PENYUSUNAN TABEL VOLUME LOKAL JENIS NYATOH (Palaquium spp.) di IUPHHK-HA PT. MAMBERAMO ALASMANDIRI, PROPINSI PAPUA
DIMAS DARMA SEPUTRA
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2013
ABSTRAK DIMAS DARMA SEPUTRA. Penyusunan Tabel Volume Lokal Jenis Nyatoh (Palaquium spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua. Dibimbing oleh BUDI PRIHANTO. Inventarisasi hutan adalah kegiatan yang dilaksanakan untuk mengetahui dan memperoleh data serta informasi tentang sumberdaya, potensi serta lingkungannya secara lengkap. Tujuan utama dari kegiatan inventarisasi hutan adalah mendapatkan data mengenai kondisi sediaan tegakan hutan. Untuk membantu kegiatan inventarisasi hutan dibutuhkan suatu alat bantu inventarisasi guna mempercepat kegiatan dan memperkecil kesalahan yang terjadi dalam pengukuran. Alat bantu yang dimaksud yaitu tabel volume pohon. PT. Mamberamo Alasmandiri memiliki keanekaragaman jenis pohon yang heterogen, salah satunya pohon nyatoh (Palaquium spp.) Penelitian ini bertujuan untuk menyusun tabel volume lokal pohon nyatoh (Palaquium spp.). Penyusunan model tabel volume menggunakan 150 pohon yang sudah direbahkan, dipilih secara purpossive sampling. Persamaan regresi yang digunakan antara lain persamaan Berkhout, Kopezky-Gehrhardt, dan Horenald-Krenn. Beberapa uji yang digunakan untuk pemilihan model terbaik adalah uji keberartian model, analisis sisaan dan analisis data pencilan. Validasi model menggunakan metode Jacknife berdasarkan nilai Predicted Residual of Sum Square (PRESS). Kriteria pemilihan model terbaik yang digunakan seperti nilai koefisien determinasi (R²), koefisien determinasi terkoreksi (R a ²), simpangan baku (s), simpangan agregrat (SA), simpangan rata-rata (SR), dan Root Mean Square Error (RMSE). Persamaan terbaik jenis nyatoh (Palaquium spp) di IUPHHK-HA PT. Mamberamo Alasmandiri adalah V = 0,000158 D bh 2,48. Kata kunci: inventarisasi hutan, nyatoh, purpossive sampling
ABSTRACT DIMAS DARMA SEPUTRA. The Construction of the Local Volume Tables of Nyatoh (Palaquium spp.) in IUPHHK-HA PT. Mamberamo Alasmandiri, Papua Province. Supervised by BUDI PRIHANTO. Forest inventory is activities to know and obtain data along information about resources, potential values, and full of environments . The main objective of forest inventory activities is getting data about the condition of timber standing stock. To help forest inventory activities is needed supporting tools to facilitated this measurement and as well as to reduce human error that include tree’s volume table. PT. Mamberamo Alasmandiri have a heterogeneous diversity of tree’s species, one of them is nyatoh (Palaquium spp.). The main objective of this research is to establish local volume table nyatoh (Palaquium spp.). The volume table model using 150 trees that have been felled, selected by purpossive sampling. The regression equation that used including Berkhout equation, Kopezky- Gehrhardt, and Horenald-Krenn. Some of test that used for selecting the best model are analysis of variance, residual analysis, and outlier analysis. Validation model using Jacknife Procedures base on predicted residual sum of square (PRESS) value. The criteria used for selecting the best model is coefficient of determination (R²), adjusted coefficient of determination (R a ²), standard deviation (s), aggregate deviation (SA), average deviation (SR) and RMSE. The best model of nyatoh (Palaquium spp.) in IUPHHK-HA PT. Mamberamo Alasmandiri is V = 0,000158 D bh 2,48. Key words: forest inventory, nyatoh, purpossive sampling
PENYUSUNAN TABEL VOLUME LOKAL JENIS NYATOH (Palaquium spp.) di IUPHHK-HA PT. MAMBERAMO ALASMANDIRI, PROPINSI PAPUA
DIMAS DARMA SEPUTRA
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2013
PERNYATAAN Dengan ini saya menyatakan bahwa skripsi berjudul Penyusunan Tabel Volume Lokal Jenis Nyatoh (Palaquium spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua adalah benar-benar hasil karya saya sendiri dengan bimbingan dosen pembimbing dan belum pernah digunakan sebagai karya ilmiah pada perguruan tinggi atau lembaga manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Bogor, Januari 2013
Dimas Darma Seputra NRP. E14080104
LEMBAR PENGESAHAN Judul
: Penyusunan Tabel Volume Lokal Jenis Nyatoh (Palaquium spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua.
Nama Mahasiswa : Dimas Darma Seputra NIM
: E14080104
Menyetujui, Dosen Pembimbing
Ir. Budi Prihanto, MS NIP. 19610720 198903 1 004
Mengetahui, Kepala Departemen Manajemen Hutan
Dr. Ir. Didik Suharjito, MS NIP 19630401 199403 1 001
Tanggal Lulus :
RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 4 Desember 1990 sebagai anak pertama dari tiga bersaudara pasangan H. Darkum Hartono, SE, MM dan Hj. Nining Munasih. Penulis menempuh pendidikan di SDN Gunung Gede Bogor pada tahun 1996, kemudian melanjutkan pendidikan di SLTPN 2 Bogor pada tahun 2002 dan pada tahun 2005 melanjutkan pendidikan di SMAN 8 Bogor. Pada Tahun 2008 penulis melanjutkan pendidikan di Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor. Selama menuntut ilmu di IPB, penulis aktif di organisasi yakni sebagai anggota divisi Pengembangan Sumber Daya Manusia (PSDM) himpunan profesi (himpro) Forest Management Student Club (FMSC) tahun 2009-2010, anggota divisi logistik dan transportasi kepanitiaan Bina Corps Rimbawan (BCR) tahun 2010 dan 2011. Anggota divisi logistik dan transportasi Temu Manager (TM) tahun 2009-2010. Ketua divisi logistik dan transportasi Jungle Jazz 2011 dan ketua kelompok studi Hidrologi Hutan tahun 2010-2011. Sebagai syarat memperoleh gelar Sarjana Kehutanan di Institut Pertanian Bogor, penulis menyelesaikan skripsi dengan judul ”Penyusunan Tabel Volume Lokal jenis Nyatoh (Palaquium spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua” di bawah bimbingan Ir. Budi Prihanto, MS.
PRAKATA Puji syukur penulis panjatkan kehadirat Allah SWT, karena berkat rahmat dan hidayah-Nya penulis mampu menyelesaikan skripsi yang berjudul Penyusunan Tabel Volume Lokal Jenis Nyatoh (Palaquium spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua. Skripsi ini diharapkan dapat bermanfaat bagi PT. Mamberamo Alasmandiri dalam pelaksanaan kegiatan inventarisasi hutan dan memperkaya literatur mengenai teknik penyusunan tabel volume lokal. Penulis mengucapkan terima kasih kepada : 1. Kedua orang tua, Bapak H. Darkum Hartono, SE, MM dan Hj. Nining Munasih serta adik-adikku Siti Nurfitrianingsih dan Rizky Tri Darma Putra atas segala doa, dukungan dan kasih sayangnya. 2. Bapak Ir. Budi Prihanto, MS selaku dosen pembimbing dalam penyusunan skipsi. 3. Bapak Maman, Bapak Guntur Wibowo, Bapak Sulatko, Bapak Sugianto, Bapak Heri Binawan, Bapak Wuri, Bapak Fadli, Ka Ikma, dan Bang Qori atas bimbingannya selama penelitian. 4. Mas Sigit, Yusran, Arianda, Om Rudi, Om Joko, Mas Dabeh, Mas Lulus, dan rekan-rekan di Camp TPTI, Camp Aja serta Camp Agathis yang banyak membantu penulis selama di lapangan. 5. Keluarga besar Manajemen Hutan angkatan 45. 6. Ifani Rusvadilla, Pamungkas, Ganis, Febrina, Rinda, Adita, Megandana, Nizar, Agung, Nova, Endrawati, Refly, dan semuanya yang telah memberikan saran, kritik dan motivasinya dalam karya ini. 7. Semua pihak yang tidak dapat disebutkan satu per satu yang telah turut membantu penulis dalam menyelesaikan skripsi ini.
Bogor, Januari 2013
Penulis.
i
DAFTAR ISI DAFTAR ISI. .............................................................................................................i DAFTAR TABEL....... ...............................................................................................iii DAFTAR GAMBAR .................................................................................................iv DAFTAR LAMPIRAN ..............................................................................................v BAB I
PENDAHULUAN 1.1 Latar Belakang.....................................................................................1 1.2 Tujuan .................................................................................................2 1.3 Manfaat Penelitian ...............................................................................2
BAB II
TINJAUAN PUSTAKA 2.1 Volume Pohon .....................................................................................3 2.2 Tabel Volume ......................................................................................4 2.3 Nyatoh (Palaquium spp.).....................................................................7
BAB III METODOLOGI PENELITIAN 3.1 Lokasi dan Waktu Penelitian ...............................................................9 3.2 Alat dan Bahan. ...................................................................................9 3.3 Batasan Penelitian ...............................................................................9 3.4 Metode Pengambilan Data ..................................................................9 3.4.1 Pemilihan Pohon Contoh...............................................................9 3.5 Pengolahan Data............... ...................................................................9 3.5.1 Pengukuran Pohon Contoh ............................................................9 3.5.2 Perhitungan Volume Pohon Contoh..............................................10 3.6 Analisa Data ........................................................................................10 3.6.1 Eksplorasi Data .............................................................................10 3.6.2 Pendugaan Parameter Model.........................................................11 3.6.3 Uji Keberartian Model ..................................................................13 3.6.4 Analisis Sisaan ..............................................................................13 3.6.5 Analisa Data Pencilan........... .........................................................14 3.6.6 Validasi Model........... ....................................................................14 3.6.7 Kriteria Pemilihan Model..... ..........................................................14 3.6.8 Pemilihan Persamaan Model Regresi Terbaik....... ........................17
ii
BAB IV KEADAAN UMUM LOKASI PENELITI 4.1 Sejarah Pemanfaatan Hutan. ................................................................18 4.2 Letak dan Luas.....................................................................................18 4.3 Topografi dan Kelerengan. ..................................................................18 4.4 Tanah dan Geologi...............................................................................19 4.5 Iklim dan Intensitas Hujan ...................................................................19 4.6 Keadaan Hutan ....................................................................................19 4.7 Sosial Ekonomi dan Budaya Masyarakat. ...........................................20 BAB V
HASIL DAN PEMBAHASAN 5.1 Pemilihan Pohon Contoh .....................................................................21 5.2 Eksplorasi Data ....................................................................................21 5.3 Uji Keberartian Model .........................................................................22 5.4 Analisis Sisaan.....................................................................................22 5.5 Analisis Data Pencilan .........................................................................24 5.6 Validasi Model ....................................................................................25 5.7 Kriteria Pemilihan Model ....................................................................25 5.8 Pemilihan Model Regresi Terbaik....... ................................................27
BAB VI KESIMPULAN DAN SARAN 6.1. Kesimpulan .........................................................................................28 6.2. Saran ...................................................................................................28 DAFTAR PUSTAKA ...............................................................................................29 LAMPIRAN ..............................................................................................................31
iii
DAFTAR TABEL 1. Taksonomi jenis nyatoh .........................................................................................7 2. Analisis keragaman pengujian regresi (ANOVA) .................................................13 3. Penutupan vegetasi pada IUPHHK-HA PT. Mamberamo Alasmandiri ................19 4. Ketersebaran data pohon contoh ............................................................................21 5. Uji keberartian model .............................................................................................22 6. Persamaan penduga volume dengan menghilangkan data pengamatan tak wajar (unusual observations) ..........................................................................................25 7. Nilai PRESS ...........................................................................................................25 8. Nilai R², R a ², s, SA, SR dan RMSE .......................................................................26 9. Penentuan peringkat model regresi terbaik berdasarkan nilai PRESS, R², R a ², s, S, SR dan RMSE... .................................................................................................27
iv
DAFTAR GAMBAR 1. Diagram tebar antara diameter (d bh ) dan volume (v) .............................................21 2. Beberapa persamaan diagram tebar hubungan antara sisaan dengan probabilitas normal......... ...........................................................................................................23 3. Beberapa persamaan diagram tebar hubungan antara sisaan dengan dugaan........ 24
v
DAFTAR LAMPIRAN 1. SK Menhut No 163/KPTS-II/2003.......................... ..............................................32 2. Hasil pengolahan data dengan Minitab ..................................................................35 3. Data pohon contoh dan validasi .............................................................................37 4. Tabel volume jenis nyatoh (Palaquium spp.) ........................................................39
1
BAB 1 PENDAHULUAN 1.1 Latar Belakang Inventarisasi hutan adalah kegiatan yang dilaksanakan untuk mengetahui dan memperoleh data serta informasi tentang sumberdaya, potensi serta lingkungannya secara lengkap. Tujuan utama dari kegiatan inventarisasi hutan adalah untuk mendapatkan data mengenai kondisi sediaan tegakan hutan (timber standing stock). Sediaan tegakan hutan dapat dikuantifikasikan dalam besaran volume. Volume produksi dari suatu pohon dapat diperoleh dari data dimensi pohon yang diukur saat kegiatan inventarisasi. Hubungan antara dimensi pohon yang diukur dengan volume pohon dapat dinyatakan dalam model penduganya. Berdasarkan model penduganya tersebut dapat dibuat suatu tabel volume pohon, yaitu nilai-nilai volume dalam feet kubik, meter kubik atau satuan lain yang disusun dalam bentuk tabel berdasarkan satu atau lebih dimensi pohon penduganya. IUPHHK-HA PT. Mamberamo Alasmandiri memiliki tabel volume lokal untuk jenis-jenis kayu komersil yang dominan di areal tersebut, seperti penelitian (Ilham 2011) tentang tabel volume lokal pohon matoa, (Simaremare 2011) tentang tabel volume lokal pohon merbau, (Ardelina 2011) tentang tabel volume lokal jenis meranti, dan (Isnaini 2011) tentang pengelompokan jenis tabel volume lokal bipa, medang, jambu, merbau dan matoa. Dikarenakan jenis nyatoh belum dibuat tabel volume lokal, untuk itulah dilakukan penelitian mengenai ”Penyusunan Tabel Volume Lokal Jenis Nyatoh (Palaquium spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua”.
2
1.2 Tujuan Tujuan utama dari penelitian ini adalah untuk menyusun tabel volume lokal jenis nyatoh (Palaquium spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri. 1.3 Manfaat Penelitian Manfaat dari penelitian ini adalah: 1.
Menyediakan alat bantu yang akurat untuk menaksir volume pohon dalam kegiatan inventarisasi hutan di PT. Mamberamo Alasmandiri.
2.
Memperkaya literatur mengenai teknik penyusunan tabel volume lokal.
3
BAB II TINJAUAN PUSTAKA 2.1 Volume Pohon Secara alami, volume kayu dapat dibedakan menurut berbagai macam klasifikasi sortimen. Beberapa jenis volume kayu yang paling lazim dipakai sebagai dasar penaksiran, adalah (Dephut 1992) : 1. Volume tunggak Volume kayu yang terdiri atas akar dan pangkal pohon, sampai ketinggian (tunggak) tertentu. Tinggi tunggak ini bervariasi dari 0,1-0,5 m, tetapi sebagian besar diambil 0,3 m. Di daerah yang berbukit, tinggi tunggak dihitung sama dengan tinggi banir. 2. Volume kayu batang Volume kayu diatas tunggak sampai permukaan tajuk. Bagian pohon yang menyusun volume ini adalah batang pokok sampai percabangan pertama. 3. Volume kayu tebal Volume kayu diatas tunggak sampai diameter dengan kulit besar 7 cm. Disini tercakup batang pokok dan cabang-cabang besar. 4. Volume kayu pohon Volume kayu yang terdapat diseluruh pohon, mulai dari volume tunggak sampai ujung pohon ranting. Rumus umum untuk menaksir volume kayu suatu pohon adalah (Dephut 1992) : V = (πd²)/4 x h x f =gxhxf Keterangan: v : volume kayu d : diameter setinggi dada h : tinggi pohon g : luas penampang lintang pohon pada setinggi dada f : bilangan bentuk Untuk menentukan volume pohon per seksi (sortimen), telah dikembangkan rumus-rumus matematik sebagai berikut (Sutarahardja 2008):
4
Rumus Smallian
: V = 0.5 x (B p + B u ) x h
Rumus Huber
: V = B 1/2 x h
Rumus Brereton
: V = 0,25 π ((D p + D u ) x 0,5 )² x h
Rumus Newton
: V = {B p + (B 1/2 x 4) + B u } x h x 1/6
Rumus Schiffel
: V = {(0,16 x B p ) + (0.66 x B 1/2 )} x h
Keterangan: V
: Volume batang pohon dalam m3
Bp
: Luas bidang dasar pangkal batang dalam m2
Bu
: Luas bidang dasar ujung batang pohon dalam m2
B 1/2 : Luas bidang dasar bagian tengah batang pohon dalam m2 Dp
: Diameter pangkal batang pohon dalam meter
Du
: Diameter ujung batang pohon dalam meter
h
: Panjang batang pohon Penentuan volume sortimen (batang pohon) dengan menggunakan rumus-
rumus diatas, jika makin pendek panjang batang akan menghasilkan volume yang lebih tepat, karena rumus-rumus diatas merupakan perhitungan volume yang mendasarkan kepada bentuk benda teratur yaitu bentuk silinder. Berdasarkan volume sortimen-sortimen kayu yang diukur dengan rumus diatas, maka volume pohon dapat diketahui yaitu penjumlahan dari volume sortimen-sortimen dari pohon yang bersangkutan (Sutarahardja 2008). 𝑛
𝑉𝑎 = � 𝑉𝑖 𝑖=1
Keterangan:
V a : Volume aktual pohon (m3) V i : Volume seksi ke-i dari satu pohon (m3) i
: Urutan seksi ke-... (1, 2, ..., n)
n
: Jumlah seksi
2.2 Tabel Volume Husch (1972) menyatakan tabel volume pohon adalah nilai-nilai volume dalam feet kubik, meter kubik atau satuan lain yang disusun dalam bentuk tabel berdasarkan satu atau lebih dimensi pohon.
Dimensi-dimensi pohon yang
dimaksud adalah diameter, tinggi, taper dan data pendukung lainnya. Tabel
5
volume merupakan pernyataan sistematik mengenai volume sebatang pohon menurut semua atau sebagian dimensi yang ditentukan dari dbh, dan angka bentuk pohon. Tipe-tipe tabel volume pohon terdiri dari: 1.
Tabel volume lokal (local volume tables) Tabel volume lokal menyajikan volume menurut dimensi pohon diameter
setinggi dada (dbh). Tabel volume ini tidak memerlukan pengukuran tinggi pohon, meskipun pada penyusunan aslinya tinggi tetap dihitung, tetapi dihilangkan di dalam bentuk akhirnya. Istilah “lokal” digunakan karena tabel tabel tipe ini hendaknya hanya dipergunakan untuk wilayah terbatas yang merupakan asal hubungan tinggi dan diameter yang dimanfaatkan ke dalam tabelnya. Beberapa persamaan hubungan antara volume pohon dengan peubah diameter yang digunakan dalam penyusunan tabel volume lokal antara lain (Loetsch et al. 1973) : V = a + b D bh 2
(Kopezky-Gehrhardt)
V = b D bh + c D bh 2
(Dissescu-Meyer)
V = a + b D bh + c D bh 2
(Hohenadl-Krenn)
V = a D bh b
(Berkhout)
Log V = a + b log D bh
(Husch)
2. Tabel volume standar (general standard volume tables) Tabel volume standar didasarkan kepada pengukuran diameter setinggi dada (dbh), dan tinggi. Tinggi dapat berupa tinggi pohon total atau tinggi kayu perdagangan. Tabel volume standar dapat disusun untuk individu spesies maupun kelompok spesies dari berbagai wilayah-wilayah geografis. Beberapa persamaan regresi yang digunakan dalam penyusunan tabel volume standar antara lain (Loetsch et al. 1973) : V = b D bh 2 h
(Spurr)
V = a + b D bh 2 h
(Spurr)
V = D bh 2 (a + b h)
(Ogaya)
V = a + b D bh 2 + c D bh 2 h + d h
(Stoate)
V = b D bh 2 + c D bh 2 h + d D bh 2 h + e h2
(Naslund)
Log V = a + b log D bh + c log h
(Schumacher-Hall)
6
3. Tabel volume kelas bentuk (form class volume tables) Tabel volume kelas bentuk disiapkan untuk menunjukkan volume menurut beberapa ukuran bentuk pohon disamping diameter setinggi dada (dbh) dan tinggi pohon. Tabel volume ini dapat dipakai bilamana saja bentuk suatu pohon yang bersangkutan secara jelas ditunjukkan oleh karakteristik - karakteristik bentuk yang telah dimasukan dalam penyusunan tabel-tabelnya, tanpa memandang spesies atau tempat. Beberapa persamaan regresi yang digunakan dalam penyusunan tabel volume standar antara lain: V = b D bh 2 + c D bh 2 h + d D bh h2 + e D bh 2 h c + f D bh h f
(Naslund)
V = b D bh 2 + c D bh 2 h + d D bh h2 + e D bh 2 + f D bh h f
(Naslund)
Diantara ketiga macam tabel volume tersebut, yang paling praktis adalah tabel volume lokal yang hanya menggunakan dbh sebagai peubah penduga, namun secara teoritis memiliki ketelitian yang lebih rendah dibanding tabel volume standar dan tabel volume dengan kelas bentuk. Tabel volume dibuat berdasarkan persamaan volume yang disusun dengan persamaan regresi. Persamaan regresi terbaik biasanya dipilih dari berbagai macam persamaan yang dicobakan terhadap data yang dimiliki. Penyusunan tabel volume pohon dimaksudkan untuk memperoleh taksiran volume pohon melalui pengukuran satu atau beberapa peubah penentu volume pohon serta untuk mempermudah kegiatan inventarisasi hutan dalam menduga potensi tegakan. Meskipun demikian, untuk meningkatkan efisiensi dalam penaksiran volume tegakan dengan tidak mengurangi ketelitian yang diharapkan, diusahakan dalam penyusunan tabel volume pohon memperkecil jumlah peubah bebas penentu volume pohon dan diberlakukan pada daerah setempat, yaitu daerah dimana pohon-pohon penyusun tabel tersebut diambil (Sutarahardja 2008). Karakteristik paling nyata untuk diukur yang berkaitan dengan volume pohon adalah diameter setinggi dada (diameter at breast height). Oleh karena itu semua persamaan volume akan mempunyai diameter setinggi dada serta peubah lainnya dan yang umum ditambahkan sebagai peubah penentu volume pohon adalah jenis peubah tinggi pohon, baik tinggi total, tinggi bebas cabang ataupun
7
tinggi yang lain yang dianggap mempunyai peranan dalam tujuan untuk pendugaan potensi tegakan (Sutarahardja 2008). Jumlah pohon contoh yang diambil diusahakan sebanyak mungkin, misalnya 50 sampai 100 pohon dianggap telah mewakili untuk areal yang tidak terlalu luas. Dalam pemilihan pohon contoh, perlu diperhatikan juga ketersebaran diameter sehingga mewakili kisaran diameter dari yang terkecil sampai terbesar. Semakin lebar kisaran diameter dari pohon-pohon contoh tersebut, maka model yang terbentuk nantinya akan semakin leluasa digunakan untuk menduga volume dari pohon yang berdiameter kecil sampai besar. Selain itu, apabila tinggi pohon akan dijadikan sebagai peubah bebas (selain diameter), pengambilan pohon contoh pun harus mewakili ketersebaran tinggi pohon dalam tegakannya (Fahutan IPB 2010). 2.3 Nyatoh (Palaquium spp.) Taksonomi nyatoh secara lengkap disajikan pada Tabel 1. Tabel 1 Taksonomi jenis nyatoh Taksonomi
Nyatoh
Kingdom
Plantae
Divisi
Magnoliophyta
Kelas
Magnoliopsida
Ordo
Ericales
Famili
Sapotaceae
Genus
Palaquium
Spesies
Palaquium spp.
Menurut SK Menhut No. 163/KPTS-11/2003 (terlampir), pohon nyatoh (Palaquium spp.) termasuk pohon kelompok jenis meranti atau kelompok komersial satu. Pohon nyatoh dapat tumbuh tinggi mencapai 45 m, panjang batang bebas cabang 15 – 30 m, diameter 50 – 100 cm. Bergetah putih, bentuk batang lurus dan silindris, kadang-kadang berbanir 2 – 3. Kulit luar berwarna coklat, kelabu coklat, merah kecoklatan atau merah tua sampai agak hitam. Daerah penyebaran pohon ini seluruh Nusantara.
8
Warna kayu teras bervariasi dari coklat kekuningan, coklat muda, coklat keunguan, coklat kemerahan sampai coklat atau merah tua. Kayu gubal berwarna lebih muda, tetapi biasanya hanya sedikit berbeda dari kayu teras, tebal seringkali sampai 10 cm. Tekstur kayu agak halus sampai agak kasar dan merata. Arah serat lurus sampai agak berpadu. Kesan raba pada kayu ini yaitu, permukaan kayu agak licin dan permukaannya kadang mengkilap. Pori kayu hampir seluruhnya bergabung 2 – 8 dalam arah radial, hanya sebagian kecil soliter. Jaringan parenkimnya termasuk tipe apotrakeal berbentuk pita-pita halus yang panjang dan teratur. Jari-jari kayu biasanya hanya dapat dilihat dengan loupe. Berat jenis dan kelas kuat kayu ini berkisar antara 0,48 – 78 dan II – III. Kayu nyatoh secara umum termasuk kelas awet III dan IV sehingga keterawetan kayu ini sukar untuk diawetkan. Kayu ini juga sukar untuk dikeringkan, mudah menggelinding dan pecah ujung. Kayu nyatoh dapat dikupas tanpa perlakuan pendahuluan dengan sudut kupas 91º dan menghasilkan venir yang cukup baik. Perekatan venir dengan urea-formaldehida
umumnya
menghasilkan
kayu
lapis
yang
memenuhi
persyaratan standar Jerman (Martawijaya et al. 1981). Kayu nyatoh mempunyai sifat pengerjaan yang bervariasi tergantung pada kandungan silika, tetapi pada umumnya mudah dikerjakan. Kayu dapat diserut sampai halus dan dapat dipelitur dengan baik, meskipun harus didempul terlebih dahulu. Kayu ini umumnya baik untuk papan perumahan, bahkan bisa dijadikan tiang, balok atau rusuk. Dapat juga dijadikan kayu perkapalan, papan lantai, panil, dinding pemisah dan alat rumah tangga. Untuk didaerah Jawa Tengah, kayu ini dipakai untuk membuat gamelan dan mebel halus (Martawijaya et al. 1981).
9
BAB III METODOLOGI PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di IUPHHK-HA PT. Mamberamo Alasmandiri, Kabupaten Mamberamo Raya, Propinsi Papua. Waktu pelaksanaan penelitian dilakukan pada tanggal 27 Mei – 9 Juni 2012. 3.2 Alat dan Obyek Penelitian Alat untuk pengambilan data di lapangan antara lain golok, kapak, pita ukur (phi-band), meteran, galah sepanjang dua meter, tallysheet, alat tulis, kamera. Alat yang digunakan untuk pengolahan data komputer, Microsoft Word 2007, Microsoft Excell 2007, dan Minitab 14. Obyek yang diteliti adalah pohon nyatoh (Palaquium spp.). 3.3 Batasan Penelitian Jenis yang diteliti hanya mencakup jenis nyatoh (Palaquium spp.). 3.4 Metode Pengambilan Data 3.4.1 Pemilihan Pohon Contoh Pemilihan pohon contoh dilakukan secara purposive sampling. Pohon contoh yang diteliti sebanyak 150 pohon yang terbagi menjadi 6 kelas diameter dengan interval kelas 10 cm. Kelas diameter dimulai dari kelas diameter 10-19 cm, 20-29 cm, 30-39 cm hingga kelas diameter 50-59 cm dan > 60 cm. Adapun syarat-syarat pohon yang diambil sebagai sampel antara lain: batang lurus, tidak menggarpu, bebas dari serangan hama penyakit, dan batang tidak pecah setelah ditebang. 3.5 Pengolahan Data 3.5.1 Pengukuran Pohon Contoh Tahapan yang dilakukan dalam pengukuran pohon contoh meliputi : 1. Memilih pohon contoh yang sesuai syarat. 2. Mengukur diameter setinggi dada (dbh) menggunakan phi-band. 3. Pohon direbahkan.
10
4. Mengukur diameter per seksi pada pohon rebah. Panjang per seksi sebesar 2 meter menggunakan phi-band. 5. Mengukur tbc menggunakan meteran. 3.5.2 Perhitungan Volume Pohon Contoh Rumus yang digunakan untuk mengukur volume per seksi menggunakan rumus Smallian, yaitu sebagai berikut (Sutarahardja 2008): V = 0.5 x (B p + B u ) x h Keterangan: V : Volume seksi (m3) B p : Luas penampang lintang potongan bawah seksi (m2) B u : Luas penampang lintang potongan ujung seksi (m2) h
: Panjang batang pohon Volume pohon aktual merupakan jumlah dari volume semua seksi dari satu
pohon sampel. 𝑛
𝑉𝑎 = � 𝑉𝑖 𝑖=1
Keterangan:
V a : Volume aktual pohon (m3) V i : Volume seksi ke-i dari satu pohon (m3) i
: Urutan seksi ke-... (1, 2, ..., n)
n : Jumlah seksi Analisa Data 3.5.1 Eksplorasi Data Data-data pohon yang telah terpilih kemudian disajikan hubungan antara diameter dan volume dalam bentuk scatter diagram. Dari hasil diagram tersebut dapat dilihat bentuk penampilan penyebaran datanya apakah mengikuti pola linier atau non linier. Beberapa persamaan regresi hubungan antara volume pohon dengan peubah diameter yang akan dipergunakan antara lain (Loetsch et al. 1973): a. V = a D bh b
(Berkhout)
b. V = a + b D bh 2
(Kopezky-Gehrhardt)
11
c. V = a + b D bh + c D bh 2
(Hohenald-Krenn)
Keterangan: V
: Volume total pohon (m³)
D bh
: Diameter setinggi dada (cm)
a, b, dan c : Konstanta 3.5.2 Pendugaan Parameter Model Persamaan regresi yang telah dipilih lalu dibuat model persamaan regresi liniernya, yaitu sebagai berikut: 1. V = a D bh b
transformasi logaritmis
Log V = Log a + b Log D bh
Model persamaan regresinya adalah: Ý = β� 0 + β� 1 X 1 + ε 1 R
diduga oleh
R
y = b0 + b1x 1 + e1
Keterangan :
Log V = Ý = y
b = β� 1 = b 1
ε 1 = e 1 = galat sisa
R
Log a = β� 0 = b 0
Log D bh = X 1 = x 1
R
2. V = a + b D bh 2
Model persamaan regresinya adalah: Ý = β� 0 + β� 1 X 1 + ε 1 R
diduga oleh
R
y = b0 + b1x 1 + e1
Keterangan : V=Ý=y
b = β� 1 = b 1
ε 1 = e 1 = galat sisa
R
a = β� 0 = b 0
D bh 2 = X 1 = x 1
R
3. V = a + b D bh + c D bh 2 Model persamaan regresinya adalah: Ý = β� 0 + β� 1 X 1 + β� 2 X 2 + ε 1 R
R
R
diduga oleh
y = b0 + b1x1 + b2x2 + e1
Keterangan : V=Ý=y a = β� 0 = b 0 R
b = β� 1 = b 1 R
D bh = X 1 = x 1
c = β� 2 = b 2 R
ε 1 = e 1 = galat sisa
D bh 2 = X 2 = x 2
Pendugaan konstanta nilai-nilai a, b, dan c pada persamaan diatas, dapat
menggunakan metode matriks. Metode ini telah mengacu pada metode kuadrat terkecil, yang digunakan untuk meminimumkan nilai sisaannya. Adapun notasi matriksnya sebagai berikut: β� = (X’X)-1 X’Y
diduga oleh
b = (X’X)-1 X’Y
12
Keterangan : b = β� = nilai konstanta Y = Volume
X = Diameter 1. V = a D bh b
transformasi logaritmis
Log V = Log a + b Log D bh
Notasi matriksnya adalah: β = (X’X)-1 X’Y = �𝑎𝑏� Keterangan:
1 𝐿𝑜𝑔 𝐷𝑏ℎ1 ⋮ 𝑋= ⋮ 1 𝐿𝑜𝑔 𝐷𝑏ℎ𝑛
𝐿𝑜𝑔 𝑉1 ⋮ 𝑌= 𝐿𝑜𝑔 𝑉𝑛
2. V = a + b D bh 2 Notasi matriksnya adalah: β� = (X’X)-1 X’Y = �𝑎𝑏�
Keterangan:
1 𝐷𝑏ℎ12 𝑋= ⋮ ⋮ 1 𝐷𝑏ℎ𝑛2
𝑉1 𝑌= ⋮ 𝑉𝑛
3. V = a + b D bh + c D bh 2 Notasi matriksnya adalah: 𝑎 β = (X’X)-1 X’Y = �𝑏 � 𝑐
keterangan:
1 𝐷𝑏ℎ1 𝑋= ⋮ ⋮ 1 𝐷𝑏ℎ𝑛
𝐷𝑏ℎ12 ⋮ 𝐷𝑏ℎ𝑛2
𝑉1 𝑌= ⋮ 𝑉𝑛
13
3.6.3 Uji Keberartian Model Persamaan-persamaan regresi tersebut dilakukan pengujian dengan analisis keragaman (analysis of variance) untuk melihat signifikan atau adanya ketergantungan peubah-peubah yang menyusun regresi tersebut. Tabel 2 Analisis keragaman pengujian regresi (ANOVA)
Regresi
k = p-1
Jumlah kuadrat (JK) JKR
Sisaan
n-k-1
JKS
Total
n-1
JKT
Derajat Sumber keragam bebas
Kuadrat tengah (KT) KTR=JKR/k KTS=JKS/(nk-1)
F hitung
F tabel
KTR/KTS
Dalam analisa tersebut hipotesis yang diuji adalah : a. Pada regresi linier sederhana : H 0 : β = 0 lawan H 1 : β ≠ 0 b. Pada regresi linier barganda: H 0 : β i = 0 dimana : i = 1,2 H 1 : sekurang-kurangnya ada β i ≠ 0 Dengan kaidah keputusannya : F hitung > F tabel maka tolak H 0 F hitung ≤ F tabel maka terima H 0 Jika H 0 ditolak, maka regresi tersebut nyata, artinya ada keterkaitan antara peubah bebas (diameter pohon) dengan peubah tidak bebasnya (volume pohon). Sehingga setiap ada perubahan pada peubah bebasnya akan terjadi perubahan pada peubah tidak bebasnya. Jika H 0 yang diterima, maka regresi tersebut tidak nyata, artinya persamaan regresi tidak dapat digunakan untuk menduga volume pohon berdasarkan peubah bebasnya. 3.6.4 Analisis Sisaan 1. Uji visual kenormalan Kenormalan sisaan dapat dilihat dengan menampilkan plot hubungan sisaan dengan probabilitas normalnya. Nilai sisaan dinyatakan normal apabila antara nilai sisaan dengan probability normalnya membentuk pola garis lurus atau mendekati garis lurus (Kuncahyo 1991).
14
2. Uji keaditifan model Sifat aditif dapat dilihat dengan menampilkan plot tebaran nilai sisaan dan nilai dugaan. Asumsi keaditifan model terpenuhi apabila tebaran yang dihasilkan tidak membentuk pola atau berbentuk acak disekitar nilai sisaan nol (Kuncahyo 1991). 3.6.5 Analisis Data Pencilan Pengamatan pencilan adalah pengamatan yang tidak mengikuti pola dominan pengamatan lainnya. Pengamatan pencilan ini dapat ditentukan dengan melihat nilai-nilai pengamatan tak wajar (unusual observations) menggunakan minitab. 3.6.6 Validasi Model Validasi model menggunakan metode Jacknife Procedures dengan melihat nilai Predicted Residual of Sum Square (PRESS). Persamaan terbaik adalah persamaan yang memiliki nilai PRESS yang paling kecil. Adapun langkahlangkahnya sebagai berikut (Draper dan Smith 1992): a) Amatan pertama pada peubah respons maupun peubah ramalannya dihilangkan. b) Tentukan model dugaan semua kemungkinan regresi terhadap n-1 data. c) Gunakan setiap persamaan regresi yang diperoleh untuk meramalkan Y 1 oleh �(i) (misalnya), sehingga diperoleh simpangan ramalannya untuk semua Y kemungkinan model regresinya.
d) Ulangi ketiga langkah diatas namun dengan menghilangkan amatan kedua, ketiga sampai amatan ke-n. e) Untuk setiap model regresi dihitung jumlah kuadrat simpangan ramalannya. 𝑃𝑅𝐸𝑆𝑆 = ∑𝑛𝑖=1(𝑌𝑖 − 𝑌�(𝑖) ) 2 P
Keterangan:
Y i : Nilai Y pada amatan ke-i � Y(i) : Nilai � Y i dugaan persamaan regresi tanpa mengikutsertakan amatan ke-i R
3.6.7 Kriteria Pemilihan Model
1. Koefisien Determinasi (R2) dan Koefisien Determinasi Terkoreksi (R a 2)
15
Koefisien determinasi (R2) adalah perbandingan antara jumlah kuadrat regresi (JKR) dengan jumlah kuadrat total yang terkoreksi yang biasa dinyatakan dalam persen (%). Perhitungan nilai R2 adalah untuk melihat tingkat ketelitian dan keeratan hubungan antara peubah bebas dan tidak bebas. Model yang baik memiliki nilai R2 terbesar. Perhitungan besarnya nilai R2 dapat dihitung dengan rumus (Draper dan Smith 1992): 𝑅2 =
𝐽𝐾 𝑟𝑒𝑔𝑟𝑒𝑠𝑖 𝐽𝐾 𝑡𝑜𝑡𝑎𝑙
Keterangan:
JK regresi = b 1 JHKx 1 y + b 2 JHKx 2 y JK total = JKy = ∑𝑛𝑖=1 𝑦𝑖² − (∑𝑛𝑖=1 𝑦𝑖 )² /𝑛
Koefisien determinasi terkoreksi (R a 2) adalah koefisien determinasi yang
telah dikoreksi oleh derajat bebas (db) dari JKS dan JKT-nya. Model yang baik memiliki nilai R a 2 terbesar. Perhitungan koefisien determinasi terkoreksi (R a 2) dengan rumus (Draper dan Smith 1992): 𝑅�2 = 1 −
Keterangan: JKS
(𝐽𝐾𝑆)/(𝑛 − 𝑝) 100% (𝐽𝐾𝑇𝑇)/(𝑛 − 1)
: Jumlah kuadrat sisa
JKTT : Jumlah kuadrat total terkoreksi (n-p) : Derajat bebas sisaan (n-1) : Derajat bebas total Ketentuan keterandalan (R a 2) sama dengan (R2). Kelebihan (R a 2) adalah dapat membandingkan keterandalan model-model yang memiliki banyak peubah yang berbeda. Pengujian yang dilakukan menurut kriteria ini akan lebih dapat menambah keyakinan penerimaan model. 2. Simpangan Baku (s) Nilai simpangan baku (s) ditentukan dengan rumus (Draper dan Smith 1992):
16
𝑆 = �𝑆 2 =
Keterangan:
�∑ 𝑒𝑖2 𝑛−𝑝
S² : Kuadrat tengah sisaan e i : Sisaan ke-i Pemeriksaan statistik di tingkat ini menunjukan bahwa semakin kecil nilainya semakin baik, artinya semakin tepat dugaannya. 3. Simpangan Agregat (Agregative Deviation) Simpangan agregat merupakan selisih antara jumlah volume aktual (V a ) dan volume dugaan (V t ) yang diperoleh berdasarkan dari tabel volume pohon, sebagai persentase terhadap volume dugaan (V t ). Persamaan yang baik memiliki nilai simpangan agregat (SA) yang berkisar dari -1 sampai +1 (Spurr 1952). Nilai SA dapat dihitung dengan rumus: ∑𝑛𝑖=1 𝑉𝑡𝑖 − ∑𝑛𝑖=1 𝑉𝑎𝑖 𝑆𝐴 = ∑𝑛𝑖=1 𝑉𝑡𝑖
4. Simpangan Rata-rata (Mean Deviation) Simpangan rata-rata merupakan rata-rata jumlah dari nilai mutlak selisih antara jumlah volume dugaan (V t ) dan volume aktual (V a ), proporsional terhadap jumlah volume dugaan (V t ). Nilai simpangan rata-rata yang baik adalah tidak lebih dari 10 % (Spurr 1952). Simpangan rata-rata dapat dihitung dengan rumus: 𝑆𝑅 = �
𝑉𝑡𝑖 −𝑉𝑎𝑖 �∑𝑛 � 𝑖=1
𝑛
𝑉𝑡𝑖
� 𝑥 100%
5. RMSE (Root Mean Square Error) RMSE merupakan akar dari rata-rata jumlah kuadrat nisbah antara selisih volume dugaan dari table volume pohon (V t ) dengan volume aktualnya (V a ) terhadap volume aktual. Nilai RMSE yang lebih kecil, menunjukkan model persamaan penduga volume yang lebih baik. RMSE dihitung dengan rumus:
𝑅𝑀𝑆𝐸 =
𝑛
�∑𝑖=1�
�𝑉𝑡𝑖 −𝑉𝑎𝑖 � � 𝑉𝑎𝑖
𝑛
2
𝑥 100%
17
3.6.8 Pemilihan Persamaan Model Regresi Terbaik Model persamaan regresi untuk penyusunan tabel volume pohon yang baik, bila : 1. Dalam uji keberartian model regresi yang dihasilkan nyata berdasarkan analisis keragamannya. 2. Dalam validasi model memilki nilai PRESS yang terkecil. 3. Dalam kriteria model, memiliki nilai R² dan R a ² terbesar, nilai s terkecil, nilai SR kurang dari 10 % dan nilai RMSE yang terkecil. Untuk memperoleh persamaan terbaik, dilakukan pembuatan kelas peringkat terbaik pada masing-masing persamaan. Peringkat terbaik memiliki nilai komulatif terkecil.
18
BAB IV KONDISI UMUM LOKASI PENELITIAN 4.1 Sejarah Pemanfaatan Hutan PT. Mamberamo Alasmandiri merupakan perusahaan PMDN yang tergabung dalam KODECO GROUP. Didirikan pada tanggal 5 Desember tahun 1991 dengan akte pendirian No. 24 Notaris Rahmah Arie Sutardjo, SH, dan memperoleh pengesahaan dari Menteri Kehakiman RI No. C2-2966-H. T. 01. 01. TH’92 tanggal 20 April 1992. Ijin Pemanfaatan Hutan IUPHHK PT Mamberamo Alasmandiri didasarkan pada keputusan Menteri Kehutanan No. 1071/KptsII/1992 tanggal 19 November 1992, seluas 691.700 hektar yang kemudian diperbaharui berdasarkan Keputusan Menteri Kehutanan dan Perkebunan No. 910/Kpts-IV/1999 tanggal 14 Oktober 1999 dengan luas 677.310 (PT.MAM 2009). 4.2 Letak dan Luas Areal kerja IUPHHK PT Mamberamo Alasmandiri termasuk ke dalam kelompok hutan Sungai Mamberamo-Sungai Gesa. Berdasarkan pembagian wilayah administrasi pemerintahan, areal kerja IUPHHK PT Mamberamo Alasmandiri terletak di dalam wilayah distrik Mamberamo Hulu, Mamberamo Tengah, dan Mamberamo Hilir, serta distrik Waropen Atas, Kabupaten Mamberamo Raya, Provinsi Papua (PT.MAM 2009). Berdasarkan status fungsi hutan, areal kerja IUPHHK PT. Mamberamo Alasmandiri terdiri atas Hutan Produksi (HP) dengan luas masing-masing : Hutan Produksi Bebas (HP)
: ± 117.010 hektar (±17,30%)
Hutan Produksi Terbatas (HPT)
: ± 513.570 hektar (±75,80%)
Hutan Produksi yang Dapat Dikonversi
: ± 46.730 hektar (± 6,90%)
Jumlah
: ± 677. 310 hektar
4.3 Topografi dan Kelerengan Areal kerja IUPHHK PT. Mamberamo Alasmandiri bervariasi dari datar sampai bergelombang dengan ketinggian dari permukaan laut berkisar 100-648 m dpl. Kelas lereng di areal kerja IUPHHK PT. Mamberamo Alasmandiri terdiri atas kelereng A (<8%) sampai kelas lereng E (>40%) (PT.MAM 2009).
19
4.4 Tanah dan Geologi Jenis tanah di IUPHHK ini terdiri dari tanah alluvial, latosol, regosol, podzolik dan litosol. Sesar naik utama pada bagian tersebut membatasi Cekungan Wapoga dan Cekungan Mamberamo. Struktur lipatan terdiri dari antikilin dan sinklin. Antikilin penting dikenal sebagai Antiklin Gesa yang memotong aliran S. Gesa yang mengalir ke utara. Perkembangan struktur tersebut adalah dampak kompresi pemekaran lempeng Samudra Pasifik (PT.MAM 2009). 4.5 Iklim dan Intensitas Hujan Berdasarkan klasifikasi iklim secara umum menurut Schmidt & Ferguson atau Af-Am Koppen areal IUPHHK PT. Mamberamo Alasmandiri dengan tipe iklim A, yaitu daerah sangat basah dengan vegetasi hutan hujan tropis dengan curah hujan tanpa bulan kering ( <60.00 mm) merata sepanjang tahun. Dari data yang diperoleh dari stasiun Pencatat Curah Hujan Camp Gesa (tahun 1994-2001) diperoleh nilai Q = 0 % dan IH ( Intensitas Hujan) = 17,4 mm/hh, dengan curah hujan rata-rata adalah sebesar 285,6 mm perbulan (PT.MAM 2009). 4.6 Keadaan Hutan Penutupan lahan areal kerja IUPHHK PT. Mamberamo Alasmandiri berdasarkan hasil penafsiran Citra Landsat LS-7 ETM+US Department of the Interior, US Geological Survey band 542, Mozaik Path 102 Row 62, liputan tanggal 19 November 2005 dan Path 103 Row 62 Liputan tanggal 8 Juli 2006. disajikan pada tabel berikut (PT.MAM 2009): Tabel 3 Penutupan vegetasi pada IUPHHK-HA PT. Mamberamo Alasmandiri Penutupan Lahan
Fungsi Hutan (Ha)
BZ
Jumlah
Persen (%)
1.
Hutan Primer
HPT 287.203
HP 66.966
HPK 6.176
12.230
372.575
55,00
2. 3.
Hutan Bekas Tebangan Non Hutan
105.825 6.209
40.100 5.169
30.651 592
1.948 127
178.524 12.097
26,40 1,80
4. 5.
Hutan Rawa Primer Hutan Rawa Bekas Tebangan
8.268
1.890 783
10.951 -
-
12.841 9.051
1,90 1,30
6.
Non Hutan Rawa
-
71
1.111
-
1.182
0,20
7. 8.
Tubuh Air / Danau Tertutup Awan
74.295
636 10.511
-
12 5.586
648 90.392
0,10 13,30
481.800
126.126
49.481
19.903
677.310
100,00
Jumlah
Sumber : Pengesahan Citra Landsat Nomor S.35/VII/Pusin-1/2006 tanggal 22 Januari 2007 (PT.MAM 2009).
20
4.7 Sosial Ekonomi dan Budaya Masyarakat Penduduk asli disekitar kelompok hutan S.Mamberamo – S.Gesa adalah suku Baudi Bira, Kerema, Obagui Dai, Kapso Apawer, Birara Noso, Bodo dan suku Haya. Hubungan suku-suku yang berbeda wilayah masih bersifat tradisional dan masing-masing suku masih memegang kuat adat istiadatnya, hal ini ditunjukkan oleh adanya bahasa yang cukup mencolok diantara suku-suku asli dan masing-masing suku berkembang sendiri-sendiri tanpa saling mengganggu (PT.MAM 2009).
21
BAB V HASIL DAN PEMBAHASAN 5.1 Pemilihan Pohon Contoh Pohon contoh yang digunakan dalam penyusunan tabel volume ini adalah jenis nyatoh (Palaquium spp.). Berikut disajikan tabel penyebaran pohon contoh menurut kelas diameternya yang digunakan untuk penyusunan tabel volume pohon. Tabel 4 Ketersebaran data pohon contoh Kelas diameter (cm) 10-19 20-29 30-39 40-49 50-59 >60 Jumlah
Jumlah pohon contoh 25 27 22 26 29 21 150
Persentase (%) 16,67 18,00 14,67 17,33 19,33 14,00 100,00
5.2 Eksplorasi Data Untuk membantu dalam pemilihan model, data pohon contoh dapat ditampilkan dalam scatterplot (diagram tebar). Dari tebaran tersebut dapat dilihat bentuk penampilan penyebaran datanya, apakah mengikuti pola linier atau non linier. Berikut ditampilkan bentuk diagram tebar antara diameter (d bh ) dan volume (v). Scatterplot of Vtot vs DBh 12 10
Vtot
8 6 4 2 0 0
10
20
30
40
50
60
70
80
90
DBh
Gambar 1 Diagram tebar antara diameter (d bh ) dan volume (v) Scatterplot pada Gambar 1 antara dbh dan volume membentuk pola yang non linear. Hal ini dapat dijadikan dasar untuk dibuat persamaan model penduga
22
volumenya. Dalam penelitian ini persamaan yang digunakan sebanyak tiga model, yaitu (Loetsch et al 1973): a. V = a D bh b
(Berkhout)
b. V = a + b D bh ²
(Kopezky-Gehrhardt)
c. V = a + b D bh + c D bh ²
(Hohenald-Krenn)
5.3 Uji Keberartian Model Untuk menguji keberatian peranan peubah bebas terhadap peubah tidak bebasnya, dilakukan uji F (F-test) yaitu dengan membandingkan F hitung dengan F tabel pada taraf nyata α (α= 5%). Nilai-nilai penduga setiap model persamaan volume disajikan pada Tabel 5. Tabel 5 Uji keberartian model No 1 2 3
Persamaan Penduga V = 0,000158 D bh 2,48 V = - 0,252 + 0,00119 D bh ² V = 0,209 – 0,0259 D bh + 0,000148 D bh ²
F hit
F tab (α= 5%)
11169 4390,9 2437,9
3,904 3,904 3,057
Nilai F hitung untuk semua persamaan lebih besar dari F tabel pada tingkat nyata 5%. Dengan demikian H o ditolak, sehingga peubah bebas yang dimasukkan kedalam model persamaan regresi sangat berpengaruh nyata dalam menduga peubah tidak bebasnya yaitu volume. 5.4 Analisis Sisaan Suatu model regresi dapat dipergunakan untuk menduga secara baik apabila salah satu asumsi penting mengenai kenormalan dari nilai sisaan terpenuhi. Oleh karena itu, perlu dilihat apakah sisaan tersebut menyebar normal atau tidak (Kuncahyo 1991). Kenormalan ini dapat dilihat dengan menampilkan plot hubungan sisaan dengan probabilitas normalnya,seperti disajikan pada Gambar 2.
23
Normal Probability Plot of the Residuals
Normal Probability Plot of the Residuals
(response is Vtot)
99,9
99,9
99
99
95
95
90
90
80 70 60 50 40 30 20
80 70 60 50 40 30 20
Percent
Percent
(response is log Vtot)
10
10
5
5
1
1
0,1
0,1
-0,3
-0,2
-0,1
0,0 Residual
0,1
0,2
-1,5
-1,0
Persamaan 1
-0,5
0,0 0,5 Residual
1,0
1,5
2,0
Persamaan 2 Normal Probability Plot of the Residuals (response is Vtot)
99,9 99 95
Percent
90 80 70 60 50 40 30 20 10 5 1 0,1
-1,5
-1,0
-0,5
0,0 Residual
0,5
1,0
1,5
Persamaan 3 Gambar 2 Beberapa persamaan diagram tebar hubungan antara nilai sisaan dengan probabilitas normalnya Pada Gambar 2, terlihat bahwa persamaan (1) nilai sisaan menyebar normal dengan terbentuknya pola garis linier melalui titik pusat sumbu antara nilai sisaan dengan nilai normalnya. Persamaan (2) dan persamaan (3) nilai sisaannya tidak menyebar normal karena terbentuk pola yang tidak linier antara nilai sisaan dengan nilai normalnya. Sehingga pada persamaan (1) asumsi penting mengenai kenormalan dari nilai sisaan telah terpenuhi. Selain itu, uji visual keaditifan model juga perlu dilakukan. Untuk melihat model bersifat aditif dapat dilakukan melalui pembuatan diagram tebar antara nilai sisaan dan dugaan (Kuncahyo 1991). Diagram tebar antara nilai sisaan dan dugaan disajikan pada Gambar 3.
24
Residuals Versus the Fitted Values
Residuals Versus the Fitted Values (response is Vtot)
(response is log Vtot)
0,2
1,5 1,0
0,1
Residual
Residual
0,5 0,0
-0,1
0,0 -0,5
-0,2
-1,0 -1,5
-0,3 -1,5
-1,0
-0,5
0,0 Fitted Value
0,5
1,0
0
1
2
3
Persamaan 1
4 5 Fitted Value
6
7
8
9
Persamaan 2 Residuals Versus the Fitted Values (response is Vtot)
2,0 1,5
Residual
1,0 0,5 0,0 -0,5 -1,0 -1,5 0
1
2
3
4 5 Fitted Value
6
7
8
9
Persamaan 3 Gambar 3 Beberapa persamaan diagram tebar hubungan antara nilai sisaan dengan nilai dugaan Pada Gambar 3 terlihat bahwa pada persamaan (1) sebaran plot antara sisaan dengan nilai dugaan tidak membentuk pola dan hasil tebaran sisaan menunjukkan pola acak. Persamaan (2) dan (3) nilai sisaan dengan nilai dugaan membentuk pola seperti corong. Dengan demikian pada persamaan (1) sifat keaditifan dan asumsi kehomogenan ragam sisaan terpenuhi. 5.5 Analisis Data Pencilan Pada hasil pengolahan data menggunakan minitab terdapat beberapa data yang bersifat tidak wajar (unusual observations). Untuk itu tidak ada salahnya menyusun model dengan menghilangkan data yang tidak wajar tersebut. Pada persamaan (1) data unusual observations sebanyak 9 buah. Pada persamaan (2) dan (3) berturut-turut data unusual observations sebanyak 8 buah dan 9 buah.
25
Berikut
disajikan
hasil
pengamatan
tanpa
menggunakan
data
unusual
observations. Tabel 6 Persamaan penduga volume dengan menghilangkan data pengamatan tak wajar (unusual observations) Sebelum No
Persamaan Penduga V = 0,000158 D bh 2,48 V = - 0,252 + 0,00119 D bh ² V = 0,209 – 0,0259 D bh + 0,000148 D bh ²
1 2 3
R² (%) 98,7 96,7 97,1
Ra² (%) 98,7 96,7 97,1
Sesudah s 0,067 0,339 0,322
R² (%) 99,1 98,2 98,4
Ra² (%) 99,1 98,2 98,4
s 0,055 0,217 0,200
Pada Tabel 6, setelah data yang tidak terpakai dihilangkan, pada ketiga persamaan tidak terjadi perubahan yang signifikan pada setiap nilai penduganya. Sehingga untuk persamaan penduga volume tetap menggunakan data unusual observations. 5.6 Validasi Model Persamaan yang telah dipilih kemudian di uji secara validasi silang. Pengujian dilakukan dengan melihat nilai PRESS (Predicted Residual Sum of Squares). Persamaan terbaik adalah persamaan yang memiliki nilai PRESS terkecil. Tabel 7 Nilai PRESS No 1 2 3
Persamaan Regresi 2,48
V = 0,000158 D bh V = - 0,252 + 0,00119 D bh ² V = 0,209 – 0,0259 D bh + 0,000148 D bh ²
PRESS 0,686 18,51 17,55
Nilai PRESS menunjukkan kombinasi analisis sisaan dan pemilihan model terbaik yang merupakan kemampuan model untuk menduga data yang baru. Berarti nilai dugaan yang dihasilkan tidak berbeda nyata dengan nilai aktualnya sehingga dapat digunakan untuk menduga data baru. Dari Tabel 7, persamaan (1) memiliki nilai PRESS terkecil dengan nilai 0,686, sedangkan nilai PRESS terbesar ada pada persamaan (2) dengan nilai 18,51. 5.7 Kriteria Pemilihan Model Tingkat keeratan hubungan antara peubah bebas (dbh) dengan peubah tidak bebasnya (volume) menggunakan perhitungan nilai koefisien determinasi (R²) dan nilai koefisien determinasi terkoreksi (R a ²). Model yang baik memiliki nilai (R²)
26
dan (R a ²) yang terbesar. Ketelitian ditunjukkan oleh nilai simpangan baku dari kesalahan dugaan volume (s). Nilai simpangan baku yang kecil menunjukkan persamaan yang baik. Menurut Spurr (1952), ada beberapa kriteria dalam mengevaluasi model diantaranya dengan pengujian simpangan agregrat (SA) dan simpangan rata-rata (SR). Persamaan yang baik memiliki nilai SA yang berkisar dari -1 sampai +1dan SR lebih dari 10%. Kriteria lain yang diuji agar suatu model dikatakan baik yaitu dengan Root Mean Square Error (RMSE). Model yang baik memiliki nilai RMSE yang terkecil. Berikut disajikan kriteria-kriteria penguji validasi pada Tabel 8. Tabel 8 Nilai R², R a ², s, SA, SR, dan RMSE No
Persamaan Regresi V = 0,000158 D bh 2,48 V = - 0,252 + 0,00119 D bh ² V = 0,209 – 0,0259 D bh + 0,000148 D bh ²
1 2 3
Dalam Tabel
R² (%) 98,7 96,7 97,1
Ra² (%) 98,7 96,7 97,1
s
SA
0,067 0,339 0,322
0,006 0,009 -0,005
SR (%) 11,55 31,05 12,84
RMSE (%) 15,89 37,64 29,06
8, diketahui bahwa nilai koefisien determinasi (R²) dan
koefisien determinasi terkoreksi (R a ²) terbesar diperoleh persamaan (1) dengan nilai 98,7%. Hal ini menunjukkan bahwa 98,7% keragaman volume dapat diterangkan oleh peubah bebas diameter. Sisanya sebesar 1,3% diterangkan oleh peubah lain yang tidak disertakan dalam model. Persamaan (2) memiliki nilai (R²) dan (R a ²) terkecil dengan nilai 96,7%. Nilai simpangan baku (s) terkecil ada pada persamaan (1) dengan nilai 0,067. Nilai (s) terbesar ada pada persamaan (2) dengan nilai 0,339. Sehingga persamaan (1) memiliki tingkat ketelitian yang lebih baik dalam menduga volume pohon. Nilai SA pada ketiga persamaan diatas diantara -1 dan 1 hal ini menunjukkan ketiga persamaan model tersebut memenuhi syarat ketelitian. Tetapi, pada nilai SR untuk ketiga persamaan model diatas 10% yaitu hal ini berarti ketiga model tersebut validitasnya rendah atau kurang dalam menduga volume pohon. Nilai RMSE terkecil ada pada persamaan (1) dengan nilai 15,89% sedangkan nilai terbesar ada pada persamaan (2) dengan nilai 37,64%.
27
5.8 Pemilihan Model Regresi Terbaik Pemilihan model persamaan terbaik dari masing-masing persamaan dipilih berdasarkan pengujian validasi, dengan nilai PRESS yang memiliki nilai paling minimum. Beberapa kriteria uji pemilihan model yang baik seperti nilai R2 dan R a 2 maksimum, nilai s minimum, nilai SR dan RMSE menghasilkan nilai terkecil. Pemberian peringkat terhadap beberapa kriteria uji dan penyusun model pada masing-masing model diharapkan dapat memudahkan dalam pemilihan model terbaik. Model terbaik memiliki komulatif angka terkecil yang nantinya dipilih untuk digunakan di PT. Mamberamo Alasmandiri. Tabel 9 Penentuan peringkat model regresi terbaik berdasarkan nilai PRESS, R², R a ², s, SR dan RMSE No 1 2 3
Persamaaan Penduga V = 0,000158 D bh 2,48 V = -0,252 + 0,00119 D bh ² V = 0,209 – 0,0259 D bh + 0,000148 D bh ²
Validasi PRESS 1 3 2
Kriteria R² 1 3 2
Ra² 1 3 2
s 1 3 2
SR 1 3 2
RMSE 1 3 2
Ʃ
Peringk at
6 18 12
1 2 3
Pada tahap ini diperoleh persamaan terbaik dan valid. Persamaan terbaik jenis nyatoh (Palaquium spp.) di areal PT. Mamberamo Alasmandiri seperti disajikan pada Tabel 9 adalah persamaan (1) V = 0,000158 D bh 2,48.
28
BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan 1.
Persamaan penduga volume pohon disusun dengan hanya menggunakan satu peubah bebas yaitu diameter setinggi dada (dbh).
2.
Model persamaan terbaik yang terpilih untuk jenis nyatoh (Palaquium spp.) adalah V = 0,00015848 D bh 2,48, dengan nilai PRESS sebesar 0,686, nilai R² dan R a ² 98,7 %, nilai simpangan baku (s) sebesar 0,067, nilai SA sebesar 0,006, nilai SR dan RMSE berturut-turut sebesar 11,55 %, 15,89%.
3.
Kisaran nilai diameter untuk menduga volume langsung dilapangan adalah 10 – 88 cm.
6.2 Saran 1.
Untuk meningkatkan keterwakilan dan keterandalan model perlu dilakukan penambahan data pohon contoh yang menyebar keseluruhan areal perusahaan.
2.
Pada tahap penerapan tabel volume yang terpilih perlu dilakukan verifikasi lapangan terhadap pohon contoh yang diambil dari wilayah yang belum terwakili.
29
DAFTAR PUSTAKA Ardelina A. 2011. Penyusunan Tabel Volume Lokal Kelompok Jenis Dipterocarpaceae (Anisoptera spp. dan Vatica spp.) di Areal Kerja IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua. [skripsi] Fakultas Kehutanan. Bogor: Institut Pertanian Bogor. [Dephut] Departemen Kehutanan. 1992. Manual Kehutanan. Jakarta : Departemen Kehutanan Republik Indonesia. [Dephut] Departemen Kehutanan. 2003. Keputusan Menteri Kehutanan No. 163/Kpts-II/2003 tentang Pengelompokkan Jenis Kayu Sebagai Dasar Pengenaan Iuran Kehutanan. Jakarta : Departemen Kehutanan Republik Indonesia. [Dephut] Departemen Kehutanan. 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 [Dephut] Departemen Kehutanan. 2009. Peraturan Menteri Kehutanan Republik Indonesia No. 33/Menhut-II/2009 tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala Pada Usaha Pemanfaatan Hasil Hutan Kayu Pada Hutan Produksi. Jakarta : Departemen Kehutanan Republik Indonesia. Draper NR, and Smith H. (1992). Analisis Regresi Terapan. Jakarta: PT. Gramedia Pustaka Utama. Fakultas Kehutanan IPB. 2010. Modul Praktikum Inventarisasi Sumber Daya Hutan. Bogor : Departemen Manajemen Hutan Fakultas Kehutanan IPB. Husch B. 1972. Forest Mensuration. John Wiley & Sons. New York. Ilham QF. 2011. Penyusunan Tabel Volume Lokal Matoa (Pometia pinnata) di Areal Kerja IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua. [skripsi] Fakultas Kehutanan. Bogor: Institut Pertanian Bogor. Isnaini HN. 2011. Pengelompokan Jenis Dalam Penyusunan Tabel Volume Lokal di IUPHHK-HA PT. Mamberamo Alasmandiri, Provinsi Papua. [skripsi] Fakultas Kehutanan. Bogor: Institut Pertanian Bogor.
30
Kuncahyo B. 1991. Analis Regresi dengan MINITAB. Laboratorium Biometrika Hutan Jurusan Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor. Loetsch F, Zohrer F, and Haller KE.1973. Forest Inventori Volume II. Munchen. BLV Verlagsgesselschaft Martawijaya A, Kartasujana, Kadir K, Prawira SA. 1981. Atlas Kayu Indonesia. Jilid I. Badan Litbang Kehutanan, Departemen Kehutanan. [PT. MAM] PT Mamberamo Alasmandiri. 2009. RKUPHHK dalam Hutan Alam pada Hutan Produksi Periode 2008 s/d 2017. Papua: PT. MAM. Simaremare C. 2011. Penggunaan Curveexpert Dalam Menduga Volume Pohon Merbau (Instia spp.) di IUPHHK-HA PT. Mamberamo Alasmandiri, Propinsi Papua. [skripsi] Fakultas Kehutanan. Bogor; Institut Pertanian Bogor. Spurr SH. 1952. Forest Inventory. NewYork : The Ronald Press Company, Inc. Sutarahardja S. 2008. Penyusunan Alat Bantu Dalam Inventarisasi Hutan. Bogor : Departemen Manajemen Hutan Fakultas Kehutanan IPB. Walpole ER, 1993. Pengantar Statistik Edisi Ke-3. Jakarta : PT. Gramedia Pustaka Utama.
31
LAMPIRAN
32
Lampiran 1 SK Menhut No 163/KPTS-II/2003 No
Nama Perdagangan
1.
Agathis
2.
Balau
3. 4.
Balau Merah Bangkirai
5.
Damar
Damar
6.
Durian
7.
Gia
Durian burung, Lahong, Layung, Apun, Begurah, Punggai, Durian hantu, Enggang Delingsem, Kayu batu, Melunas, Kayu kerbau, Momala
8.
Giam
Resak batu, Resak gunung
9.
Jelutung
10.
Kapur
11. 12.
Kapur Petanang Kenari
Pulai nasi, Pantung gunung, Melabuai Kamper, Ky. kayatan, Empedu, Keladan Kapur Guras
13.
Keruing
14.
Kulim
Tempuran, Lagan, Merkurang, Kawang, Apitong, Tempudau Kayu bawang hutan
15.
Malapari
Malapari
16.
Matoa
Kasai, Taun, Kungki, Hatobu, K. Sapi (Jawa), Tawan (Maluku, Ihi mendek (Irian Jaya)
Nama Daerah Dama (Sulawesi), Damar (Jawa), Damar Sigi (Sumatera), Damar Bindang (Kalimantan) Damar Laut, Semantok (Aceh ), Selangan Batu, Anggelam, Amperok Balau laut, Batu tuyang, Damar laut merah, Putang, Lempung abang Benuas, Balau mata kucing, Hulo dereh, Kerangan, Puguh, Jangkang putih
Kerantai, Ki tuwak, Binjau, Asamasam, Kedondong, Resung, Bayung, Ranggorai, Mertukul
Nama Ilmiah (Agathis spp)
(Shorea spp; Parashorea spp) (Shorea spp) (Shorea laevis Ridl); (Shorea laevifolia Endert); (Hopea spp); Shorea kunstleri (Araucaria spp) (Durio carinatus Mast); (Durio spp, Coelostegia spp) (Homalium tomentosum (Roxb) Benth, Homalium Foetidum (Roxb) Benth) (Cotylelobium spp) (Dyera spp) (Dryobalanops spp) (Dryobalanops oblongifolia Dyer) (Canarium spp, Dacryodes spp, Trioma spp, Santiria spp) (Dipterocarpus spp) (Scorodocarpus borneensis Becc) (Pongamia Pinnata (L) Pierre) (Pommetia spp)
33
lampiran 1 (lanjutan) No
Nama Perdagangan
17.
Medang
18.
Meranti Kuning
19.
Meranti Merah
Banio, Seraya merah, Kontoy bayor, Campaga, Lempong, Kumbang, Majau, Meranti ketuko, Ketrahan, Ketir, Cupang
20.
Meranti Putih
21.
Merawan
Baong, Baung, Kebaong, Belobungo, Bayong (Sumatera, Kalimantan), Damar kaca, Damar kucing, Kikir, Udang, Udang ulang, Damar hutan, Anggelam tikus, Kontoi tembaga, Maharam potong, Damar mata kucing, Bunyau, Pongin, Awan punuk, Mehing (Sumatera, Kalimantan), Damar tenang putih, Honi (Maluku), Damar lari-lari, Temungku (Sulawesi), Lalari, Tambia putih (Sulawesi), Hili (Maluku) Ngerawan, Cengal, Amang besi, Cengal balaw, Emang, Tekam
22.
Merbau
23.
Mersawa
Nama Daerah Sintuk, Sintok lancing, Ki teja, Ki tuha, Ki sereh, Selasihan Damar tanduk, Damar buah, Damar hitam, Damar kelepek
Anglai, Ipil, Tanduk (Maluku), Kayu besi (Papua), Maharan (Sumatera) Damar kunyit, Masegar, Ketimpun, Tabok, Tahan, Cengal padi
Nama Ilmiah (Cinnamomum spp) Shorea acuminatissima Sym, Shorea balanocarpoides Sym, Shorea faguetiana Heim, Shorea Scollaris, V. Sloot; Shorea gibbosa Brandis (Shorea Palembanica Miq, Shorea lepidota BI, Shorea ovalis BI, Shorea Johorensis Foxw, Shorea leptoclados Sym, Shorea leprosula Miq) (Shorea Platyclados sloot. Ex foxw.) (Shorea Virescens Parijs), Shorea retionodes V.SI), (Shorea Javanica K. et. Val), (Shorea bracteolata Dyer), (Shorea ochracea Sym),(Shorea lamellata Foxw), (Shorea assamica Dyer), (Shorea koordesii Brandis ) (Hopea spp); Hopea dyeri; (Hopea sangal Kort) (Intsia spp)
(Anisoptera spp)
34
Lampiran 1 (lanjutan) No
Nama Perdagangan
24.
Nyatoh
27.
Perupuk
28.
Pinang
29
Pulai
30.
Rasamala
31.
Resak
Nama Daerah
Nama Ilmiah
Suntai, Balam, Jongkong, Hangkang, Katingan, Mayang batu, Bunut, Kedang, Bakalaung, Ketiau, Jengkot, Kolan Kerupuk, Pasana, Aras, Mandalaksa
(Palaquium spp); (Payena spp, Madhuca spp)
Melunak, Ki sigeung, Kelembing, Ki sinduk Kayu gabus, Rita, Gitoh, Bintau, Basung, Pule, Pulai miang Tulasan (Sumatera), Mala (Jawa), Mandung (Mnkb) Damar along, Resak putih
(Pentace spp)
(Lophopetalum spp)
(Alstonia spp) (Altingia excelsa Noronha) (Vatica spp)
35
Lampiran 2 Hasil pengolahan data dengan Minitab Model Regresi Berkhout V = a D bh 2 The regression equation is log Vtot = - 3,80 + 2,48 log Dbh
Predictor Constant log Dbh
Coef -3,80373 2,48435
S = 0,0671064
SE Coef 0,03651 0,02351
R-Sq = 98,7%
T -104,19 105,68
PRESS = 0,685511
P 0,000 0,000
R-Sq(adj) = 98,7%
R-Sq(pred) = 98,65%
Analysis of Variance Source Regression Residual Error Total
DF 1 148 149
SS 50,297 0,666 50,964
MS 50,297 0,005
F 11169,11
P 0,000
Unusual Observations Obs 1 2 11 12 32 39 51 54 70 86 141
log Dbh 1,01 1,01 1,12 1,12 1,32 1,38 1,46 1,48 1,56 1,64 1,83
log Vtot -1,35148 -1,31943 -0,88357 -1,15768 -0,77172 -0,55664 -0,04252 0,00358 0,22146 0,14222 0,58334
Fit -1,29802 -1,28749 -1,01984 -1,01984 -0,51888 -0,37481 -0,17809 -0,13405 0,06266 0,27917 0,74886
SE Fit 0,01354 0,01345 0,01119 0,01119 0,00743 0,00658 0,00576 0,00565 0,00550 0,00604 0,00888
Residual -0,05346 -0,03194 0,13627 -0,13784 -0,25284 -0,18183 0,13557 0,13763 0,15879 -0,13696 -0,16551
St Resid -0,81 X -0,49 X 2,06R -2,08R -3,79R -2,72R 2,03R 2,06R 2,37R -2,05R -2,49R
R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.
Model Regresi Kopezky – Gehrhardt V = a + b D bh 2 The regression equation is Vtot = - 0,252 + 0,00119 Dbh² Predictor Constant Dbh²
Coef -0,25210 0,00118672
S = 0,339026
SE Coef 0,04320 0,00001791
PRESS = 18,5085
R-Sq = 96,7%
T -5,84 66,26
P 0,000 0,000
R-Sq(adj) = 96,7%
R-Sq(pred) = 96,45%
Analysis of Variance Source Regression Residual Error Total
DF 1 148 149
SS 504,69 17,01 521,70
MS 504,69 0,11
F 4390,93
P 0,000
36
Lampiran 2 (lanjutan) Unusual Observations Obs 118 121 135 140 141 148 149 150
Dbh² 2916 3025 3956 4624 4624 6131 6400 7744
Vtot 2,5024 4,2538 3,6249 4,3934 3,8313 8,3132 6,5266 10,7557
Fit 3,2084 3,3377 4,4430 5,2353 5,2353 7,0235 7,3429 8,9378
SE Fit 0,0336 0,0348 0,0468 0,0568 0,0568 0,0815 0,0860 0,1091
Residual -0,7060 0,9161 -0,8182 -0,8419 -1,4040 1,2897 -0,8163 1,8179
St Resid -2,09R 2,72R -2,44R -2,52R -4,20R 3,92RX -2,49RX 5,66RX
R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.
Model Regresi Horenald – Krenn V = a + b D bh + c D bh 2 The regression equation is Vtot = 0,209 - 0,0259 DBh + 0,00148 Dbh²
Predictor Constant DBh Dbh²
Coef 0,2095 -0,025871 0,00148253
S = 0,322286
SE Coef 0,1199 0,006317 0,00007421
R-Sq = 97,1%
PRESS = 17,5533
T 1,75 -4,10 19,98
P 0,083 0,000 0,000
R-Sq(adj) = 97,0%
R-Sq(pred) = 96,64%
Analysis of Variance Source Regression Residual Error Total
Source DBh Dbh²
DF 1 1
DF 2 147 149
SS 506,43 15,27 521,70
MS 253,21 0,10
F 2437,85
P 0,000
Seq SS 464,97 41,46
Unusual Observations Obs 97 121 124 135 140 141 148 149 150
DBh 46,0 55,0 57,0 62,9 68,0 68,0 78,3 80,0 88,0
Vtot 2,8330 4,2538 4,2354 3,6249 4,3934 3,8313 8,3132 6,5266 10,7557
Fit 2,1564 3,2712 3,5515 4,4477 5,3054 5,3054 7,2730 7,6280 9,4135
SE Fit 0,0366 0,0368 0,0377 0,0445 0,0567 0,0567 0,0985 0,1074 0,1557
Residual 0,6766 0,9826 0,6839 -0,8228 -0,9121 -1,4742 1,0403 -1,1014 1,3422
St Resid 2,11R 3,07R 2,14R -2,58R -2,87R -4,65R 3,39RX -3,62RX 4,76RX
R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.
37
Lampiran 3 Data pohon contoh dan validasi No
Jenis
D bh (cm)
T bc (m)
V a (m³)
No
Jenis
D bh (cm)
T bc (m)
V a (m³)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh
10,2 10,3 10,5 10,9 11 11,4 12 12,4 13 13 13,2 13,2 13,5 13,8 14 14 16 16 16 16 17 18 18,5 19,1 19,5 20 20 20 20,2 20,5 21 21 21,5 22 22,3 23 23 23,6 24 24
6,13 5,8 5,9 5,5 6,4 6,75 7,6 7,7 6,88 7,53 10,4 5,6 9,8 10,5 7,12 10,7 10,2 8 8,19 8,2 9,8 8,3 9,63 9,9 10,9 10,8 11,2 12,4 12,1 9,55 9,3 8,9 11,6 12,6 11,9 14,6 14,8 8,1 9,2 12,2
0,04452 0,04793 0,04533 0,04511 0,04881 0,06065 0,07267 0,07862 0,07895 0,09066 0,13075 0,06955 0,11851 0,13230 0,09450 0,12825 0,16277 0,13814 0,13740 0,14629 0,19542 0,18842 0,21296 0,23048 0,23517 0,20924 0,30451 0,32688 0,29740 0,27085 0,23278 0,16915 0,33318 0,36950 0,41032 0,37145 0,44388 0,30743 0,27756 0,45731
41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh
24,2 24,6 25,5 25,5 26,5 27 27 27,5 28,5 28,8 28,8 29 29,8 30 30 30,2 30,3 30,5 30,8 31,1 31,5 32 32,5 32,6 32,7 33,7 33,7 35,4 36 36 36 36 36,9 38 40 40 40 40 40,1 40,6
11,3 14,9 13,3 16 14,3 13,6 14,9 16,4 17,8 15,2 17,4 16,7 19 18 14,9 14,8 16,1 16,4 11,8 19,8 13,3 12,2 17,8 18,5 13 19,2 13,8 13,6 14,1 19,8 18,6 17,2 19,2 20,1 15,8 14,7 18,4 17,6 17,7 16,4
0,44732 0,59655 0,52074 0,53397 0,68264 0,58627 0,51924 0,79257 0,73937 0,70154 0,90673 0,80676 0,78736 1,00828 0,75275 0,76060 0,82720 0,85515 0,76766 1,07629 0,79062 0,81071 1,15468 0,96234 0,92359 1,01966 0,97067 1,04342 1,29452 1,66516 1,27369 1,21338 1,43900 1,29990 1,53731 1,44001 1,62533 1,70560 1,65914 1,66202
38
Lampiran 3 (lanjutan) No
Jenis
D bh (cm)
T bc (m)
V a (m³)
No
Jenis
D bh (cm)
T bc (m)
81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118
Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh
41 41,5 42 42 42 44 44 44 44 44,9 45 45 45 45 45 45,5 46 48 48 48 50 50 50 50 50,2 50,5 51 51 52 52 52 52 53 53 53,5 54 54 54
16,3 15,2 17,6 21,9 16,3 16,7 19,5 19,5 20,1 15,2 15,3 17,4 15,3 17,1 16,6 16,7 22 21,9 21,4 15,6 24 19 15,6 19 15,7 15,3 16,2 20,4 18,8 19,6 22,4 15,3 16,5 17,8 22,6 21,5 18 17,5
1,69789 1,52505 1,74025 1,95746 1,49695 2,03432 2,20110 2,23706 2,14050 1,70990 2,16926 1,88429 1,86024 2,10342 1,96709 1,99762 2,83299 2,41684 2,77232 2,31329 3,18664 2,67585 2,32976 2,58323 2,32767 2,82954 2,16171 2,80606 2,58039 3,05071 3,29661 2,71844 2,63581 3,01410 3,06107 3,20994 3,25476 2,50241
119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150
Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh Nyatoh
54,1 54,7 55 55 56 57 57 57 57,5 58 59 59,5 60 62 62 62 62,9 64 65 66 67,5 68 68 69,3 71 72 72 72 72,6 78,3 80 88
19,3 3,20738 19,4 3,01054 23,6 4,25385 22,8 3,59310 18,5 3,87116 22,6 4,23542 17,9 3,44350 18,8 3,18802 22,9 4,10628 18,1 3,74347 21,8 4,03660 20,2 3,99610 15,9 3,45388 17 4,33531 21,4 4,37912 19,2 4,30544 16,9 3,62486 23,4 4,67089 18,1 4,24782 20,8 5,23433 20,4 5,50671 20,9 4,39337 16,1 3,83127 18,2 4,98072 21,9 5,59953 19,8 6,36700 25,1 6,11808 18,9 5,82307 24,5 6,18508 25,3 8,31324 20,1 6,52656 24,1 10,75574
V a (m³)
39
Lampiran 4 Tabel volume jenis nyatoh (Palaquium spp.) D bh (cm) 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
Volume (m³) 0,0479 0,0606 0,0752 0,0917 0,1102 0,1308 0,1535 0,1784 0,2056 0,2351 0,2670 0,3014 0,3382 0,3776 0,4197 0,4644 0,5118 0,5620 0,6151 0,6710 0,7299 0,7917 0,8565 0,9245 0,9955 1,0697 1,1471 1,2278 1,3117 1,3990 1,4896 1,5837 1,6813 1,7823 1,8868 1,9950 2,1068 2,2222 2,3413 2,4641 2,5907
D bh (cm) 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88
Volume (m³) 2,7211 2,8554 2,9935 3,1355 3,2815 3,4315 3,5855 3,7435 3,9056 4,0718 4,2422 4,4168 4,5956 4,7786 4,9659 5,1575 5,3535 5,5539 5,7586 5,9678 6,1815 6,3997 6,6224 6,8497 7,0815 7,3180 7,5591 7,8049 8,0554 8,3107 8,5707 8,8355 9,1052 9,3797 9,6590 9,9433 10,2325 10,5267
40
