3.00000

83.92780

83.92780

1823.544 0.00

280.521

0.00

36

Model Pertumbuhan Volume per Hektar Model is: V=a+b*U+c*U^2 4.071-2.048U+3.347U2 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF

Mean squares F-value

Regression

93101.58

3.00000

Residual

5367.09

57.00000 94.16

Total

98468.67

60.00000

Corrected Total

46153.91


31033.86

p-value

329.5882 0.000000

59.00000 3.00000

31033.86

39.6716

0.000000


p-value

Model is: V=64.637-61.955(1/U) Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF

Regression

80336.54

2.00000

Residual

18132.13

58.00000 312.62

Total

98468.67

60.00000

Corrected Total

46153.91


40168.27

128.4879 0.000000

59.00000 2.00000

40168.27

51.3484

0.000000


p-value

Model is: V=U/0.16-0.019U Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF

Regression

92585.09

2.00000

Residual

5883.58

58.00000 101.44

Total

98468.67

60.00000

Corrected Total

46153.91


46292.55

456.3491 0.000000

59.00000 2.00000

46292.55

59.1772

0.000000


p-value

Model is: V=U2/1.112-0.415U+0.052U2 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF

Regression

93391.74

3.00000

Residual

5076.93

57.00000 89.07

Total

98468.67

60.00000

Corrected Total

46153.91


31130.58

349.5111 0.000000

59.00000 3.00000

31130.58

39.7952

0.000000


p-value

Model is: V= 5.373+17.262lnU2.991 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF

Regression

93424.61

3.00000

Residual

5044.07

57.00000 88.49

Total

98468.67

60.00000

Corrected Total

46153.91

59.00000


3.00000

31141.54

31141.54

351.9120 0.000000

39.8092

0.000000

37

Model is: LnV= ln4.636+1.639lnU Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

539.4609

2.00000

Residual

15.5902

58.00000 0.2688

Total

555.0511

60.00000

Corrected Total

83.7581

59.00000


2.00000

269.7305

269.7305

1003.473 0.00

190.001

0.00

Model is: V= 2.095U1.921N0.078 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

93056.38

3.00000

Residual

5412.29

57.00000 94.95

Total

98468.67

60.00000

Corrected Total

46153.91


31018.79

p-value

326.6769 0.000000

59.00000 3.00000

31018.79

39.6523

0.000000


p-value

Model is: V= -1.127+0.004N-1.197U+3.264U2 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF

Regression

93136.43

4.00000

Residual

5332.24

56.00000 95.22

Total

98468.67

60.00000

Corrected Total

46153.91


23284.11

244.5332 0.000000

59.00000 4.00000

23284.11

29.7648

0.000000


p-value

Model is: V= 64.363+0.0004N-62.116(1/U) Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF

Regression

80336.85

3.00000

Residual

18131.82

57.00000 318.10

Total

98468.67

60.00000

Corrected Total

46153.91

59.00000


3.00000

26778.95

26778.95

84.18352 0.000000

34.23238 0.000000

Model is: V=1/(a+(b*Euler^(-U))+(c*Euler^(-N))) 1/0.01+0.516e+0.1e-N Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

93478.50

3.00000

Residual

4990.17

57.00000 87.55

Total

98468.67

60.00000

Corrected Total

46153.91


31159.50

p-value

355.9181 0.000000

59.00000 3.00000

31159.50

39.8322

0.000000

38

Model is: V=a+(b*U^(-1))+(c*N^(-1)) 60.76-60.473U-1+2572.55N-1 Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

80352.97

3.00000

Residual

18115.70

57.00000 317.82

Total

98468.67

60.00000

Corrected Total

46153.91


26784.32

p-value

84.27531 0.000000

59.00000 3.00000

26784.32

34.23924 0.000000

Model is: LnV=ln3.191+0.0004N+1.713lnU Level of confidence: 95.0% ( alpha=0.050) Sum of squares

DF


Regression

539.7026

3.00000

Residual

15.3485

57.00000 0.2693

Total

555.0511

60.00000

Corrected Total

83.7581

59.00000


3.00000

179.9009

179.9009

668.1005 0.00

126.7239 0.00

39

Lampiran 2. Perkiraan Pertumbuhan Tegakan Mangium (A. mangium) di HPHTI Sumalindo Hutani Jaya II Diameter Umur (th)

Kerapatan tegakan (N/Ha)

1

1100

5.23

2

1045

7.74

3

993

9.80

4

943

11.64

5

896

13.37

6

851

15.01

7

809

16.60

8

768

18.16

9

730

19.70

693

21.22

Umur (th)


Perkiraan pertumbuhan (m)

1

1100

4.27

2

1045

5.82

3

993

8.81

4

943

12.07

5

896

15.30

6

851

18.43

7

809

21.43

8

768

24.30

9

730

27.03

693

29.66

10

Perkiraan pertumbuhan (cm)

Tinggi

10

Untuk pertumbuhan diameter dan tinggi untuk umur 6-10 tahun merupakan estimasi dari model pertumbuhan. Volume per Hektar Umur (th) 1 2 3 4 5 6 7 8 9 10


Perkiraan pertumbuhan (m3/Ha)

1100

5.02 12.59 28.32 52.43 76.32 91.69 99.03 102.03 103.18 103.61

1020 969 921 876 851 833 792 715 680

Riap Volume CAI (m3/Ha) MAI (m3/Ha) 21.23 39,09 48.41 37.10 19.48 8.32 3.24 1.22

5.02 6.29 9.44 13.12 15.26 15.28 14.15 12.75 11.46

0.45

10.36

MODEL PERTUMBUHAN RATA-RATA DIAMETER, RATA-RATA TINGGI DAN VOLUME TEGAKAN

Recommend Documents