TABEL BERAT POHON TEGAKAN AKASIA MANGIUM (Acacia mangium Willd) (Studi Kasus di IUPHHK-HA PT. Bumi Pratama Usaha Jaya Sumatera Selatan)
ALIEFANDI NUR PRATOMO
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2014
PERNYATAAN Dengan ini saya menyatakan bahwa skripsi berjudul Tabel Berat Pohon Tegakan Akasia Mangium (Acacia mangium Willd) (Studi Kasus di IUPHHKHA PT. Bumi Pratama Usaha Jaya Sumatera Selatan) adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Desember 2014 Aliefandi Nur Pratomo NIM E14090100
ABSTRAK ALIEFANDI NUR PRATOMO. Tabel Berat Pohon Tegakan Akasia Mangium (Acacia mangium Willd) (Studi Kasus di IUPHHK-HA PT. Bumi Pratama Usaha Jaya Sumatera Selatan). Dibimbing oleh AHMAD HADJIB. Ketersediaan alat bantu dalam kegiatan Inventarisasi Hutan Menyeluruh Berkala (IHMB) sangat diperlukan untuk mempercepat kegiatan dan memperkecil kesalahan yang terjadi dalam pengukuran. Tujuan dari penelitian ini adalah menyusun tabel berat pohon jenis Akasia mangium (Acacia mangium Willd) di IUPHHK-HA PT. Bumi Pratama Usaha Jaya. Hasil analisis regresi diambil tiga kategori yang dapat menunjukkan baik atau tidaknya suatu persamaan yaitu koefisien determinasi ( ), standard error (SE) dan nilai . Validasi model dapat dilakukan dengan menggunakan uji simpangan agregasi (SA), simpangan rata-rata (SR), RMSE (Root Mean Square Error), nilai bias serta uji beda nyata yang dilakukan dengan uji Khi-Kuadrat antara berat yang diduga dengan tabel terhadap berat nyatanya. Berdasarkan hasil yang diperoleh, persamaan yang dapat digunakan untuk menduga berat pohon dengan kulit dan tanpa kulit berdasarkan diameter pohon pada IUPHHK-HA Akasia mangium PT. Bumi Pratama Usaha Jaya masing-masing memiliki persamaan Bdk = 0,4799 D1,9109 untuk berat pohon dengan kulit dan Btk = 0,2096 D2,0841 untuk berat pohon tanpa kulit. Kata kunci: tabel berat pohon, analisis regresi, validasi model
ABSTRACT ALIEFANDI NUR PRATOMO. Acacia Mangium Forest Tree Weight Table (Acacia mangium Willd) (Case studies in IUPHHK-HA PT. Bumi Pratama Usaha Jaya South Sumatra). Supervised by AHMAD HADJIB. The availability of tools in a Comprehensive Forest Inventory Periodic activities (IHMB) are necessary to speed up the activities and minimize the errors that occur in the measurement. The purpose of this research is composing the tree weight table of Acacia mangium (Acacia mangium Willd) species in IUPHHKHA PT. Bumi Pratama Usaha Jaya. Results of the regression analysis were taken into three categories that can indicate good or bad for an equation is the coefficient of determination ( ), standard error (SE) and count. The model validation can be performed using the aggregation deviation test (SA), the average deviation (SR), the RMSE (Root Mean Square Error), the value of the bias and real difference test conducted with the chi-square test between the alleged weight with the weight of fact table. Based on the results obtained, the equation can be used to infer a tree weight with skin and without skin based on the diameter in IUPHHK-HA Acacia mangium plant area of PT. Bumi Pratama Usaha Jaya each have Bdk = 0,4799 D1,9109 equation for tree weight with skin and Btk = 0,2096 D2,0841 equation for tree weight without skin. Keywords: tree weight table, regression analysis, model validation
TABEL BERAT POHON TEGAKAN AKASIA MANGIUM (Acacia mangium Willd) (Studi Kasus di IUPHHK-HA PT. Bumi Pratama Usaha Jaya Sumatera Selatan)
ALIEFANDI NUR PRATOMO
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2014
Judul Skripsi : Tabel Berat Pohon Tegakan Akasia Mangium (Acacia mangium Willd) (Studi Kasus di IUPHHK-HA PT. Bumi Pratama Usaha Jaya Sumatera Selatan) Nama : Aliefandi Nur Pratomo NIM : E14090100
Disetujui oleh
Ir Ahmad Hadjib, MS Pembimbing I
Diketahui oleh
Dr Ir Ahmad Budiaman, M ScF trop Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Shalawat dan salam semoga selalu tercurah kepada Nabi Muhammad SAW beserta keluarga, para sahabat, dan pengikutnya. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2014 ini ialah tabel berat pohon, dengan judul Tabel Berat Pohon Tegakan Akasia Mangium (Acacia mangium Willd) (Studi Kasus di IUPHHK-HA PT. Bumi Pratama Usaha Jaya Sumatera Selatan). Terima kasih penulis ucapkan kepada Ir Ahmad Hadjib, MS selaku pembimbing, serta Priyanto, SHut MSi dan Dra Sri Rahaju, MSi yang telah banyak memberi saran. Di samping itu, penghargaan penulis sampaikan kepada Bapak Nunuk dan Bapak Utomo dari PT. Sinar Bakti Utama sebagai rekan konsultan PT. Bumi Pratama Usaha Jaya, yang telah membantu selama pengumpulan data dan masukannya. Terima kasih juga penulis ucapkan kepada Agil, Rendy, Lutfi, Michael, Agung K, Hilman, Igor, Dzikrullah, Fini, Sam, Ismail, Perti, Dilla, Fajar, Mas Fajar, Panji, Riadi, Ririn, Uni, Andita, dan temanteman manajemen hutan 46 serta teman-teman senior dan junior Fahutan yang telah membantu dan memberi semangat kepada penulis dalam menyusun skripsi ini. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa dan kasih sayangnya. Semoga karya ilmiah ini bermanfaat.
Bogor, Desember 2014 Aliefandi Nur Pratomo
DAFTAR ISI DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
TINJAUAN PUSTAKA
2
Tinjauan Mengenai Akasia Mangium (Acacia mangium Willd)
2
Tinjauan Mengenai Tabel Berat
3
Tinjauan Mengenai Penyusunan Tabel Berat Pohon
3
Tinjauan Mengenai Validasi Tabel Berat Pohon
4
METODE
4
Waktu dan Lokasi Penelitian
4
Alat dan Bahan
5
Pengumpulan Data Lapang
5
Analisis Data
6
HASIL DAN PEMBAHASAN
11
Penentuan Pohon Contoh
11
Analisis Data
12
Tabel Berat Pohon
17
SIMPULAN DAN SARAN
17
Simpulan
17
Saran
17
DAFTAR PUSTAKA
18
LAMPIRAN
19
RIWAYAT HIDUP
23
DAFTAR TABEL 1 2 3 4
Komposisi dan jumlah pohon contoh untuk penyusunan tabel berat Sidik ragam fungsi regresi Komposisi dan jumlah pohon contoh untuk penyusunan tabel berat Komposisi dan jumlah pohon contoh untuk analisis regresi dan validasi model 5 Penentuan persamaan penduga berat pohon terbaik 6 Hasil uji validasi model persamaan penduga berat pohon
5 9 11 12 14 16
DAFTAR GAMBAR 1 Diagram hubungan berat total dengan kulit dengan diameter pohon 2 Diagram hubungan berat total tanpa kulit dengan diameter pohon
12 13
DAFTAR LAMPIRAN 1 Hasil analisis regresi 2 Tabel berat pohon dengan kulit (kg) 3 Tabel berat pohon tanpa kulit (kg)
19 23 23
PENDAHULUAN Latar Belakang Hutan merupakan suatu ekosistem yang didominasi oleh pepohonan dalam luasan tertentu yang memiliki manfaat bagi makhluk hidup di sekitarnya. Hutan juga merupakan sumberdaya alam yang memiliki potensi yang cukup besar dalam menunjang keseimbangan alam jika dikelola dengan baik dan benar. Kebijakan pemerintah dalam membangun hutan tanaman yang salah satu tujuan formal pembangunan hutan tanaman adalah meningkatkan produktifitas kawasan hutan produksi yang kritis dan tidak produktif merupakan suatu langkah pemerintah dalam mempertahankan keberadaan hutan produksi (Srihadiono 2005). Ketersediaan alat bantu dalam kegiatan Inventarisasi Hutan Menyeluruh Berkala (IHMB) sangat diperlukan untuk mempercepat kegiatan dan memperkecil kesalahan yang terjadi dalam pengukuran. Hal ini dilakukan mengingat dimensidimensi pohon maupun tegakan yang ada di lapangan terkadang sulit dan tidak praktis untuk diukur secara langsung di lapangan. Sebagaimana diketahui bahwa di PT. Bumi Pratama Usaha Jaya diberlakukan multisistem silvikultur yaitu TPTI (Tebang Pilih Tanam Indonesia) untuk areal hutan alam dan THPB (Tebang Habis Permudaan Buatan) untuk areal hutan tanaman. Tingginya tingkat okupasi dan pembukaan lahan menyebabkan tidak ditemui adanya tegakan hutan alam, sehingga tidak memungkinkan untuk dibuat alat bantu IHMB di areal hutan alam. Areal THPB berupa hutan tanaman Akasia mangium (Acacia mangium Willd) yang ditanam tahun 2009 dapat dibuat alat bantu IHMB. Alat bantu IHMB digunakan untuk melaksanakan kegiatan inventarisasi hutan meliputi dimensi pohon dan tegakan. Alat bantu yang dimaksud adalah tabel tinggi, tabel volume dan tabel berat pohon Akasia mangium yang sumber datanya berasal dari hasil pengukuran dari pohon-pohon terpilih yang dianggap dapat mewakili dari berbagai kelas umur (Sutarahardja 2008).
Tujuan Penelitian Tujuan dari penelitian ini adalah menyusun tabel berat pohon jenis Akasia mangium (Acacia mangium Willd) di IUPHHK-HA PT. Bumi Pratama Usaha Jaya.
Manfaat Penelitian Adapun manfaat dari penelitian ini adalah mempermudah pengelola dalam penaksiran dan perhitungan potensi berat tegakan pada hutan tanaman Mangium di IUPHHK-HA PT. Bumi Pratama Usaha Jaya sehingga dapat digunakan untuk menaksir tonasi bahan baku (pulp, kayu serat lainnya).
2
TINJAUAN PUSTAKA Tinjauan Mengenai Akasia Mangium (Acacia mangium Willd) Akasia mangium (Acacia mangium Willd.) termasuk ke dalam sub famili Mimosoideae famili Leguminosae. Tanaman ini merupakan salah satu jenis tanaman cepat tumbuh (fast growing species) dan mudah tumbuh (adaptive) pada kondisi lahan yang rendah tingkat kesuburannya. Jenis ini tersebar secara alami di Australia, Papua Nugini, Maluku, Papua bagian utara dan Papua bagian selatan. Akasia mangium tidak memiliki persyaratan tumbuh yang tinggi, dapat tumbuh pada lahan dengan pH rendah yaitu 4,5; tanah berbatu serta tanah yang mengalami erosi. Tumbuh pada ketinggian 30-130 mdpl dengan curah hujan yang bervariasi antara 1000-4500 mm/tahun dan merupakan jenis yang sesuai ditanam di daerah terbuka (jenis intoleran) (Gunn dan Midgley 1991 dalam Leksono 1996). Pemanfaatan kayu Akasia mangium hingga saat ini telah mengalami spektrum yang luas, terutama untuk kayu serat sebagai bahan baku industri pulp dan kertas. Jamaludin et al. (2008) dalam Sulistyawati (2009) memberikan pendapat bahwa dengan adanya perubahan kondisional baik yang menyangkut kapasitas industri maupun adanya desakan kebutuhan kayu, maka kayu Akasia mangium digunakan pula sebagai kayu pertukangan maupun kayu energi sebagai bahan bakar arang. Menurut Mandang dan Pandit (1997), nama lain dari Akasia mangium adalah mangium, kasia, kihia (sunda) dan akasia (berlaku umum). Kayu Akasia mangium mempunyai ciri umum sebagai berikut: a. Warna : teras berwarna coklat pucat sampai coklat tua, kadang-kadang coklat zaitun sampai coklat kelabu, batasnya tegas dengan gubal yang berwarna kuning pucat sampai kuning jerami : polos atau berjalur-jalur berwarna gelap dan terang bergantian b. Corak pada bidang radial c. Tekstur : halus sampai agak kasar dan merata d. Arah serat : biasanya lurus, kadang-kadang berpadu e. Kilap : permukaan agak mengkilap f. Kesan raba : licin g. Kekerasan : agak keras sampai keras Sedangkan ciri anatominya adalah sebagai berikut: a. Pembuluh : baur, soliter dan berganda radial yang terdiri atas 2-3 pori, kadang-kadang sampai 4, diameter agak kecil, jarang sampai agak jarang, bidang perforasi sederhana b. Parenkim : bertipe paratrakeal bentuk selubung di sekeliling pembuluh, kadang-kadang bentuk sayap pada pembuluh kecil c. Jari-jari : sempit, jarang sampai agak jarang, ukurannya agak pendek sampai pendek d. Sifat fisis : berat jenis rata-rata 0,61 (0.43-0.66); kelas awet II; kelas kuat IIIII
3 Tinjauan Mengenai Tabel Berat Tabel berat pohon adalah tabel yang menunjukkan hubungan antara diameter dengan berat segar (fresh weight) suatu pohon. Pembentukan tabel berat pohon sama dengan pembentukan tabel volume pohon, yaitu dengan cara melakukan pengukuran per seksi pohon. Setelah semua seksi batang diukur volumenya, kemudian berat ditimbang. Tabel berat diperoleh dengan menghubungkan diameter dengan berat pohon yang bersangkutan dengan menggunakan teknik analisis regresi. Tabel berat ini penting keberadaannya untuk menduga potensi kayu pulp dalam HTI pulp, dan untuk menduga biomassa serta banyaknya unsur karbon dalam hutan tanaman.
Tinjauan Mengenai Penyusunan Tabel Berat Pohon Dalam penyusunan tabel berat pohon, kegiatan yang memerlukan waktu yang cukup lama dan membutuhkan tenaga yang cukup banyak adalah penimbangan berat pohon dibandingkan dengan pengukuran diameter pohon. Penimbangan berat pohon membutuhkan tenaga yang cukup banyak karena pohon harus ditebang terlebih dahulu dan hasil tebangan berupa log kayu diangkut ke tempat penggergajian untuk ditimbang berat tanpa kulit dan dengan kulit. Selain itu diperlukan waktu yang cukup lama dalam menunggu proses penebangan pohon contoh sampai dengan proses penimbangan. Kendala-kendala dalam menimbang berat pohon tidak mungkin untuk dihilangkan karena kesalahan dalam penimbangan berat pohon di lapangan bukan hanya terjadi karena faktor manusia saja tetapi juga karena faktor alat dan lingkungan. Tabel berat perlu disediakan sebagai alat untuk mempermudah pendugaan potensi berat pohon dengan berbagai alasan dalam penimbangan berat pohon. Penyusunan tabel berat pohon tersebut menggunakan dasar hubungan antara berat pohon dengan diameter pohon. Dengan tersedianya tabel berat pohon, maka pada kegiatan inventarisasi hutan dan pendugaan potensi berat tegakan tidak lagi diperlukan penimbangan berat pohon, melainkan cukup dengan mengukur diameter pohon. Penyusunan tabel berat pohon dengan melihat hubungan antara berat pohon dengan diameter pohon dapat dibuat dengan cara ploting (free hand methods) atau hubungan tersebut dinyatakan dengan menggunakan fungsi matematis (mathematical functions) dan diolah dengan menggunakan analisis regresi (regression analysis). Bentuk kurva bervariasi dari suatu tegakan hutan dengan tegakan hutan yang lain, sehingga untuk menggambarkan hubungan antara berat dengan diameter, banyak fungsi matematis yang menggambarkan hubungan tersebut (Van Laar & Akça 1997). Beberapa fungsi yang telah dikembangkan di antaranya adalah: Ln B B B B
= + =1/( = = +
+
)
(Hines dan Douglas 1990) (Irianto 2004) (Irianto 2004) (Siregar 2004)
4 B
=
+
+
Keterangan: B D Ln ,
(Departemen Kehutanan Republik Indonesia 2007)
,
= berat pohon = diameter pohon (1,3m dari permukaan tanah) = lon = konstanta
Pada model-model tersebut dapat digunakan satuan metriks, yaitu centimeter (cm) untuk diameter pohon dan kilogram (kg) untuk berat pohon. Untuk tujuan pembuatan tabel berat ini perlu dilakukan penimbangan berat pohon dan pengukuran diameter pohon dengan teliti dan benar terhadap sejumlah pohonpohon contoh atau pohon-pohon model yang dirancang tersebar merata pada setiap ukuran kelas diameter pohon dan pada setiap kelas umur pohon. Pohon contoh yang dipilih hendaknya pohon yang sehat dan baik pertumbuhannya. Sama halnya seperti kurva tinggi dan tabel volume, tabel berat yang dapat digunakan adalah kurva dimana hubungan antara diameter dan beratnya cukup kuat. Perbedaan tabel berat untuk jenis yang sama menyatakan perbedaan lokasi pohon contoh diambil. Hal ini menunjukkan bahwa lokasi yang berbeda, akan memperoleh tabel berat yang berbeda pula sehingga setiap IUPHHK sebaiknya mempunyai kurva yang berasal dari wilayahnya masing-masing (Sutarahardja 2008).
Tinjauan Mengenai Validasi Tabel Berat Pohon Pengujian validasi ditujukan untuk mengetahui apakah persamaanpersamaan regresi yang disusun valid atau tidak dengan mengambil beberapa pohon contoh sebagai pengujian validasi model. Data pohon contoh tersebut tidak digunakan dalam penyusunan model-model tabel berat. Uji validasi model dapat dilakukan dengan menghitung nilai-nilai simpangan agregasi (agregative deviation), simpangan rata-rata (mean deviation), RMSE (root mean square error), serta uji beda nyata yang dapat dilakukan dengan cara uji Khi-kuadrat. Suatu persamaan regresi dapat dinyatakan valid untuk digunakan apabila memenuhi persyaratan tertentu dari hasil uji validasi yang digunakan.
METODE Waktu dan Lokasi Penelitian Pengambilan data untuk penelitian ini didapatkan pada tahun 2013 di areal hutan tanaman milik PT. Bumi Pratama Usaha Jaya, Sumatera Selatan. Pengolahan data dilaksanakan di Laboratorium Pemetaan dan Potret Udara Fakultas Kehutanan IPB pada bulan Februari hingga bulan Mei 2014.
5 Alat dan Bahan Alat yang digunakan untuk penelitian ini adalah peta kerja skala 1:50.000, tallysheet, alat tulis, GPS, kompas, clinometer, pita ukur, phi-band, label penanda pohon, tali rafia 20m, dan patok. Pengolahan data menggunakan software Microsoft Word dan Microsoft Excel. Bahan yang digunakan dalam penelitian ini adalah tegakan Akasia mangium berumur empat tahun yang didapat di lapangan. Pengumpulan Data Lapang Pengumpulan data pohon contoh mencakup: 1. Menetapkan pohon-pohon contoh pada setiap areal yang akan diukur dan dapat mewakili. 2. Pohon-pohon contoh tersebut diambil dari satu kelas umur dan merata pada setiap lokasi. 3. Pohon-pohon contoh tersebut diukur diameternya untuk seluruh kelas umur yang ada pada setiap lokasi. 4. Pohon-pohon contoh tersebut ditebang dan ditimbang berat per seksi sepanjang 1 m atau 2 m, dengan kulit dan tanpa kulit. 5. Seksi-seksi pohon ini ditimbang dengan karung yang sudah dibuka ujungnya, dengan timbangan gantung (timbangan beras). Berat semua seksi kemudian dijumlahkan untuk memperoleh berat pohon segar. Pohon contoh yang digunakan untuk menyusun tabel berat dipilih dan tersebar pada beberapa kelas diameter. Lokasi yang diambil adalah dengan cara purposive sampling. Pohon contoh yang diambil adalah pohon yang sehat yaitu memiliki batang yang lurus, memiliki pertumbuhan yang normal, dan tidak memiliki cacat pada bagian batang. Untuk melakukan pemodelan tabel berat diperlukan beberapa jumlah pohon per-perwakilan kelas diameter pohon. Pohon contoh yang diambil terbagi ke dalam dua kelompok yaitu pohon contoh untuk penyusunan model (regresi) dan pohon contoh untuk validasi model. Pohonpohon contoh yang dipilih selanjutnya diklasifikasikan menurut kelas diameter. Jumlah pohon contoh yang digunakan untuk pembuatan tabel berat adalah 140 pohon contoh. Pemilahan kelas diameter dan jumlah pohon contoh yang diambil tercantum pada Tabel 1. Tabel 1 Komposisi dan jumlah pohon contoh untuk penyusunan tabel berat Kelas Diameter Regresi Uji Validasi Jumlah Pohon Contoh (cm) (pohon) (pohon) (pohon) 5,00 - 7,49 14 6 20 7,50 - 9,99 14 6 20 10,00 - 12,49 14 6 20 12,50 - 14,99 14 6 20 15,00 - 19,99 14 6 20 20,00 - 24,99 14 6 20 25,00 - 29,99 14 6 20 Jumlah 98 42 140
6 Analisis Data Scatter Diagram Pohon Contoh Data pohon contoh ditampilkan dalam scatter diagram atau scatter plot. Scatter diagram (diagram tebar) pohon contoh adalah suatu diagram yang menggambarkan hubungan antara diameter dan berat pohon untuk membantu dalam pemilihan model. Dari tebaran data tersebut akan dapat dilihat bentuk penampilan penyebaran datanya, apakah mengikuti pola linier atau non linier, sehingga dapat membantu dalam pemilihan model pendekatannya.
Pemilihan Model Hubungan antara Diameter dengan Berat Pohon Pemilihan model hubungan antara diameter dengan berat pohon dilakukan dengan melihat bentuk penampilan penyebaran data (linier atau non linear) pada scatter diagram yang telah dibuat. Dari bentuk penyebaran datanya, maka dapat ditentukan model pendekatannya. Adapun beberapa persamaan hubungan antara diameter dengan berat pohon yang digunakan dalam penyusunan tabel berat pohon antara lain: Model Linear Model Kuadratik Model Polynomial Model Logaritma
Keterangan:
B D
:B= + :B= + :B= + :B=
+
= berat segar pohon = diameter pohon (1,3m dari permukaan tanah) = konstanta
Perhitungan Korelasi Dalam penyusunan tabel berat pohon terdapat hubungan yang erat antara diameter dengan berat pohon. Pohon-pohon yang memiliki diameter yang sama akan memberikan berat dan bentuk yang sama. Tingkat keeratan hubungan ini ditunjukkan dengan besarnya nilai korelasi (r) dimana: r= Keterangan:
r D B n
√ (
)-(
+
(
)-
= korelasi = diameter pohon (1,3m dari permukaan tanah) = berat total pohon = banyaknya pohon contoh
Nilai korelasinya merupakan penduga tak bias dari koefisien korelasi populasi. Besarnya nilai r berkisar antara -1 ≤ r ≤ 1, jika ilai r = -1 maka
7 hubungan berat dengan diameter pohon merupakan korelasi negatif sempurna dan jika r = 1 maka merupakan korelasi positif sempurna. Korelasi yang mendekati nol (r = 0) menunjukkan bahwa sedikit atau tidak ada suatu hubungan linier yang terjadi bersama-sama.
Perhitungan Koefisien Regresi Menghitung koefisien regresi pada penyusunan tabel berat pohon berdasarkan model-model persamaan matematik, antara lain: a. Model satu peubah Yi = + + dengan penduga modelnya adalah = + + maka besarnya nilai koefisien regresi sebagai penduga dari dan besarnya nilai konstanta sebagai penduga dari dapat dihitung dari nilai-nilai data pohon contoh. =
= ̅-
dan
1
̅
Keterangan : B = berat segar pohon D = diameter pohon (1,3 m dari permukaan tanah) Koefisien korelasi (r) antara berat pohon dengan diameter pohon dapat dihitung dengan rumus di atas atau dengan rumus: r=√ Dalam hal ini,
,
, dan
1
dapat dihitung dengan rumus: = ∑i=
i -
= ∑i=1
-
= ∑i=
i i-
∑i=1 i ∑i=1 i ∑i=
i
∑i=
i
Bentuk model satu peubah yang lain adalah: B = ditransformasikan menjadi Log B = log + log D dan bentuk model persamaan regresinya (simple linear regression): B = + D + , maka besarnya nilai koefisien regresi sebagai penduga dari log dan besarnya nilai konstanta sebagai penduga dari log dapat dihitung dari nilai-nilai data pohon contoh. Keterangan:
B D
= log B = simpangan (error) = log D r = koefisien korelasi contoh = jumlah kuadrat peubah D (diameter pohon) = jumlah kuadrat peubah B (berat segar pohon) = jumlah hasil kali antara peubah D dengan peubah B
8 b. Model dua peubah B= bentuk model persamaan regresinya (multiple linear regression) : B = . Maka besarnya nilai-nilai penduga koefisien-koefisien regresi ( ) sebagai penduga ( ) serta intercept sebagai penduga dapat dihitung berdasarkan data pohon contoh yang diambil.
1
= =
)(
(
1
( (
1
1
)( )
)(
)( (
1
= ∑i=
1
= ∑i= 1 1
i-
= ∑i= = ∑i=
1i
∑i=
i
-
1
-
JKregresi =
1
JKtotal =
= ∑i=
B
1
∑i=
1
= ∑i=
Keterangan:
i-
1
)
)( ̅
∑i=
∑i=
)(
)
1
)( =̅
1
1
̅
)(
1
)
1
1 ∑i= 1 ∑i=
∑i=
∑i=
1
i
-
∑i=
i
= berat segar pohon (kg) = jumlah kuadrat peubah B (berat segar pohon) = jumlah hasil kali antara peubah D dengan peubah B
Koefisien determinasi (
) dari model regresi tersebut dapat dihitung: =
r r i al
Koefisien korelasi berganda (R) dapat diperoleh dari akar koefisien determinasi tersebut di atas.
Pengujian Metode Regresi Metode regresi digunakan dengan tujuan mengetahui ada tidaknya hubungan antar peubah-peubah yang merupakan suatu hubungan yang nyata atau tidak maka dilakukan uji regresi dengan uji F. Pengujian dilakukan dengan cara membandingkan nilai F hitung dengan nilai F tabel pada tingkat nyata tertentu. Nilai F hitung dapat dicari dengan sidik ragam yang dapat dilihat pada Tabel 2.
9 Tabel 2 Sidik ragam fungsi regresi Derajat Bebas Jumlah Kuadrat Tengah Kuadrat dr = p-1 JKR KTR= JKR/dbr ds = n-p JKS KTS= JKS/dbs dt = n-1 JKT -
Sumber Keragaman Regresi (R) Sisa (S) Total (T) Keterangan:
F Hitung KTR/KTS -
p = banyaknya konstanta (koefisien regresi dan intercept) n = banyaknya pohon contoh
Hipotesa yang digunakan: : Sekurang-kurangnya ada
atau
≠
Apabila F hitung > F tabel maka tolak , artinya sedikitnya ada satu peubah bebas yang mempengaruhi peubah tak bebas. Dari hasil analisis regresi tersebut dapat dilihat keeratan hubungan antara peubah bebas dengan peubah tak bebas yang ditunjukkan oleh besarnya nilai koefisien korelasi (r), sedangkan untuk melihat berapa besar pengaruh peubah bebas (diameter pohon) terhadap peubah tak bebas (berat pohon) dapat dilihat dari nilai koefisien determinasi ( ).
Validasi Model Hasil persamaan-persamaan regresi yang telah teruji tersebut di atas, pada penyusunan tabel berat pohon dengan analisis regresi perlu dilakukan uji validasi dengan menggunakan pohon contoh yang telah dialokasikan sebelumnya khusus untuk pengujian validasi model. Data pohon contoh tersebut tidak digunakan dalam penyusunan model-model tabel berat di atas. Uji validasi model dapat dengan melihat pada nilai-nilai simpangan agregasinya (aggregative deviation), simpangan rata-rata (mean deviation), RMSE (root mean square error), serta uji beda nyata antara berat yang diduga dengan tabel terhadap berat nyatanya. Uji beda nyata bisa dilakukan dengan cara uji Khi-kuadrat. Nilai-nilai pengujian validasi model tersebut dapat dihitung dengan rumusrumus sebagai berikut: a. Simpangan Agregat (Aggregative Deviation) Simpangan agregat merupakan selisih antara jumlah berat aktual (Ba) dan berat dugaan (Bt) yang diperoleh berdasarkan tabel berat pohon, sebagai persentase terhadap berat dugaan (Bt). Persamaan yang baik memiliki nilai simpangan agregat (SA) yang berkisar dari -1 sampai +1. Nilai SA dapat dihitung dengan rumus berikut: ∑i=1 =(
∑i=1 a ∑i=1
)
b. Simpangan Rata-rata (Mean Deviation) Simpangan rata-rata merupakan rata-rata jumlah dari nilai mutlak selisih antara jumlah berat dugaan (Bt) dan berat aktual (Ba). Proporsional terhadap
10 jumlah berat dugaan (Bt). Nilai simpangan rata-rata yang baik adalah tidak lebih dari 10% (Spurr 1952). Simpangan rata-rata dapat dihitung dengan rumus (Bustomi et al. 1998 dalam Panjaitan 2009):
=(
a
∑i=1
) 1
c. RMSE (Root Mean Square Error) RMSE merupakan akar dari rata-rata jumlah kuadrat nisbah antara selisih berat dugaan dari tabel berat pohon (Bt) dengan berat aktualnya (Ba). RMSE dapat dihitung dengan rumus:
=
a
√∑i=1 *
a
+
1
d. Bias (e) Bias adalah kesalahan sistematis yang dapat terjadi karena kesalahan dalam pengukuran, kesalahan teknis pengukuran maupun kesalahan karena alat ukur. Bias dapat dihitung dengan rumus: = ∑*
(
a a
)
+ 1
i=1
e. Uji Beda Rata-rata Khi-kuadrat (Chi-square Test) Pengujian validasi model persamaan penduga berat pohon, dapat pula dilakukan dengan menggunakan uji Khi-kuadrat yaitu alat untuk menguji apakah berat yang diduga dengan tabel berat pohon (Bt) berbeda dengan berat pohon aktualnya (Ba). Dalam hal ini hipotesa yang diuji adalah sebagai berikut: = a ≠ a 1 Kriteria ujinya adalah: i
= ∑ i=1
a a
Kaidah keputusannya adalah sebagai berikut: ( ) maka terima ( ) maka terima
11 Pemilihan Model Terbaik Model persamaan regresi untuk penyusunan tabel berat pohon yang akurat dan valid adalah apabila memenuhi kriteria sebagai berikut: 1. Dalam analisis regresi menghasilkan nilai-nilai koefisien determinasi ( ) yang besar, regresi yang nyata berdasarkan hasil analisis keragamannya serta sampling error (SE) yang rendah atau kecil dan nilai Fhitung yang besar. 2. Dalam uji validasi harus memenuhi standar pengujian antara lain: a. Persamaan yang baik memiliki simpangan agregat (SA) yang berada pada kisaran -1 sampai +1 (Spurr 1952). b. Persamaan yang baik memiliki nilai simpangan rata-rata tidak lebih dari 10%. 3. Nilai RMSE dan Bias yang kecil menunjukkan model persamaan penduga berat yang lebih baik. 4. Apabila hasil uji beda antara nilai rata-rata yang diduga pada tabel berat dengan nilai rata-rata nyata (aktual), tidak menunjukkan adanya perbedaan yang nyata (Ho, diterima) maka persamaan penduga berat itu dapat digunakan.
HASIL DAN PEMBAHASAN Penentuan Pohon Contoh Pohon contoh yang digunakan untuk penyusunan tabel berat pohon adalah sebanyak 65 pohon seperti tercantum pada Tabel 3 yang terbagi atas 47 pohon contoh untuk penyusunan persamaan regresi dan 18 pohon contoh untuk validasi yang dapat dilihat pada Tabel 4. Tabel 3 Komposisi dan jumlah pohon contoh untuk penyusunan tabel berat Kelas Diameter Rencana Realisasi Jumlah Pohon (cm) Jumlah Pohon Contoh (pohon) Contoh (pohon) 5,00 - 7,49 20 4 7,50 - 9,99 20 7 10,00 - 12,49 20 4 12,50 - 14,99 20 12 15,00 - 19,99 20 38 20,00 - 24,99 20 0 25,00 - 29,99 20 0 Jumlah 140 65
12 Tabel 4 Komposisi dan jumlah pohon contoh untuk analisis regresi dan validasi model Regresi Uji Validasi Kelas Diameter (cm) Jumlah (pohon) (pohon) 5,00 - 7,49 3 1 4 7,50 - 9,99 5 2 7 10,00 - 12,49 3 1 4 12,50 - 14,99 9 3 12 15,00 - 19,99 27 11 38 20,00 - 24,99 0 0 0 25,00 - 29,99 0 0 0 Jumlah 47 18 65
Analisis Data Scatter Diagram Pohon Contoh
Berat Dengan Kulit (kg)
Scatter diagram atau scatter plot (diagram tebar) digunakan untuk membantu dalam pemilihan model, sehingga dari tebaran data tersebut akan dapat dilihat bentuk penyebaran datanya apakah mengikuti pola linier atau non linier. Bentuk diagram tebar pohon contoh disajikan pada gambar berikut:
180,00 160,00 140,00 120,00 100,00 80,00 60,00 40,00 20,00 0,00
Series1
y = 0,4649x1,9212 R² = 0,981
0,00
10,00
20,00
DBH Dengan Kulit (cm)
Gambar 1 Diagram hubungan berat total dengan kulit dengan diameter pohon
13
Berat Tanpa Kulit (kg)
140,00
Series1
120,00 100,00 80,00
y = 0,3167x1,9817 R² = 0,9849
60,00 40,00 20,00 0,00 0,00
10,00 20,00 DBH Tanpa Kulit (cm)
Gambar 2 Diagram hubungan berat total tanpa kulit dengan diameter pohon
Penyusunan Model Persamaan Regresi Penyusunan tabel berat pohon menggunakan pohon contoh sebanyak 65 pohon yang terbagi untuk penyusunan persamaan regresi sebanyak 47 pohon dan untuk validasi sebanyak 18 pohon contoh. Pohon contoh yang digunakan untuk menyusun tabel berat dipilih dan tersebar pada beberapa kelas diameter. Alternatif model yang digunakan dalam penyusunan model tabel berat adalah: Model Linear Model Kuadratik Model Polynomial Model Logaritma
Keterangan: B D
:B= + :B= + :B= + :B=
+
= berat segar pohon = diameter pohon (1,3m dari permukaan tanah) = konstanta
Adapun hasil dari pembuatan persamaan regresi tersebut akan digunakan untuk menduga besarnya berat pohon dengan kulit (Bdk) dan berat pohon tanpa kulit (Btk). Model persamaan regresi yang diperoleh dari hasil perhitungan dapat dilihat pada Tabel 5.
14 Tabel 5 Penentuan persamaan penduga berat pohon terbaik Model
Persamaan
Bdk
Variabel Statistik R SE Fhitung Berat Dengan Kulit
R
2
2
Skoring SE Fhit
1
Bdk = - 62,8023 + 10,1675 D
0,9119
11,6957
465,6335
2
2
3
7
2
Bdk = - 4,6570 + 0,4010
0,9642
7,4595
1.210,2962
1
1
1
3
3
Bdk = 62,9471 - 11,2161 D + 0,8275
0,9835
5,1151
1.312,8534
4
3
2
9
4
Bdk = 0,4799
0,9816
0,0348
2.397,5284
3
4
4
11*
Btk
Berat Tanpa Kulit
1
Btk = - 49,0722 + 7,4858 D
0,9184
8,2563
506,4889
1
1
1
3
2
Btk = - 6,1830 + 0,2949
0,9686
5,1191
1.389,5838
2
2
2
6
3
Btk = 40,3009 - 7,7121 D + 0,5881
0,9856
3,5021
1.510,5490
3
3
3
9
4
Btk = 0,2096
0,9882
0,0303
3.776,3908
4
4
4
12*
Keterangan
: model 1 = model linear, model 2 = model kuadratik, model 3 = model polynomial, model 4 = model logaritma, * = Persamaan terbaik, D = diameter pohon (1,3 m dari permukaan tanah)
Tabel 5 menunjukkan bahwa persamaan tabel berat terpilih dapat dipergunakan untuk melakukan pendugaan berat pohon dengan terlebih dahulu mengetahui variabel diameter. Hasil analisis regresi diambil tiga kategori yang dapat menunjukkan baik atau tidaknya suatu persamaan untuk digunakan yaitu koefisien determinasi ( ), standard error (SE) dan nilai . Koefisien determinasi ( ) adalah untuk melihat besarnya keseragaman peubah tidak bebas (berat pohon) yang dapat dijelaskan peubah bebasnya (diameter pohon). Koefisien determinasi ( ) digunakan sebagai informasi mengenai kecocokan suatu model yang dijadikan sebagai ukuran seberapa baik garis regresi mendekati nilai data asli = 1 maka angka tersebut yang dibuat model. Menurut Siregar (2004) jika menunjukkan garis regresi cocok dengan data secara sempurna, sedangkan =0 akan mempunyai arti bahwa tidak ada hubungan antara peubah bebas (diameter pohon) dengan peubah tak bebasnya (berat pohon). Suharlan et al. (1976) dalam Panjaitan (2009) menambahkan bahwa nilai koefisien determinasi sebesar 50% merupakan batas minimal yang digunakan dalam penyusunan model tabel berat yang dianggap cukup memadai. Semakin besar nilai determinasi, maka persamaan regresi tersebut semakin baik. Hasil analisis regresi pada Tabel 5 menunjukkan bahwa persamaan (3) pada berat dengan kulit memiliki nilai tertinggi sebesar 0,9835 (98,35%) dibandingkan dengan tiga persamaan lainnya dengan nilai masing-masing sebesar 0,9119 (91,19%), 0,9642 (96,42%) dan 0,9816 (98,16%). Sedangkan pada berat tanpa kulit nilai tertinggi didapatkan oleh persamaan (4) dengan nilai sebesar 0,9882 (98,82%). Berdasarkan nilai maka persamaan (3) pada berat dengan kulit dan persamaan (4) pada berat tanpa kulit merupakan persamaan penduga terbaik yang menjelaskan berat total pohon berdasarkan diameter pohon.
15 Hubungan linier yang kuat antara berat pohon dengan diameter pohon dapat diketahui dari semakin besar nilai korelasinya. Semakin besar korelasi antara berat pohon dengan diameter pohon, maka semakin kuat hubungan keduanya. Sebaliknya, semakin besar nilai korelasi maka semakin kecil nilai standard error (SE). Standard error merupakan standar simpangan data pada tebaran (scatter diagram) data yang mengikuti pola linier. Jadi semakin kecil standard error suatu persamaan, maka persamaan tersebut semakin baik karena data menyebar mengikuti pola linier yang mengartikan bahwa pengaruh perubahan peubah bebas (diameter pohon) akan diikuti dengan berubahnya peubah tidak bebas (berat pohon). Berdasarkan hasil analisis pada Tabel 5 diketahui bahwa pada persamaan (4) untuk berat dengan kulit memiliki nilai SE yang lebih kecil dengan nilai SE sebesar 0,0348 dibandingkan dengan tiga persamaan lainnya dengan nilai SE masing-masing 11,6957; 7,4595 dan 5,1151. Sedangkan untuk berat tanpa kulit dapat diketahui bahwa pada persamaan (4) dengan nilai SE sebesar 0,0303 juga memiliki nilai SE yang terkecil dibandingkan dengan tiga persamaan yang lain. Berdasarkan nilai SE maka persamaan (4) merupakan persamaan penduga tinggi pohon terbaik karena memiliki nilai SE yang paling kecil. Pengujian keberartian peranan peubah bebas (diameter pohon) terhadap peubah tidak bebasnya (berat pohon) dilakukan melalui uji signifikasi F-Test dan . Menurut Draper dan Smith dengan membandingkan nilai (1992), apabila > pada taraf nyata 1% maka sedikitnya ada satu peubah bebas yang mempengaruhi peubah tidak bebas sehingga persamaan regresi yang diuji dapat diterima. Semakin besar nilai suatu persamaan, maka persamaan regresi tersebut semakin baik dalam menduga berat pohon. Berdasarkan Tabel 5 untuk berat dengan kulit dan berat tanpa kulit memiliki nilai > pada tingkat nyata 1%, yang berarti bahwa peubah bebas (diameter pohon) yang dimasukkan ke dalam persamaan regresi sangat berpengaruh nyata dalam menduga peubah tidak bebasnya (berat pohon). Hasil analisis regresi pada Tabel 5 untuk berat dengan kulit dan berat tanpa kulit menunjukkan bahwa pada persamaan (1) memiliki nilai sebesar 465,6335 untuk berat dengan kulit dan 506,4889 untuk berat tanpa kulit; sedangkan pada persamaan (2) memiliki nilai sebesar 1.210,2962 untuk berat dengan kulit dan 1.389,5838 untuk berat tanpa kulit. Kemudian pada persamaan (3) memiliki nilai sebesar 1.312,8534 untuk berat dengan kulit dan 1.510,5490 untuk berat tanpa kulit; dan pada persamaan (4) memiliki nilai sebesar 2.397,5284 untuk berat dengan kulit dan 3.776,3908 untuk berat tanpa kulit. Berdasarkan nilai maka persamaan (4) merupakan persamaan terbaik dalam menduga peubah bebas (diameter pohon) terhadap peubah tidak bebas (berat pohon) untuk berat dengan kulit dan berat tanpa kulit karena persamaan (4) memiliki nilai terbesar. Persamaan-persamaan yang telah dibuat untuk mencari penduga tinggi pohon terbaik maka dilakukan pemberian peringkat (skoring) pada setiap persamaan. Pemilihan persamaan terbaik berdasarkan penilaian peringkat pada Tabel 5, maka diperoleh persamaan terbaik dalam menduga berat pohon berdasarkan diameternya. Pada Tabel 5 dapat dilihat bahwa persamaan penduga berat pohon terbaik, baik pada berat dengan kulit maupun berat tanpa kulit yaitu persamaan (4) Bdk = 0,4799 untuk berat dengan kulit dan Btk = 0,2096
16 untuk berat tanpa kulit. Persamaan (4) terpilih karena memiliki nilai determinasi (R2) yang tertinggi dibandingkan dengan tiga persamaan lainnya, walaupun pada berat dengan kulit persamaan (4) memiliki nilai R2 yang sedikit lebih kecil dengan nilai R2 sebesar 0,9816 dibandingkan dengan persamaan (3) dengan nilai R2 sebesar 0,9835. Persamaan (4) juga memiliki nilai standard error (SE) terkecil untuk berat dengan kulit dan berat tanpa kulit dengan nilai SE masing-masing 0,0348 dan 0,0303, serta memiliki nilai Fhitung terbesar untuk keduanya yaitu 2.397,5284 untuk berat dengan kulit dan 3.776,3908 untuk berat tanpa kulit dibandingkan dengan tiga persamaan lainnya.
Validasi Model Persamaan Penduga Berat Pohon Model yang dihasilkan berdasarkan analisis regresi cukup valid dan dapat digunakan apabila memenuhi beberapa uji validasi. Pengujian validasi dapat dilakukan dengan menggunakan uji simpangan agregasi (SA), simpangan rata-rata (SR), RMSE (Root Mean Square Error), nilai bias serta uji beda nyata yang dilakukan dengan uji Khi-Kuadrat antara berat yang diduga dengan tabel terhadap berat nyatanya (Sutarahardja 2008). Hasil uji validasi persamaan penduga berat pohon terpilih akan disajikan pada Tabel 6. Tabel 6 Hasil uji validasi model persamaan penduga berat pohon Model Bdk 1 2 3 4 Btk 1 2 3 4
Persamaan Bdk = - 62,8023 + 10,1675 D Bdk = - 4,6570 + 0,4010 Bdk = 62,9471 11,2161 D + 0,8275
Bdk = 0,4799 D
1,9109
Bdk = - 62,8023 + 10,1675 D Bdk = - 4,6570 + 0,4010 Bdk = 62,9471 11,2161 D + 0,8275
Btk = 0,2096 D
Keterangan
SR RMSE (%) (%) Berat Dengan Kulit
Bias (%)
X2hit (0,01)
X2tabel (0,01)
0,9549
0,0209
7,38
35,13
7,38
34,74
33,409
0,9819
0,0130
2,06
13,41
2,06
10,57
33,409
0,9917
0,0056
0,64
9,96
0,64
6,64
33,409
0,9907
0,0067 1,39 8,22 Berat Tanpa Kulit
1,39
7,88
33,409
0,9583
0,0222
14,31
61,41
14,31
34,60
33,409
0,9842
0,0141
2,66
14,54
2,66
6,99
33,409
0,9928
0,0066
0,99
9,64
0,99
4,23
33,409
0,9941
0,0069
1,67
7,29
1,67
4,14
33,409
Korelasi
2,0841
SA
: D = diameter pohon (1,3 m dari permukaan tanah), model 1 = model linear, model 2 = model kuadratik, model 3 = model polynomial, model 4 = model logaritma
Hasil uji validasi pada Tabel 6 dapat diketahui bahwa persamaan penduga berat pohon yang digunakan telah valid dan dapat digunakan untuk keperluan inventarisasi hutan. Menurut Sutarahardja (2008) tabel berat yang dihasilkan berdasarkan analisis regresi cukup valid dan terandalkan apabila koefisien korelasinya cukup besar dan regresi nyata, simpangan baku atau sampling error kecil, simpangan agregasinya berada di antara nilai -1 sampai +1, simpangan rataratanya tidak lebih dari 10%, RMSE (Root Mean Square Error) yang kecil,
17 biasnya rendah mendekati nol dan nilai taksiran dari tabel tidak berbeda nyata dengan nilai aktual yang disimpulkan dari uji Khi-Kuadrat. Akan tetapi, pada persamaan (1) untuk berat dengan kulit dan berat tanpa kulit model tersebut memiliki nilai RMSE yang besar dan pada uji Khi-Kuadrat hipotesa yang diterima adalah Ba (berat aktual) tidak sama dengan Bt (berat dugaan), sehingga persamaan (1) tidak dapat digunakan untuk menduga berat pohon. Sedangkan pada tiga persamaan lainnya telah valid dan dapat digunakan untuk menduga berat pohon terutama pada persamaan terpilih (terbaik) yaitu persamaan (4).
Tabel Berat Pohon Setelah dilakukan validasi model, maka tabel berat pohon dapat disusun yang disajikan pada Lampiran 2 dan Lampiran 3. Tabel berat yang telah dibuat tidak dapat digunakan pada lokasi yang berbeda walaupun memiliki kelas umur dan jenis yang sama, karena akan memperbesar nilai standard error, keragaman dan nilai korelasinya pun akan semakin kecil. Perbedaan pendugaan berat pohon berdasarkan persamaan yang telah dibuat, menunjukkan bahwa untuk menduga berat pohon berdasarkan diameter harus dilakukan pada setiap kelas umur dengan lokasi yang berbeda. Hal ini disebabkan karena pada lokasi dengan kelas umur yang berbeda memiliki kualitas tempat tumbuh yang berbeda pula yang dipengaruhi oleh faktor lain yang tidak dibahas dalam penelitian ini. Menurut Hendromono et al. (2003) adanya variasi pertumbuhan pohon baik disebabkan oleh perbedaan jenis, tempat tumbuh, maupun tindakan silvikultur, akan menyebabkan bentuk dan ukuran batang yang berbeda.
SIMPULAN DAN SARAN Simpulan Berdasarkan hasil yang diperoleh, persamaan yang dapat digunakan untuk menduga berat pohon dengan kulit dan tanpa kulit berdasarkan diameter pohon pada IUPHHK-HA areal THPB tanaman Akasia mangium PT. Bumi Pratama Usaha Jaya, Sumatera Selatan masing-masing memiliki persamaan Bdk = 0,4799 D1,9109 untuk berat pohon dengan kulit dan Btk = 0,2096 D2,0841 untuk berat pohon tanpa kulit. Tabel berat yang dibuat berdasarkan persamaan yang telah diuji, digunakan untuk penaksiran dan perhitungan potensi berat seluruh tegakan sehingga dapat digunakan lebih lanjut untuk memprediksi tonasi bahan baku (pulp, kayu serat lainnya).
Saran Perlu adanya kesinambungan dari hasil penelitian ini dengan menambah jumlah sampel pohon contoh agar dapat semakin mewakili data seiring dengan kegiatan pengusahaan hutan tanaman.
18
DAFTAR PUSTAKA Departemen Kehutanan Republik Indonesia. 2007. Peraturan Menteri Kehutanan No. P.34/Menhut/Kpts-II/2007, tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala (IHMB) Pada Usaha Pemanfaatan Hasil Hutan Kayu Pada Hutan Produksi. Jakarta (ID): Departemen Kehutanan Republik Indonesia. Draper S, Smith H. 1981. Applied Regression Analysis, Second Edition. New York (US): John Wiley & Sons, Inc. Hendromono, Nina M, Djoko W. 2003. Review Hasil Penelitian dan Pengembangan : Status Ilmu Pengetahuan dan Teknologi yang Mendukung Pembangunan Hutan Tanaman. Bogor (ID): Pusat Penelitian dan Pengembangan Hutan dan Konservasi Alam. Hines WW, Douglas CM. 1990. Probabilita dan Statistik dalam Ilmu Rekayasa dan Manajemen. Jakarta (ID): Penerbit Universitas Indonesia. Irianto A. 2004. Statistik Konsep Dasar dan Aplikasinya. Jakarta (ID): Kencana Prenada Group. Leksono B. 1996. Eksplorasi Benih Acacia sp. dan Eucalyptus pellita di Merauke, Irian Jaya. Jayapura (ID): Universitas Cendrawasih. Mandang YI dan Pandit IKN. 1997. Pedoman Identifikasi Jenis Kayu di Lapangan. Yayasan PROSEA, Bogor dan Pusat Pendidikan Latihan Pegawai dan Sumber Daya Manusia Kehutanan. Bogor (ID). Panjaitan PH. 2009. Penyusunan Kurva Tinggi Pohon Dalam Rangka Pelaksanaan IHMB Di IUPHHK-HA PT. Ratah Timber Kalimantan Timur [skripsi]. Bogor (ID): Institut Pertanian Bogor. Siregar S. 2004. Statistik Terapan. Jakarta (ID): PT. Gramedia Widiasarana. Spurr SH. 1952. Forest Inventory. New York (US): The Ronald Press Company. Srihadiono UI. 2005. Hutan Tanaman Industri : Skenario Masa Depan Kehutanan Indonesia. Palembang (ID): PT. Musi Hutan Persada. Sulistyawati I. 2009. Karakteristik Kekuatan dan Kekakuan Balok Glulam Kayu Mangium [desertasi]. Bogor (ID): Institut Pertanian Bogor. Sutarahardja S. 2008. Penyusunan Alat Bantu Dalam Inventarisasi Hutan. Bogor (ID): Fakultas Kehutanan Institut Pertanian Bogor. Van Laar A, Akça A. 1997. Forest Mensuration. Göttingen (DE): Cuvillier Verlag.
19
Lampiran 1 Hasil analisis regresi model 1 (DK)
B=a+bd
Regression Statistics Multiple R 0,9549 R Square 0,9119 Adjusted R Square 0,9099 Standard Error 11,6957 Observations 47 ANOVA df 1 45 46
SS 63.694,20 6.155,57 69.849,77
MS 63.694,20 136,79
Coefficients -62,8023 10,1675
SE 6,9457 0,4712
t Stat -9,04 21,58
1 45 46
SS 67.345,78 2.503,98 69.849,77
MS 67.345,78 55,64
Coefficients -4,6570 0,4010
SE 2,7310 0,0115
t Stat -1,71 34,79
Regression Residual Total
Intercept d
model 2 (DK)
F 465,63
Significance F 0,00
Pvalue 0,00 0,00
B = a + b d2
Regression Statistics Multiple R 0,9819 R Square 0,9642 Adjusted R Square 0,9634 Standard Error 7,4595 Observations 47 ANOVA df Regression Residual Total
Intercept d2
F 1.210,3
Pvalue 0,10 0,00
Significance F 0,00
20 Lampiran 1 (lanjutan. . .) model 3 (DK)
B = a + bd + cd2
Regression Statistics Multiple R 0,9917 R Square 0,9835 Adjusted R Square 0,9828 Standard Error 5,1151 Observations 47 ANOVA df 2 44 46
SS 68.698,56 1.151,21 69.849,77
MS 34.349,28 26,16
Intercept d d2
Coefficients 62,9471 -11,2162 0,8275
SE 9,5865 1,5598 0,0598
t Stat 6,5662 -7,1905 13,8300
model 4 (DK)
B = a db
Regression Residual Total
F 1.312,9
Significance F 0,00
Pvalue 0,0000 0,0000 0,0000
Regression Statistics Multiple R 0,9907 R Square 0,9816 Adjusted R Square 0,9812 Standard Error 0,0348 Observations 47 ANOVA df Regression Residual Total
Intercept Log d
1 45 46
SS 2,91 0,05 2,96
MS 2,91 0,00
Coefficients -0,3188 1,9109
SE 0,0447 0,0390
t Stat -7,1342 48,9646
F 2.397,5
Pvalue 0,0000 0,0000
Significance F 0,00
21 Lampiran 1 (lanjutan. . .) model 1 (TK)
B=a+bd
Regression Statistics Multiple R 0,9583 R Square 0,9184 Adjusted R Square 0,9166 Standard Error 8,2563 Observations 47 ANOVA df 1 45 46
SS 34.525,63 3.067,50 37.593,13
MS 34.525,63 68,17
Intercept d
Coefficients -49,0722 7,4858
SE 4,9032 0,3326
t Stat -10,0083 22,5053
model 2 (TK)
B = a + b d2
1 45 46
SS 36.413,91 1.179,22 37.593,13
MS 36.413,91 26,20
Coefficients -6,1830 0,2949
SE 1,8741 0,0079
t Stat -3,2991 37,2771
Regression Residual Total
F 506,5
Significance F 0,00
Pvalue 0,0000 0,0000
Regression Statistics Multiple R 0,9842 R Square 0,9686 Adjusted R Square 0,9679 Standard Error 5,1191 Observations 47 ANOVA df Regression Residual Total
Intercept d2
F 1.389,6
Pvalue 0,0019 0,0000
Significance F 0,00
22 Lampiran 1 (lanjutan. . .) model 3 (TK)
B = a + bd + cd2
Regression Statistics Multiple R 0,9928 R Square 0,9856 Adjusted R Square 0,9850 Standard Error 3,5021 Observations 47 ANOVA df 2 44 46
SS 37.053,48 539,66 37.593,13
MS 18.526,74 12,26
Intercept d d2
Coefficients 40,3009 -7,7121 0,5881
SE 6,5636 1,0680 0,0410
t Stat 6,1401 -7,2212 14,3563
model 4 (TK)
B = a db
Regression Residual Total
F 1.510,5
Significance F 0,00
Pvalue 0,0000 0,0000 0,0000
Regression Statistics Multiple R 0,9941 R Square 0,9882 Adjusted R Square 0,9880 Standard Error 0,0303 Observations 47 ANOVA df Regression Residual Total
1 45 46
Coefficients Intercept Log d
-0,6786 2,0841
SS 3,46 0,04 3,50
MS 3,46 0,00
F 3.776,4
SE
t Stat
Pvalue
0,0388 0,0339
17,4756 61,4523
0,0000 0,0000
Significance F 0,00
23 Lampiran 2 Tabel berat pohon dengan kulit (kg) Ø Pohon Ø Pohon (cm) (Puluhan 0 1 2 3 4 5 6 7 8 9 cm) 0 0,00 0,48 1,80 3,92 6,79 10,40 14,73 19,77 25,52 31,97 1 39,10 46,91 55,39 64,54 74,36 84,84 95,98 107,77 120,21 133,29 2 147,02 161,38 176,39 192,03 208,30 225,20 242,72 260,87 279,65 299,04 3 319,06 339,69 360,94 382,80 405,27 428,35 452,04 476,34 501,25 526,76
Lampiran 3 Tabel berat pohon tanpa kulit (kg) Ø Pohon Ø Pohon (cm) (Puluhan 0 1 2 3 4 5 6 7 8 9 cm) 0 0,00 0,21 0,89 2,07 3,77 6,00 8,77 12,10 15,98 20,42 1 25,44 31,03 37,19 43,95 51,29 59,22 67,74 76,87 86,59 96,92 2 107,85 119,40 131,55 144,32 157,71 171,71 186,34 201,58 217,46 233,96 3 251,09 268,84 287,23 306,26 325,92 346,21 367,15 388,72 410,94 433,80
24
RIWAYAT HIDUP Penulis dilahirkan di Bogor, Provinsi Jawa Barat pada tanggal 24 Agustus 1991 sebagai anak pertama dari pasangan Bambang Setyo Budi Utomo dan Siti Munasiyah. Penulis mulai mengenal sekolah pada saat masuk TK-IT Sholahuddin tahun 1995 dan melanjutkan ke Sekolah Dasar (SD) Negeri Taman Pagelaran Bogor tahun 1997 kemudian melanjutkan ke Sekolah Menengah Pertama (SMP) Negeri 12 Bogor pada tahun 2003. Penulis lulus dari Sekolah Menengah Atas (SMA) Negeri 1 Bogor pada tahun 2009. Pada tahun yang sama, penulis diterima di Institut Pertanian Bogor (IPB) jurusan Manajemen Hutan Fakultas Kehutanan melalui jalur Undangan Tes Mandiri IPB (UTMI). Selama menuntut ilmu di IPB, penulis aktif dalam volunteer kegiatan kampus yakni sebagai koordinator logistik dan transportasi Bina Corps Rimbawan tahun 2011, anggota logistik dan transportasi Temu Manager 2011, anggota logistik dan transportasi Forest Exhibition 2011, dan anggota logistik dan transportasi Forester Cup 2011. Penulis juga aktif berorganisasi yakni sebagai anggota kelompok studi perencanaan FMSC 2010-2012 dan anggota Forci Dev 2011-sekarang. Penulis juga terlibat dalam proyek Inventarisasi Hutan Menyeluruh Berkala (IHMB) sebagai anggota regu dalam pengambilan data lapangan di PT. Borneo Kutai Lestari (BKL) Kabupaten Sendawar, Kalimantan Timur tahun 2010. Penulis melakukan Praktek Pengenalan Ekosistem Hutan (PPEH) di Gunung Sawal dan Pangandaran tahun 2011, Praktek Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat (HPGW) tahun 2012 serta Praktek Kerja Lapang (PKL) di IUPHHK-HTI PT. ITCI Hutani Manunggal Kabupaten Penajam Paser Utara Kalimantan Timur tahun 2013. Penulis juga aktif sebagai asisten praktikum mata kuliah Inventarisasi Sumber Daya Hutan tahun 2012-2014. Penulis juga menjadi asisten Praktek Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat tahun 2014. Salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Fakultas Kehutanan Institut Pertanian Bogor, penulis menyusun skripsi yang berjudul Tabel Berat Pohon Tegakan Akasia Mangium (Acacia mangium Willd) (Studi Kasus di IUPHHK-HA PT. Bumi Pratama Usaha Jaya Sumatera Selatan) di bawah bimbingan Ir Ahmad Hadjib, MS.
