TEKNIK INTERPOLASI SEDIAAN TEGAKAN BERBASIS IHMB PADA HUTAN LAHAN KERING PT INHUTANI I LABANAN KABUPATEN BERAU KALIMANTAN TIMUR
I PUTU ARIMBAWA PANDE
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2012
RINGKASAN I PUTU ARIMBAWA PANDE. E14070015. Tehnik Interpolasi Sediaan Tegakan Berbasis IHMB pada Hutan Lahan Kering PT Inhutani I Labanan Kabupaten Berau Kalimantan Timur. Skripsi. Manajemen Hutan, Institut Pertanian Bogor. Dibimbing oleh I NENGAH SURATI JAYA. Interpolasi spasial adalah suatu model atau fungsi matematis untuk menduga nilai pada lokasi-lokasi yang datanya tidak terwakili. Metode ini mengasumsikan bahwa atribut data bersifat kontinu di dalam ruang dan atribut ini saling berhubungan secara spasial. Penelitian ini melakukan pengujian-pengujian terhadap beberapa metode interpolasi spasial yang akan dapat diterapkan dalam pendugaan sediaan tegakan. Tujuan penelitian ini adalah untuk mengidentifikasi metode interpolasi yang terbaik digunakan untuk menduga sediaan tegakan berbasis IHMB pada hutan lahan kering di PT Inhutani I Labanan, Kabupaten Berau, Kalimantan Timur. Tahapan penelitian ini meliputi: a) pengumpulan data dan b) pengolahan data. Pengolahan data mencakup beberapa tahapan yaitu: perhitungan volume per hektar, pemilihan data contoh, analisis spasial dengan Sistem Informasi Geografis, validasi, dan pemilihan model terbaik dengan pendekatan skoring. Pada analisis spasial, dilakukan beberapa tahapan yaitu: pembuatan isoline, pembangunan TIN (Triagulated Irreguler Network), konversi ke grid, konversi grid ke vektor, dan mencari nilai tengah. Penelitian ini menemukan bahwa metode terbaik guna interpolasi sediaan tegakan pada kelas dbh >10 cm untuk jenis kayu indah , kayu lindung , kayu meranti, dan kayu rimba adalah metode Kriging. Sedangkan untuk kelas dbh >40 cm jenis kayu indah , metode terbaiknya adalah IDW. Metode yang paling baik digunakan untuk kelas dbh > 40 cm jenis kayu lindung adalah metode Spline. Secara umum, metode interpolasi Kriging lebih akurat menduga sediaan tegakan dibandingkan metode lain.
Kata Kunci: Spatial Interpolation, IHMB, Inverse Distance Weight, Spline, Kriging, Semivariogram
SUMMARY I PUTU ARIMBAWA PANDE. E14070015. Interpolation Method of IHMB based Standing Stock on Dry Land Forest, PT Inhutani I Labanan, Berau Regency, East Borneo. Report. Forest Management, Bogor Agricultural University. Supervised by I NENGAH SURATI JAYA. Spatial interpolation is a method or a mathematical function to estimate values in the locations where data is not represented. This method assumes that the attribute data is spatially continuous and having spatial relationship. This study examined several spatial interpolation technique that could be applied on standing stock estimation. The objective of this research is to identify the best method for interpolating the IHMB based standing stock of dry land forest in PT Inhutani I Labanan, Berau Regency, East Kalimantan. This research includes two main steps, namely a) data collection and b) data processing. Data processing cover the following steps: calculation of volume per hectare, the selection of sample data, spatial analysis using geographic information systems, validation, and selection of the best model using scoring approach. Within the spatial analysis, the following steps are included: creation of isoline, development of TIN (Triagulated Irreguler Network), conversion of vector to the grid, conversion from grid to vector and identifying median value of interval. This study found that the best method for interpolating dbh class standing stock of fancy wood, protected wood, meranti and rimba group for dbh class larger than 10 cm is the Kriging Method . While for fancy wood of dbh class > 40 cm, the IDW was identified as the best method . The best method for protected wood group of dbh class > 40 cm is Spline. In general, the Kriging interpolation method estimate more accurate standing stock than the other method.
Keyword: The Interpolation Method, Inverse Distance Weight, IHMB, Splines, Kriging, Semivariogram.
TEKNIK INTERPOLASI SEDIAAN TEGAKAN BERBASIS IHMB PADA HUTAN LAHAN KERING PT INHUTANI I LABANAN KABUPATEN BERAU KALIMANTAN TIMUR
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor
I PUTU ARIMBAWA PANDE E14070015
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2012
LEMBAR PENGESAHAN Judul Penelitian
Nama Mahasiswa Nomor Pokok
: Teknik Interpolasi Sediaan Tegakan Berbasis IHMB pada Hutan Lahan Kering PT Inhutani I Labanan Kabupaten Berau Kalimantan Timur : I Putu Arimbawa Pande : E14070015
Menyetujui: Dosen Pembimbing
Prof. Dr. Ir. I Nengah Surati Jaya, M. Agr NIP. 1960909 198601 1 001
Mengetahui: Ketua Departemen Manajemen Hutan IPB
Dr. Ir. Didik Suharjito, MS. NIP. 19630401 199403 1 001
Tanggal :
PERNYATAAN Dengan ini saya menyatakan bahwa skripsi berjudul Teknik Interpolasi Sediaan Tegakan Berbasis IHMB pada Hutan Lahan Kering PT Inhutani I Labanan Kabupaten Berau Kalimantan Timur. Adalah benar-benar hasil karya saya sendiri dengan bimbingan dosen pembimbing dan belum pernah digunakan sebagai karya ilmiah pada Perguruan Tinggi atau lembaga manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan Maupin tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Bogor, Maret 2012
I Putu Arimbawa Pande NRP. E14070015
RIWAYAT HIDUP Penulis dilahirkan pada tanggal 21 Juni 1988 di Karangasem, Bali. Penulis adalah anak pertama dari dua bersaudara pasangan Bapak I Made Putra Ariawan P dan Ibu Ni Made Puspani. Penulis menyelesaikan pendidikan dasar di SDN No. 8 Pempatan lulus tahun 2001, pendidikan menengah pertama di SLTP Negeri 2 Rendang lulus tahun 2004, dan pendidikan menengah atas di SMA Negeri 1 Semarapura lulus tahun 2007. Pada tahun yang sama, penulis diterima di IPB melalui jalur USMI (Undangan Seleksi Masuk IPB) dan pada tahun 2008 penulis masuk Departemen Manajemen Hutan, Fakultas Kehutanan. Selama menjadi mahasiswa, penulis pernah menjadi asisten mata kuliah Inventarisasi Sumberdaya Hutan pada tahun ajaran 2009-2010 dan 2012-2013, asisten mata kuliah Ilmu Ukur Tanah dan Pemetaan Wilayah pada tahun ajaran 2010-2011, dan asisten mata kuliah Geomatika dan Inderaja Kehutanan pada tahun ajaran 20122013. Penulis juga aktif berpartisipasi dalam berbagai organisasi kemahasiswaan seperti UKF (Uni Konservasi Fauna) pada tahun 2007-2010, FMSC (Forest Management Student Club) tahun 2009-2010, dan KMHD (Kesatuaan Mahasiswa Hindu Dharma) tahun 2007-2011. Penulis juga aktif dalam berbagai kepanitiaan di Institut Pertanian Bogor. Penulis melakukan kegiatan Praktek Pengenalan Ekosistem Hutan (PPEH) di Gunung Sawal dan Pangandaran, Jawa Barat pada tahun 2009, Praktek Pengenalan Hutan (PPH) di Hutan Pendidikan Gunung Walat (HPGW), Sukabumi dan KPH Cianjur jawa Barat pada tahun 2010 dan Praktek Kerja Lapang (PKL) di PT. Balikpapan Forest Industries, Provinsi Kalimantan Timur pada tahun 2011. Penulis juga melakukan kegiatan lain seperti magang mandiri di BP3K (Balai Penyuluhan Pertanian, Perikanan, dan Kehutanan), magang mandiri di Taman Burung Taman Mini Indonesia Indah Jakarta, kegiatan Eksplorasi Lapang ke Suaka Margasatwa Cikepuh, kegiatan Ekspedisi Global ke Taman Nasional Ujung Kulon, survey lapang dalam rangka penafsiran citra resolusi tinggi di Provinsi Sulawesi Tenggara tahun 2011, dan survey lapang dalam rangka pemetaan biomassa di Provinsi Riau tahun 2012.
KATA PENGANTAR Segala puji dan syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan proposal penelitian ini sebagai syarat untuk melaksanakan penelitian yang berjudul “Teknik Interpolasi Sediaan Tegakan Berbasis IHMB pada Hutan Lahan Kering PT Inhutani I Labanan Kabupaten Berau Kalimantan Timur” dengan sebaik-baiknya. Penulis juga mengucapkan terimakasih kepada Prof. Dr. Ir. I Nengah Surati Jaya, M. Agr selaku dosen pembimbing yang telah memberikan bimbingan dan arahan dalam menyelesaikan proposal penelitian ini. Penelitian ini dilakukan pada bulan September 2011. Sebagaimana diatur dalam Peraturan Menteri Kehutanan Republik Indonesia Nomor P.33/Menhut-II/2009 Tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala (IHMB) Pada Usaha Pemanfaatan Hasil Hutan Kayu Pada Hutan Produksi, sediaan tegakan pada lokasilokasi yang tidak terwakili oleh plot contoh diprediksi menggunakan melalui tehnik interpolasi. Untuk menduga sediaan tegakan diperlukan metode interpolasi yang akurat dan menghasilkan kisaran estimasi yang mendekati kondisi aktualnya. Penulis menyadari bahwa penelitian ini masih banyak kekurangan karena keterbatasan yang dimiliki. Oleh karena itu kritikan dan saran yang membangun untuk perbaikan penelitian ini sangat penulis harapkan. Semoga ini memberikan manfaat bagi pihak-pihak yang membutuhkan.
Bogor, Februari 2012
UCAPAN TERIMA KASIH Pada kesempatan ini penulis mengucapkan terima kasih yang sebesar-besarnya kepada: 1.
Ibu tercinta Ni Made Puspani, Bapak I Made Putra Ariawan P, dan Adik tercinta Ni Kadek Ayu Rimbawati P serta Keluarga besar penulis yang tak pernah lelah memberikan perhatian, semangat dan kasih sayang, serta kepercayaan dan doa yang selalu dipanjatkan untuk keberhasilan penulis.
2.
Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr selaku dosen pembimbing skripsi, atas segala bimbingan pengarahan, motivasi, kesabaran, biaya, dan waktu yang telah diberikan dalam penyusunan skripsi ini.
3.
Ir. Agus Priyono , MS selaku dosen penguji dan Dr. Ir. Muhdin, MSc selaku Ketua sidang dalam ujian komprehensif.
4.
Dr. Ir. Juang Rata Matangaran, MS sebagai komisi pendidikan yang telah meluangkan waktu membaca dan mengoreksi penulisan skripsi.
5.
Bapak. Uus Saepul M dan Aa Edwine Setia P, S.Hut atas segala bantuan dan pengarahan yang telah diberikan dalam penyusunan skripsi ini.
6.
Komang Alit Paramitasari atas semangat, waktu, dukungan, dan perhatiannya kepada penulis.
7.
I Putu Mandala Artha Kusuma, Ida Bagus Adi Anditayana, dan Marvin Lucky atas semangat, bantuan, dan kerjasamanya.
8.
Teman-teman satu bimbingan Fathia Amalia Ramadhani, Eri Septiawardani dan Sri Wahyuni atas motivasi dan dukungan semangat serta bantuan yang sangat banyak dalam penyelesaian skripsi ini.
9.
Sahabat-sahabat seperjuangan di laboratorium fisik remote sensing Tantri Janiatri S.Hut, Erry Maulana Wicaksono, Aditya Pradhana, Aditya Sani Sasmita, I Made Haribhawana Wijaya, Vivi Selviana, Nuraini Erisa dan Monika Turana atas bantuan semangat yang sangat berarti bagi penulis, serta keluarga besar laboratorium fisik Remote Sensing Kak pipit, Kak Wuland, Kak Ratih, Bli Puan, Kak Anom, Bli Puin, Kak Ina, Kak Chika, Kak Dian, Kak Baki, Kak
Puput, Ibu Eva, Ibu Immy, Ibu Tien, Bunda, Pak sigit, Pak Anwar, Pak Jaya dan Tulang atas semangat yang diberikan. 10.
Seluruh Dosen dan Staf Departemen Manajemen Hutan, seluruh Teman-teman Departemen Manajemen Hutan dan Fakultas Kehutanan IPB Angkatan 44 atas kebersamaannya selama ini yang tidak dapat penulis sebutkan namanya satu persatu-satu.
11.
Kepada segenap pihak yang telah membantu baik itu moril dan materil serta bantuan lain yang sangat berarti bagi penulis.
Semoga Ida Sang Hyang Widhi Wasa memberikan limpahan atas kebaikan berupa pahala, serta diberikan balasan yang setimpal. Awignamastu
DAFTAR ISI Halaman KATA PENGANAR.................................................................................... DAFTAR ISI.................................................................................................. DAFTAR TABEL.......................................................................................... DAFTAR GAMBAR..................................................................................... DAFTAR LAMPIRAN.................................................................................. BAB I PENDAHULUAN............................................................................ 1.1 Latar Belakang……………………………………………………….. 1.2 Permasalahan…………………………………………………………. 1.3 Tujuan………………………………………………………………... 1.4 Manfaat……………………………………………………………… BAB II METODOLOGI............................................................................. 2.1 Waktu dan Tempat………………………………………………….. 2.2 Data, Software, dan Hardware……………………………………... 2.3 Metode Interpolasi………………………………………………….. 2.4 Metode Penelitian…………………………………………………... BAB III LOKASI DAN KEADAAN UMUM......................................... 3.1 Sejarah Pemanfaatan Hutan………………………………………... 3.2 Kondisi Biofisik dan Sosiologi Ekonomi…………………………... 3.2.1 Kondisi Biofisik………………………………………………... 3.2.2 Kondisi Sosial Ekonomi……………………………………….. BAB IV HASIL DAN PEMBAHASAN.................................................. 4.1 Hasil……………………………………………………………….... 4.2 Pembahasan………………………………………………………… 4.2.1 Analisis Data…………………………………………………… 4.2.2 Analisis Spasial…………………………………………………. 4.2.3 Uji Validasi dan Peringkat……………………………………... BAB V KESIMPULAN DAN SARAN.................................................. 5.1 Kesimpulan………………………………………………………… 5.2 Saran……………………………………………………………….. BAB VI DAFTAR PUSTAKA.................................................................. LAMPIRAN...............................................................................................
i ii iii iv vii 1 1 4 5 5 6 6 6 9 14 25 25 28 28 35 38 38 51 51 53 64 70 70 70 71 73
DAFTAR TABEL No.
Halaman
1.
Data hasil IHMB di PT Inhutani I UMH Labanan ................................ 6
2.
Variasi bobot pada metode interpolasi IDW dan Spline yang digunakan 16
3.
Variasi bobot pada metode interpolasi Kriging yang digunakan ............ 16
4.
Letak dan luas areal kerja IUPHHK PT Inhutani I UMH Labanan ........ 25
5.
Fungsi kawasan hutan areal kerja IUPHHK PT Inhutani I UMH Labanan ............................................................................................... 26
6.
Kondisi topografi/kelerengan areal kerja IUPHHK PT Inhutani I UMH Labanan ............................................................................................... 27
7.
Sebaran formasi geologi di areal kerja IUPHHK PT Inhutani I UMH Labanan ............................................................................................... 28
8.
Sebaran jenis tanah di areal kerja IUPHHK PT Inhutani I UMH Labanan ............................................................................................................ 29
9.
Kondisi penutupan lahan di areal kerja IUPHHK PT Inhutani I UMH Labanan ............................................................................................... 30
10. Jumlah penduduk desa sekitar areal kerja IUPHHK PT Inhutani I UMH Labanan ............................................................................................... 33 11. Nilai minimum, maksimum, rata-rata, dan SD data model ................... 51 12. Bobot terbail metode IDW ................................................................... 54 13. Bobot terbaik metode Spline................................................................. 54 14. Bobot terbaik metode Kriging .............................................................. 55 15. Hasil validasi interpolasi IDW, Spline, dan Kriging kelas dbh >10 cm . 65 16. Skor hasil validasi interpoalsi IDW, Spline, dan Kriging kelas dbh >10 cm ....................................................................................................... 65 17. Hasil validasi interpolasi IDW, Spline, dan Kriging kelas dbh >40 cm . 67 18. Skor hasil validasi interpoalsi IDW, Spline, dan Kriging kelas dbh >40 cm ................................................................................................ 67
DAFTAR GAMBAR No.
Halaman
1.
Peta sebaran plot model dan plot validasi kayu indah ........................... 7
2.
Peta sebaran plot model dan plot validasi kayu lindung ........................ 7
3.
Peta sebaran plot model dan plot validasi kayu meranti ........................ 8
4.
Peta sebaran plot model dan plot validasi kayu rimba ........................... 8
5.
Ilustrasi metode interpolasi IDW .......................................................... 10
6.
Ilustrasi pembangunan TIN .................................................................. 17
7.
Diagram alur penelitian ........................................................................ 20
8.
Peta petak lokasi PT Inhutani I Labanan Kabupaten Berau Kalimantan Timur ................................................................................................... 23
9.
Kontur metode interpolasi IDW ........................................................... 34
10. Kontur metode interpolasi Spline.......................................................... 35 11. Kontur metode interpolasi Kriging (circular) ...................................... 35 12. Kontur metode interpolasi Kriging (exponential) .................................. 36 13. Kontur metode interpolasi Kriging (gaussian) ...................................... 36 14. Kontur metode interpolasi Kriging (linier with sill) .............................. 37 15. Kontur metode interpolasi Kriging (spherical) ..................................... 37 16. Hasil interpolasi metode IDW bobot terbaik kayu indah pada dbh >10 cm ....................................................................................................... 39 17. Hasil interpolasi metode Spline bobot terbaik kayu indah pada dbh >10 cm........................................................................................................ 39 18. Hasil interpolasi metode Kriging bobot terbaik kayu indah pada dbh >10 cm ....................................................................................................... 40 19. Hasil interpolasi metode IDW bobot terbaik kayu indah pada dbh >40 cm ....................................................................................................... 40 20. Hasil interpolasi metode Spline bobot terbaik kayu indah pada dbh >40 cm ....................................................................................................... 41 21. Hasil interpolasi metode Kriging bobot terbaik kayu indah pada dbh >40 cm ....................................................................................................... 41 22. Hasil interpolasi metode IDW bobot terbaik kayu lindung pada dbh >10 cm ....................................................................................................... 42
v
No. Halaman 23. Hasil interpolasi metode Spline bobot terbaik kayu lindung pada dbh >10 cm ................................................................................................ 42 24. Hasil interpolasi metode Kriging bobot terbaik kayu lindung pada dbh >10 cm ......................................................................................... 43 25. Hasil interpolasi metode IDW bobot terbaik kayu lindung pada dbh > 40 cm ............................................................................................... 43 26. Hasil interpolasi metode Spline bobot terbaik kayu lindung pada dbh >40 cm ......................................................................................... 44 27. Hasil interpolasi metode Kriging bobot terbaik kayu lindung pada dbh >40 cm ......................................................................................... 44 28. Hasil interpolasi metode IDW bobot terbaik kayu meranti pada dbh >10 cm ................................................................................................ 45 29. Hasil interpolasi metode Spline bobot terbaik kayu meranti pada dbh >10 cm ................................................................................................ 45 30. Hasil interpolasi metode Kriging bobot terbaik kayu meranti pada dbh >10 cm ......................................................................................... 46 31. Hasil interpolasi metode IDW bobot terbaik kayu meranti pada dbh >40 cm ................................................................................................ 46 32. Hasil interpolasi metode Spline bobot terbaik kayu meranti pada dbh >40 cm ................................................................................................ 47 33. Hasil interpolasi metode Kriging bobot terbaik kayu meranti pada dbh >40 cm ......................................................................................... 47 34. Hasil interpolasi metode IDW bobot terbaik kayu rimba pada dbh >10 cm ................................................................................................ 48 35. Hasil interpolasi metode Spline bobot terbaik kayu rimba pada dbh >10 cm ................................................................................................ 48 36. Hasil interpolasi metode Kriging bobot terbaik kayu rimba pada dbh >10 cm ................................................................................................ 49 37. Hasil interpolasi metode IDW bobot terbaik kayu rimba pada dbh >40 cm ................................................................................................ 49 38. Hasil interpolasi metode Spline bobot terbaik kayu rimba pada dbh >40 cm ................................................................................................ 50 39. Hasil interpolasi metode Kriging bobot terbaik kayu rimba pada dbh >40 cm ................................................................................................ 50 40. Diagram perbandingan sebaran volume model dengan volume aktual .. 51 No. Halaman
vi
41. Semivariogram metode Kriging (circular) pada kayu indah dbh >10 cm 56 42. Semivariogram metode Kriging (gaussian) pada kayu indah dbh >40 cm ................................................................................................ 56 43. Semivariogram metode Kriging (spherical) pada kayu lindung dbh >10 cm................................................................................................. 57 44. Semivariogram metode Kriging (circular) pada kayu lindung dbh >40 cm................................................................................................. 57 45. Semivariogram metode Kriging (circular) pada kayu meranti dbh >10 cm................................................................................................. 58 46. Semivariogram metode Kriging (circular) pada kayu meranti dbh >40 cm................................................................................................. 58 47. Semivariogram metode Kriging (ekponential) pada kayu rimba dbh >10 cm................................................................................................. 59 48. Semivariogram metode Kriging (spherical) pada kayu rimba dbh >40 cm................................................................................................. 59 49. Kurva bobot (power) metode IDW pada diameter >10 cm .................... 61 50. Kurva bobot (power) metode IDW pada diameter >40 cm .................... 61 51. Kurva bobot (weight) metode Spline pada diameter >10 cm ................. 62 52. Kurva bobot (weight) metode Spline pada diameter >40 cm ................. 62 53. Kurva bobot (method) metode Kriging pada diameter >10 cm .............. 63 54. Kurva bobot (method) metode Kriging pada diameter >40 cm .............. 63 55. Diagram total skor beberapa metode interpolasi diameter >10 cm ........ 66 56. Diagram total skor beberapa metode interpolasi diameter >40 cm ........ 68
DAFTAR LAMPIRAN No.
Halaman
1.
Hasil interpolasi metode IDW kayu indah pada dbh >10 cm ................. 73
2.
Hasil interpolasi metode IDW kayu indah pada dbh >40 cm................. 74
3.
Hasil interpolasi metode IDW kayu lindung pada dbh >10 cm.............. 75
4.
Hasil interpolasi metode IDW kayu lindung pada dbh >40 cm.............. 76
5.
Hasil interpolasi metode IDW kayu meranti pada dbh >10 cm.............. 77
6.
Hasil interpolasi metode IDW kayu meranti pada dbh >40 cm.............. 78
7.
Hasil interpolasi metode IDW kayu rimba pada dbh >10 cm ................ 79
8.
Hasil interpolasi metode IDW kayu rimba pada dbh>40 cm ................. 80
9.
Hasil interpolasi metode Spline kayu indah pada dbh >10 cm............... 81
10. Hasil interpolasi metode Spline kayu indah pada dbh >40 cm............... 82 11. Hasil interpolasi metode Spline kayu lindung pada dbh >10 cm .......... 83 12. Hasil interpolasi metode Spline kayu lindung pada dbh >40 cm ........... 84 13. Hasil interpolasi metode Spline kayu meranti pada dbh >10 cm ........... 85 14. Hasil interpolasi metode Spline kayu meranti pada dbh >40 cm ........... 86 15. Hasil interpolasi metode Spline kayu rimba pada dbh >10 cm .............. 87 16. Hasil interpolasi metode Spline kayu rimba pada dbh >40 cm .............. 88 17. Hasil interpolasi metode Kriging kayu indah pada dbh >10 cm ............ 89 18. Hasil interpolasi metode Kriging kayu indah pada dbh >40 cm ........... 90 19. Hasil interpolasi metode Kriging kayu lindung pada dbh >10 cm.. …… 91 20. Hasil interpolasi metode Kriging kayu lindung pada dbh >40 cm.. …… 92 21. Hasil interpolasi metode Kriging kayu meranti pada dbh >10 cm.. …… 93 22. Hasil interpolasi metode Kriging kayu meranti pada dbh >40 cm.. …… 94 23. Hasil interpolasi metode Kriging kayu rimba pada dbh >10 cm ........... 95 24. Hasil interpolasi metode Kriging kayu rimba pada dbh >40 cm ........... 96
BAB I PENDAHULUAN 1.1
Latar Belakang Hutan sebagai salah satu sumberdaya alam merupakan kekayaan Negara
yang harus dikelola secara bijaksana guna kemakmuran dan kesejahteraan masyarakat. Oleh karena itu pengelolaan hutan harus dilaksanakan secara baik melalui perencanaan yang cermat, rasional dan terarah. Pengelolaan hutan yang baik membutuhkan adanya data dan informasi yang memadai (handal, akurat, dibutuhkan, standar, tidak berbias dan dapat diakses). Untuk keperluaan data informasi tersebut maka diperlukan suatu kegiatan inventarisasi hutan. Inventariasasi hutan adalah suatu usaha untuk menguraikan kuantitas dan kualitas pohon-pohon hutan serta berbagai karakteristik-karakteristik areal tempat tumbuhnya. Suatu inventarisasi yang lengkap dipandang dari segi penaksiran kayu harus berisi deskripsi areal berhutan serta kepemilikannya, penaksiran volume pohon-pohon yang masih berdiri, penaksiran riap dan pengeluaran hasil (Husch 1987). Secara umum inventarisasi hutan didefinisikan sebagai pengumpulan dan penyusunan data dan fakta mengenai sumberdaya hutan untuk perencanaan pengelolaan sumberdaya tersebut bagi kesejahteraan masyarakat secara lestari dan serbaguna. Inventarisasi hutan dilakukan untuk mengetahui kondisi biofisik sumberdaya hutan baik yang berupa flora, fauna maupun keadaan fisik lapangan, serta kondisi social ekonomi dari areal atau kawasan hutan yang diinventarisasi. Istilah inventore atau inventarisasi hutan, merupakan terjemahan dari bahasa Inggris yaitu forest inventory, atau bahasa Belanda bosch inventarisatie. Secara umum, pengertian inventarisasi hutan adalah suatu tindakan untuk mengum pulkan informasi tentang kekayaan hutan. Istilah lain yang sering dipakai dalam bahasa Indonesia adalah perisalahan. Istilah serupa dalam bahasa Inggris yang mempunyai arti lebih spesifik, adalah timber cruising, yang lebih menitikberatkan pengumpulan informasi tentang potensi kayu dari suatu areal hutan dalam rencana pembalakan atau logging (Departemen Kehutanan RI 1992).
2
Jenis informasi yang akan dikumpulkan dalam suatu inventore hutan tergantung pada tujuan. Tingkat kecermatan masing-masing informasi juga bervariasi sesuai dengan peranan informasi tersebut dalam tujuan pengelolaan hutan ini. Tujuan utama inventarisasi hutan adalah untuk mendapatkan datan tentang areal berhutan dan komposisi tegakannya. Kegiatan inventarisasi hutan dapat dilaksanakan dengan penginderaan jauh, pengamatan langsung di lapangan atau gabungan keduanya (Simon 1993). Inventarisasi Hutan Menyeluruh Berkala (IHMB) merupakan kegiatan inventarisasi hutan berkala sepuluh tahunan yang dilakukan oleh perusahaan pemegang konsesi pengelolaan hutan baik hutan alam maupun hutan tanaman yang mempunyai maksud sebagai panduan dasar bagi pengelola unit manajemen tingkat tapak (KPH dan IUPHHK) dalam melaksanakan kegiatan inventarisasi hutan menyeluruh berkala pada areal unit pengelolaan dan areal IUPHHK-HA dan IUPHHK-HT sebagai dasar penyusunan Rencana Kerja Usaha Pemanfaatan Hasil Hutan Kayu (RKUPHHK) sepuluh tahunan. Sedangkan tujuan kegiatan IHMB ini adalah: 1. untuk mengetahui kondisi sediaan tegakan hutan (timber standing stock) secara berkala, 2. sebagai bahan penyusunan RKUPHHK-HA dan atau RKUPHHK-HT, 3. sebagai bahan pemantauan kecenderungan (trend) kelestarian tegakan tinggal di areal KPH dan atau IUPHHK-HA atau IUPHHK-HT, 4. sebagai dasar penyusunan proposal teknis permohonan IUPHHK (Peraturan Menteri Kehutanan No. 34 tahun 2007) Inventarisasi Hutan Menyeluruh Berkala (IHMB) merupakan inventarisasi hutan berkala sepuluh tahunan untuk menyusun rencana kerja usaha pemanfaatan hasil hutan sepuluh tahunan, yang wajib dilakukan oleh para pemegang Izin Usaha Pemanfaatan Hasil Hutan kayu dalam Hutan Alam (IUPHHK-HA) dan Hutan Tanaman (IUPHHK-HT) berdasarkan Peraturan pemerintah Nomor 6 Tahun 2007 tentang Tata Hutan dan Penyusunan Rencana Pengelolaan Hutan, serta Pemanfaatan Hutan.
3
Sebagaimana diatur dalam Peraturan Menteri Kehutanan Republik Indonesia Nomor P.33/Menhut-II/2009 Tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala (IHMB) Pada Usaha Pemanfaatan Hasil Hutan Kayu pada Hutan Produksi, sediaan tegakan pada lokasi-lokasi yang tidak terwakili oleh plot contoh diprediksi menggunakan metode interpolasi. Menurut Webster dan Oliver (2007) dalam Primatika (2011), interpolasi spasial adalah suatu metode atau fungsi matematis untuk menduga nilai pada lokasi-lokasi yang datanya tidak tersedia dan metode ini mengasumsikan bahwa atribut data bersifat kontinu di dalam ruang dan atribut ini saling berhubungan secara spasial. Teknik interpolasi yang digunakan, antara lain metode interpolasi IDW (Inverse Distance Weight), Spline dan Kriging. Pendugaan sediaan tegakan pada wilayah-wilayah yang tidak diwakili plot dilakukan dengan pendekatan interpolasi spasial. Pengujian teknik interpolasi pada IHMB belum banyak dilakukan terutama untuk beberapa jenis tegakan hutan. Beberapa peneliti sudah melakukan pengujian metode interpolasi ini, namun dalam kasus yang berbeda seperti Pramono (2008) yang pernah melakukan pengujian akurasi metode IDW dan Kriging untuk interpolasi sebaran sedimen tersuspensi di Sulawesi Selatan. Primatika (2011) melakukan pendugaan dengan metode Kriging (Circular Kriging) dalam pengaruh arah sirkular terhadap laju deformasi. Selain itu, Naoum and Tsanis (2002) melakukan kajian Dasar SIG (Sistem Informasi Geografis) dalam membangun Decision Support System (DSS) dengan menguji beberapa teknik interpolasi. Metode yang direkomendasikan pada pelaksanaan IHMB adalah metode IDW. Namun demikian, beberapa IHMB ada yang menggunakan metode interpolasi Spline dan Kriging. Pada penelitian ini akan dilakukan pengujian teknik interpolasi sediaan tegakan hutan berbasis IHMB di Kalimatan Timur. Dalam IHMB data dari lokasi-lokasi titik-titik sampel input dari data yang telah diukur ditransformasikan menjadi informasi petak. Selanjutnya kondisi titiktitik lainnya yang terletak di antara titik-titik sampel tersebut diestimasi menggunakan metode “interpolasi permukaan” (surface interpolation). Pada prinsipnya interpolasi permukaan ini, titik-titik inputnya dapat berupa titik pusat plot yang tersebar secara acak (random) maupun secara sistematik beraturan
4
(regularly spaced). Dalam IHMB ini, titik tersebut adalah realisasi lokasi dari titik-titik pusat plot pengamatan. Salah satu teknik interpolasi yang digunakan adalah metode IDW (Inverse Distance Weight) atau Invers Jarak Tertimbang dengan nilai pangkat 2. Metode IDW belum banyak diuji sampai bobot (power) yang tinggi. Oleh karena itu, kajian terhadap beberapa metode interpolasi ini perlu dilakukan untuk mengetahui sampai sejauh mana tingkat keakuratannya untuk menghasilkan dugaan sediaan yang menghasilkan kesalahan yang relatif rendah. Metode interpolasi yang digunakan umumnya membuat suatu asumsi tentang bagaimana menentukan estimasi terbaik. Apapun metode yang digunakan, hasil yang lebih reliable (handal) selalu akan diperoleh dari input titik-titik yang lebih rapat dengan distribusi yang lebih menyebar. Setiap metode ini akan memberikan hasil interpolasi yang berbeda. Akan menjadi mudah dan bermanfaat bagi pengguna berikutnya apabila ada kajian tentang perbandingan hasil interpolasi dengan metode yang berbeda sehingga metode yang tepat dapat dipilih.
1.2 Permasalahan Secara umum, teknik interpolasi yang digunakan adalah metode IDW (Inverse Distance Weight) atau Invers Jarak Tertimbang dengan nilai pangkat 2. Ada beberapa pertanyaan mendasar yang perlu dikaji dalam rangka aplikasi metode ini, antara lain: 1. Benarkah metode IDW ini paling sesuai untuk interpolasi IHMB dibandingkan dengan metode lain (Spline dan Kriging)? 2. Berapakah nilai bobot yang paling optimal? 3. Seberapa besar keakuratan masing-masing metode tersebut? Berdasarkan pertanyaan di atas, maka perlu dilakukan pengujian beberapa metode interpolasi dan bobotnya dalam mengestimasi sediaan tegakan yang mendekati kondisi aktualnya di lapangan.
5
1.3
Tujuan Tujuan penelitian ini adalah untuk mengidentifikasi metode interpolasi yang
terbaik digunakan untuk menduga sediaan tegakan berbasis IHMB pada hutan lahan kering di PT Inhutani I Labanan, Kabupaten Berau, Kalimantan Timur.
1.4
Manfaat Penelitian ini diharapkan bermanfaat:
1. Bagi penulis sebagai panduan dalam melaksanakan penelitian untuk bahan penyusunan skripsi yang merupakan salah satu syarat untuk menyelesaikan studi di Departemen Manajemen Hutan Fakultas Kehutanan, Institut Pertanian Bogor. 2. Bagi pembaca, pemerintah daerah setempat dan pihak-pihak yang terkait, hasil penelitian ini dapat digunakan sebagai informasi dan pertimbangan dalam menentukan metode interpolasi yang paling baik untuk menduga (estimasi) sediaan tegakan berbasis IHMB.
BAB II METODOLOGI 2.1 Waktu dan Tempat Penelitian ini dilaksanakan mulai bulan September 2011 sampai dengan Januari 2012 di Laboratorium Fisik Remote Sensing dan GIS, Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor.
2.2
Data, Software, dan Hardware
a).
Data IHMB Data yang digunakan dalam penelitian ini adalah berupa data hasil IHMB
(Inventarisasi Hutan Menyeluruh Berkala) di PT Inhutani I UMH Labanan, Kabupaten Berau, Kalimantan Timur. Jumlah plot yang digunakan disajikan pada Tabel 1.
Tabel 1 Data hasil IHMB di PT. Inhutani I UMH Labanan Jumlah plot No Jenis Plot model Plot validasi 1 Kayu Lindung 126 125 2 Kayu Meranti 544 543 3 Kayu Rimba 500 494 4 Kayu Indah 376 353 Sumber: RKUPHHK-HA PT Inhutani I Labanan (2010)
Total
251 1087 994 729
Peta sebaran plot model dan plot validasi disajikan pada Gambar 1 sampai dengan Gambar 4. Plot pada jenis kayu meranti dan kayu rimba tersebar secara merata berselang-seling (Gambar 3 dan Gambar 4). Jenis kayu indah plot tersebar sembarang berselang-seling dan jarang (Gambar 1). Plot untuk jenis kayu lindung sangat jarang dan tersebar tidak merata berselang-seling (Gambar 2).
7
Gambar 1 Peta sebaran plot model dan plot validasi kayu indah.
Gambar 2 Peta sebaran plot model dan plot validasi kayu lindung.
8
Gambar 3 Peta sebaran plot model dan plot validasi kayu meranti.
Gambar 4 Peta sebaran plot model dan plot validasi kayu rimba.
9
b).
Software Software yang digunakan dalam melakukan penelitian ini adalah
seperangkat komputer yang dilengkapi dengan software ArcView 3.3 (Extension berbasis IHMB dan Kriging Interpolator 3.2), dan MS Excel.
c).
Hardware Hardware yang digunakan adalah seperangkat komputer ( 2 buah) dan PC
(Portable Computer), dan printer.
2.3 Metode Interpolasi Interpolasi spasial adalah suatu teknik untuk menghitung nilai antara di antar dua titik atau lebih titik yang secara spasial berdekatan. Metode interpolasi permukaan umumnya dilakukan dengan 2 metode: Inverse Distance Weight (IDW), Spline, dan Kriging. Dalam interpolasi dengan menggunakan metode IDW, terdapat dua parameter yang bisa dipelajari yaitu power dan jumlah sampel. Pada penelitian ini hanya dipelajari parameter power. Metode Spline memiliki dua parameter juga, yaitu regularized dan tension. Namun dalam penelitian ini hanya akan dikaji parameter regularized . Sedangkan pada metode Kriging hanya akan dipelajari parameter dari Ordinary Kriging saja. Hasil interpolasi dari ketiga metode tersebut ditransformasi menjadi isoline yang selanjutnya ditransformasi menjadi polygon . Selain itu pada metode Kriging ditunjukkan beberapa bentuk semivariogram berdasarkan bobot yang terbaik pada masing-masing jenis kayu. Semivariogram ini merupakan proses awal ketika melakukan interpolasi menggunakan metode Kriging. Semivariogram akan menampilkan nilai aktual dan nilai prediksi dari bobot (method) yang dipilih.
1.
Metode IDW Metode Inverse Distance Weight (IDW) interpolator ini mengasumsikan
bahwa masing-masing input titik mempunyai pengaruh lokal, dimana-mana
10 pengaruh lokalnya akan berkurang dengan bertambahnya jarak. Bobot dari titiktitik yang lebih dekat dari titik yang diproses lebih besar dari yang jaraknya lebih jauh. Oleh karena itu, sejumlah piksel (titik) tertentu atau semua titik dalam radius tertentu dapat digunakan untuk menentukan nilai outputnya. Titik Contoh
Titik Contoh
Nilai yang tidak diketahui “?” (a)
(b)
Gambar 5 Ilustrasi metode interpolasi IDW.
Metode interpolasi dengan Jarak Terbalik Tertimbang adalah metode interpolasi dimana nilai sel yang dihitung berdasarkan kombinasi linear tertimbang dari suatu set titik. Besarnya bobot merupakan fungsi dari besarnya nilai kebalikan jarak. Permukaan yang akan diinterpolasi sebaiknya merupakan suatu variabel yang sangat bergantung pada lokasi. Pilihan dari besarnya nilai ”pangkat” dari IDW menyebabkan kita bisa mengendalikan signifikansi dari titiktitik yang akan diinterpolasi. Hal itu mampu mengendalikan signifikansi dari titiktitik yang diketahui pada nilai interpolasi, berdasarkan jarak dari output. Dengan mendefinisikan nilai pangkat yang lebih tinggi, penekanan lebih diberikan pada titik-titik yang lebih dekat, sehingga nilai yang lebih dekat memberikan pengaruh yang lebih besar, serta bentuk permukaan menjadi lebih detail (mendekati halus). Jika nilai pangkat semakin besar, maka nilai hasil interpolasi mulai mendekati nilai-nilai dengan jarak yang terdekat. Dengan kata lain, jika nilai pangkatnya semakin rendah maka akan menghasilkan pengaruh sedikit dibandingkan pengaruh yang lebih tinggi terhadap titik-titik yang lokasinya lebih jauh. Oleh karena rumus IDW tidak terkait dengan proses fisik yang riil, maka tidak ada untuk menentukan nilai pangkat yang terlalu besar.
11
Secara umum, pangkat dengan nilai 30 merupakan nilai yang sangat besar dan sering menjadi pertanyaan besar (Jaya 2010). Pangkat (power) yang digunakan dalam IDW akan mengatur signifikasi pengaruh dari titik-titik yang ada di sekitar. Dengan pangkat yang lebih tinggi maka akan menghasilkan pengaruh jarak ke titik di sekitarnya lebih rendah. Masing-masing titik pada barrier thema garis input digunakan sebagai batas yang membatasi pencarian titik-titik input contoh. Dengan metode IDW, beberapa pilihan yang harus dilakukan adalah menggunakan: a.
Interpolasi Tetangga Terdekat (Nearest Neighbors/NN), dimana harus memilih sejumlah input titik di sekitarnya (number of neighbours/input points); dan
b.
Radius Tetap (Fixed Radius/FR), yaitu radius pencarian point. Tetapkan berapa pangkatnya (power) dan barriernya.
Secara matematis rumus IDW disajikan pada persamaan (1):
1 D2 i 1 i Z ………………………(1) n 1 2 i 1 Di n
Z
i
Keterangan: Z = nilai sediaan pada lokasi tertentu Zi = nilai sediaan tegakan ke-i Di = jarak ke-i 2.
Metode Spline Metode atau Interpolator spline adalah metode dengan tujuan umum untuk
meminimumkan lekukan-lekukan (patahan) permukaan yang melewati titik-titik input. Konsepsinya dari metode Spline ini adalah seperti menekuk-nekuk karet untuk melewati suatu titik sekaligus meminimalkan jumlah patahan dari permukaan. Metode ini cocok dengan fungsi matematis terhadap sejumlah input titik ketika melewati seluruh titik-titik contoh. Untuk interpolasi data IHMB, metode Spline ini tidak diajurkan mengingat hasil interpolasinya bisa berada di luar nilai-nilai sediaan tegakannya. Hal yang paling mencolok, metode ini dapat menghasilkan nilai sediaan yang negatif. Metode ini sangat cocok untuk
12
permukaan yang topografinya bergelombang seperti permukaan air tanah, ketinggian dan atau konsentrasi polusi yang perubahan spasialnya sangat halus. Ini sangat tidak cocok untuk ada perubahan yang besar dalam suatu permukaan untuk jarak yang pendek, karena hasilnya akan dapat melampaui nilai estimasi. Metode Spline ini dapat menggunakan pendekatan yaitu: a) Metode tertatur (Regularized method) akan menghasilkan permukaan yang halus (smooth surface).
Dengan pendekatan ini harus menetapkan bobot
parameter yang mendefinisikan bobot dari turunan ketiga dari suatu permukaan dalam expresi untuk minimasi lekukan. b) Metode
tensi
(Tension
method),
yang
akan
mengatur
tingkat
kekasaran/kekakuan permukaan sesuai dengan karakter dari fenomena yang dimodelkan.
Jika memilih pendekatan ini, maka parameter weight
menyatakan bobot tensi.
Jumlah dari parameter titik mengidentifikasi
jumlah titik per region yang digunakan untuk aproksimasi lokal. Metode tension ini akan mengatasi kekakuan interpolasi permukaan sesuai dengan karakter dari fenomena yang dimodelkan (Jaya et al. 2010). Secara umum metode Spline disajikan pada persamaan (2): N
S ( x , y ) T( x , y ) jR( rj ) j i
…………………..(2)
Keterangan: j = 1,2,…..,N N = jumlah titik = koefisien yang ditemukan dari suatu sistem pada persamaan linier j rj = jarak dari titik (x,y) ke j T(x,y) dan R (r) didefinisikan secara terpisah, tergantung pada opsi pilihan: Untuk pilihan REGULARIZED: 13 T( x, y ) a1 a2 x a3 y ………………………….(3)
Untuk TENSION:
T( x, y ) a1 …………………………………(4)
13
3.
Metode Kriging Menurut Primatika (2011), metode Kriging merupakan interpolasi suatu
nilai peubah pada suatu titik (lokasi) tertentu yang dilakukan dengan mengamati data yang sejenis di lokasi lainnya. Metode ini menghasilkan dugaan yang bersifat tak bias linier terbaik (Best Linier Unbiased Estimator). Metode interpolasi untuk pendugaaan dalam geostatistika yang disebut sebagai Kriging , didasarkan atas struktur spasial dari data yang dimodelkan oleh variogram (Wackernagel 1998 dalam Tiryana 2005). Pada dasarnya, suatu metode Kriging akan menentukan pembobot (weights) untuk nilai-nilai pengamatan yang kemudian digunakan untuk memprediksi nilai dugaan pada lokasi-lokasi yang tidak diambil sampelnya, serta meminimumkan sisaan dan menghasilkan nilai-nilai dugaan yang tidak berbias (Watson et al. 2001). Salah satu metode Kriging yang umum digunakan adalah Ordinary Kriging, dimana nilai dugaan pada lokasi x (dinotasikan sebagai Z(x)) diduga dari nilai pengamatan (xi) disekitarnya dengan pembobot (αi) melalui persamaan (5). Pada penelitian ini metode Ordinary Kriging digunakan karena dapat menghasilkan beberapa bentuk semivariogram yang berbeda dibandingkan dengan metode Kriging lainnya. Semivariogram ini nantinya berguna dalam menentukan dan memilih dialog yang terbaik berdasarkan informasi dari masing-masing semivariogram. Selain itu tidak ada trend dalam data dan tidak ada pengaruh lokal, seperti tinggi. Artinya metode ini hanya dipengaruhi oleh faktor jarak.
Z ( x ) i Z ( xi) …………………………(5) Keterangan: ∑αi
=1
Z(x)
= nilai dugaan pada lokasi x
Xi
= nilai pengamatan
αi
= pembobot
Ordinary Kriging yaitu metode Kriging yang digunakan jika data memenuhi asumsi stasioner intrinsik dan mean dari populasi diasumsikan konstan akan tetapi nilainya tidak diketahui. Ketepatan dugaan Kriging sangat bergantung pada model semivariogram yang dipilih yang digunakan untuk menentukan bobot Kriging.
14
(Cressie 1993 dalam Primatika 2011). Pertimbangan terpenting dalam Kriging adalah metode ini memberikan bobot yang lebih besar pada titik contoh dengan jarak yang lebih dekat dibandingkan dengan titik contoh dengan jarak lebih jauh (Khoerudin 2010 dalam Primatika 2011). Ukuran keragaman spasial antar titik contoh dapat ditunjukkan oleh semivarian yang besarnya bergantung pada jarak antar titik (Khoerudin 2010 dalam Primatika 2011). Jarak antar titik contoh yang kecil akan menghasilkan semivarian yang kecil dan semakin besar jarak antar titik contoh akan menghasilkan semivarian yang semakin besar. Konsep jarak yang digunakan adalah jarak euclide. Plot semivarian sebagai fungsi jarak disebut variogram. Semivariogram berfungsi untuk menggambarkan dan memodelkan korelasi spasial antar data. Adapun metode-metode Kriging lainnya, seperti Universal Kriging dan Kriging with External Drift, merupakan perluasan dari Kriging (Tiryana 2005).
2.4 Metode Penelitian 2.4.1 Pengumpulan Data Pada tahap ini, dilakukan studi pustaka tentang penelitian ini. Pengumpulan data dalam penelitian ini dilakukan secara tidak langsung (sekunder). Pengumpulan data ini dilakukan dengan mengambil data sekunder yaitu berupa data kondisi umum lokasi penelitian antara lain : a.
Letak dan luas areal
b. Fungsi hutan c.
Iklim
d. Topologi dan Kelerengan e.
Geologi
f.
Tanah
g. Hidrologi h. Kondisi Vegetasi i.
Aksesbilitas
j.
Kondisi Sosial Ekonomi
15
Selain data kondisi umum lokasi penelitian juga dilakukan pengumpulan atribut data hasil IHMB {urut, blok, idplot, easting, northing, N (jumlah), No RG, tinggi, slope (U;T;S;B), fisiografi, tapak, tekstur, bekas tebang, tutupan lahan, idpohon, no pohon, jumlah jenis, kelompok jenis, diameter pohon, kualitas tajuk, cacat batang, kerusakan batang, x pohon, y pohon, jarak x, jarak y, tinggi total, tinggi bebas cabang, diameter tajuk, volume dan kondisi}.
2.4.2 Pengolahan Data 2.4.2.1 Perhitungan Volume per Hektar Volume per hektar dihitung berdasarkan volume per plot dalam atribut data hasil IHMB yang dibagi dengan luasan plot masing-masing. Untuk kelas dbh 1019 memiliki luas plot sebesar 0,01 ha, kelas dbh 20-29 sebesar 0,04 ha, kelas dbh 30-39; 40-49; 50-59; dan kelas dbh 60 ke atas sebesar 0,25 ha. Berdasarkan volume per hektar dari masing-masing kelas, dibagi lagi menjadi 2 kelas dbh utama yaitu kelas dbh >10 cm dan kelas dbh >40 cm. Perhitungan Volume per hektar dilakukan dengan bantuan ekstension IHMB pada software ArcView 3.3.
2.4.2.2 Pemilihan Data Contoh Kajian interpolasi ini dilakukan menggunakan data sampel IHMB sebanyak 4 jenis pohon, yaitu kayu indah, kayu lindung, kayu meranti, dan kayu rimba. Data yang diolah untuk jenis kayu indah sebanyak 729 plot, kayu lindung sebanyak 251 plot, kayu meranti sebanyak 1087 plot, dan kayu rimba sebanyak 994 plot. Untuk kajian ini data tersebut kemudian dibagi menjadi 2 kelompok secara berselang-seling, yaitu setengah plot digunakan untuk membangun model dan setengahnya lagi untuk validasi model. Data yang dikaji adalah volume sediaan tegakan keempat jenis pohon dengan dbh 10 cm atau lebih dan 40 cm atau lebih.
2.4.2.3 Analisis Sistem Informasi Geografis (SIG) Rekap data hasil pengolahan dan pengelompokkan data yang telah diolah menggunakan program pengolahan data, selanjutnya dilakukan analisis spasial menggunakan software ArcView 3.3 (Extension berbasis IHMB dan Kriging
16
Interpolator 3.2) guna menghasilkan estimasi penyebaran potensi volume per petak.
a. Pembuatan Isoline Sediaan Tegakan Secara umum, isoline dapat dibangun dengan beberapa macam teknik interpolasi, yaitu metode Inverse Distance Weight (IDW), metode Spline dan metode Kriging. Untuk penelitian ini, metode IDW yang dikaji menggunakan metode “nearest neighbors” dengan berbagai tingkat power (power 1 sampai 30), jumlah titik 12 dan ukuran sel 30 m. Metode Spline yang dikaji menggunakan metode “regularized” dengan berbagai tingkat weight (0,1; 0,3; 0,5; 1; 2; 3; 4 dan 5), jumlah titik 12 dan ukuran sel 30 m (Tabel 2). Sedangkan metode Kriging dikaji menggunakan metode “Ordinary Kriging” dengan berbagai tingkat method (Circular, Exponential, Gaussian, Linier with Sill dan Spherical), lag interval 30 m, search distance 50 m dan ukuran sel 30 m (Tabel 3).
Tabel 2 Variasi bobot pada metode interpolasi IDW dan Spline yang digunakan No Tehnik Metode Bobot Jumlah Ukuran Interpolasi Titik Sel (m) 1
IDW
Nearest Neigbors
1,2,3…, 30
12
30
2
Spline
Regularized
0,1 0,3 0,5 1 2 3 4 5
12
30
Tabel 3 Variasi bobot pada metode interpolasi Kriging yang digunakan No Tehnik Type Lag Method Radius Search Interpolasi Kriging Interval Type Distance (m) (m) 1 Kriging Ordinary 30 Circular Fixed 50 Kriging Exponential Gaussian Linier with sill Spherical
17
b. Pembangunan TIN Sediaan Tegakan Untuk mendapatkan sediaan tegakan yang mencakup semua lokasi termasuk yang tidak terwakili oleh sampel titik IHMB, maka perlu dilakukan proses pengolahan untuk mengubah fitur garis hasil interpolasi menjadi fitur polygon. Proses ini dapat dilakukan menggunakan metode Triangulated Irreguler Network yang dikenal dengan TIN. Hasil TIN yang terbentuk selanjutkan dapat dikonversi ke grid (convert to grid) dan kemudian ditransformasikan ke vector (convert grid to vector). Hasil dari konversi vektor ini dapat digunakan sebagai data per petak. TIN perlu dipelajari atau setidak-tidaknya perlu dipahami oleh teknisi pelaksana IHMB karena TIN mempunyai kemampuan menurunkan data kemiringan lereng yang diperlukan dalam melengkapi daftar isian IHMB, mampu membuat isoline atau kontur dari potensi hutan sehingga hasil interpolasi dapat digunakan untuk menduga perkiraan potensi hutan per petak, dan mampu menurunkan data arah lereng yang diperlukan untuk perspektif landscape yang terkait dengan pengelolaan hutan.
radius Plot
Jaringan segitiga
Gambar 6 Ilustrasi pembangunan TIN.
2.4.2.4
Analisis Uji Validasi
Untuk mendapatkan informasi tentang keakuratan dan peringkat dari setiap metode, maka dilakukan uji validasi menggunakan setengah data plot yang secara sengaja dipisahkan untuk melakukan pengujian. Ukuran yang digunakan untuk validasi ini adalah RMSPE (Root Mean Squared Prediction Error), SR (Simpangan rata-rata) dan SA (Simpangan Agregat).
18
a. RMSPE (Root Mean Squared Prediction Error), merupakan akar dari rata-rata jumlah kuadrat nisbah antara selisih volume dugaan dari model (Tim) dengan volume aktualnya (Tia) terhadap volume aktual. Nilai RMSPE yang lebih kecil menunjukkan model penduga volume yang lebih baik. RMSPE memiliki rumus sebagai berikut: n Ti (m) Ti (a ) Ti (a ) i 1 RMSPE n
0.5 2 100%
Keterangan: Ti(m) = nilai dugaan ke-i berdasarkan interpolasi Ti(a) = nilai aktual hasil IHMB b. SR (Simpangan Rata-rata), merupakan rata-rata jumlah dari nilai mutlak selisih antara jumlah volume dugaan dari model (Tim) dan volume aktual (Tia), proporsional terhadap jumlah volume dugaan (Tim). Nilai simpangan rata-rata yang baik adalah tidak lebih dari 10% (Spurr 1952). SR memiliki rumus sebagai berikut: SR
Ti m Ti a Ti m x100% n
Keterangan: Ti(m) = nilai dugaan ke-i berdasarkan interpolasi Ti(a) = nilai aktual hasil IHMB c. SA (Simpangan Agregat), merupakan selisih antara jumlah volume aktual (Tia) dan volume dugaan (Tim) yang diperoleh berdasarkan dari tabel volume pohon, sebagai persentase terhadap volume dugaan (Tim). Persamaan yang baik memiliki nilai simpangan agregat (SA)
19
yang berkisar dari -1 sampai 1 (Spurr 1952). SA memiliki rumus sebagai berikut:
n n Ti ( m ) Ti ( a ) i 1 SA i 1 n Ti ( m ) i 1 Keterangan: Ti(m) = nilai dugaan ke-i berdasarkan interpolasi Ti(a) = nilai aktual hasil IHMB 2.4.2.5 Pembuatan rangking (Skoring) Hasil dari validasi (RMSPE, SR dan SA) akan dihitung nilai skornya dengan rumus sebagai berikut: ai min(ai) 4 1 skor max( ai) min(ai)
Keterangan: ai = nilai peubah uji validasi min = nilai terendah max = nilai tertinggi
20
Tahapan Pelaksanaan Tahapan pelaksanaan secara umum dapat dilihat pada Gambar 7. . Persiapan dan
Mulai
Pengumpulan Data
Perhitungan Volume per Hektar
Pemilihan Data Contoh Data Validasi
Data Model Analisis SIG
Pembuatan Isoline
Pembangunan TIN
Convert to grid Convert grid to vector Uji
Nilai Tengah Model
Validasi
Skoring
Gambar 7 Diagram alur penelitian.
Selesai
BAB III LOKASI DAN KEADAAN UMUM 3.1 Sejarah Pemanfaatan Hutan Kegiatan pemanfaatan hutan oleh PT. INHUTANI 1 telah dimulai sejak tahun 1976 berdasarkan Keputusan Menteri Pertanian No. 352/Kpts/Um/6/1976 tanggal 8 Juni 1976 dan Keputusan Menteri Kehutanan No. 39/Kpts-IV/1987 tanggal 6 Pebruari 1987 dengan luas areal kerja adalah ± 2.422.000 ha yang terletak di Provinsi Kalimantan Timur. Jangka waktu IUPHHK PT. INHUTANI I tersebut tealh berakhir pada tanggal 8 Desember 1993. Selanjutnya, berdasarkan Surat Menteri Kehutanan Nomor 656/Menhut-IV/1995 tanggal 24 April 1995, PT. INHUTANI I memperoleh persetujuan prinsip perpanjangan IUPHHK untuk jangka waktu sampai dengan tanggal 7 Desember 2013, dengan luas ± 2.207.700 ha. Selanjutnya untuk meningkatkan efektivitas pengelolaan hutan guna mewujudkan pengelolaan hutan alam produksi lestari, selanjutnya areal PT. INHUTANI I tersebut dibagi menjadi beberapa Unit Manajemen Hutan. Terhadap masing-masing areal UMH telah dilakukan pembuatan Working Area oleh Badan Planologi Departemen Kehutanan yang selanjutnya dijadikan dasar diterbitkannya SK. Perpanjangan IUPHHK. Unit Manajemen Hutan (UMH) Labanan merupakan salah satu UMH yang berada di wilayah kerja Unit Balikpapan dan telah diterbitkan SK. Perpanjangan IUPHHK-nya melalui Keputusan Menteri Kehutanan No. 484/MENHUT-II/2006 tanggal 19 Oktober 2006 tentang Perpanjangan Izin Usaha Pemanfaatan Hasil Hutan Kayu pada Hutan Alam PT. Inhutani I (UMH Labanan) atas Areal Hutan Produksi seluas ± 138.210 ha di Provinsi Kalimantan Timur. Berdasarkan Izin Perpanjangan tersebut, jangka waktu berlakunya IUPHHK ini adalah selama 45 tahun dan berlaku surut sejak tanggal 8 Desember 1993 dan berakhir tanggal 7 Desember 2038. PT Inhutani I selaku BUMN Departemen Kehutanan mulai melaksanakan kegiatan Pengusahaan Hutan sejak diterbitkannya Akte Pendirian Perusahaan hingga terbitnya SK HPH/IUPHHK. Secara kronologis dapat ditelusuri dari rangkaian dokumen-dokumen di bawah ini:
22
a. Akte Notaris Soelaiman Ardjasasmita, SH No. 5 tanggal 8 Desember 1973 tentang Pendiriran Perseroan Terbatas (PT) Inhutani I. b. Surat Keputusan Menteri Pertanian No. 352/Kpts/UM/1976 tanggal 8 Juni 1976 (berdasarkan surat 8 Desember 1973) tentang pemberian HPH kepada PT. Inhutani I. c. Surat Menteri Kehutanan No. 656/Menhut-IV/1995 tanggal 24 April 1995 tentang Persetujuan Prinsip Perpanjangan HPH/IUPHHK pada hutan alam an. PT. Inhutani I d. Surat Gubernur Provinsi Kalimantan Timur No. 522/8737/Proda 2.2/EK tanggal 17 Oktober 2000 tentang Rekomendasi Working Area an. PT. Inhutani I UMH Labanan.
23
Gambar 8 Peta petak lokasi PT Inhutani I Labanan Kabupaten Berau Kalimantan Timur.
24
3.2 Kondisi Biofisik dan Sosial Ekonomi 3.2.1 Kondisi Biofisik a. Letak dan Luas Secara geografis, areal kerja IUPHHK PT. Inhutani I UMH Labanan terletak antara 01048’30”-02014’20” Lintang Utara dan 116051’30”-117021’00” Bujur Timur. Berdasarkan pembagian kelompok hutan termasuk dalam kelompok hutan Sungai Segah dan Sungai Kelai. Sedangkan menurut administrasi pemerintah termasuk Kecamatan Sambaliung, Kecamatan Segah dan Teluk Bayur, Kabupaten Berau Provinsi Kalimantan Timur. Berdasarkan administrasi pemangkuan hutan, areal IUPHHK PT. Inhutani I UMH Labanan termasuk ke dalam wilayah Bagian Kesatuan Pemangkuan Hutan (BKPH) Gunung Tabur dan BKPH Sambaliung Dinas Kehutanan Kabupaten Berau, Dinas Kehutanan Provinsi Kalimantan Timur. Adapun luas areal kerja IUPHHK PT. Inhutani I UMH Labanan ini berdasarkan Keputusan Menteri Kehutanan No. 484/MENHUT-II/2006 tanggal 19 Oktober 2006 adalah seluas ± 138.210 ha. Mengingat luasnya areal tersebut, maka dalam upaya efisiensi kegiatan operasional serta menjaga areal dari perambahan hutan, maka areal tersebut dibagi menjadi 2 Unit, yaitu Unit I seluas ± 78.436 ha dan Unit II seluas ± 59.774 ha dengan batas berupa jalan utama angkutan kayu. Adapun batas-batas areal kerja IUPHHK PT. Inhutani I UMH Labanan disajikan dalam Tabel 4.
25
Tabel 4 Letak dan luas areal kerja IUPHHK PT. Inhutani I UMH Labanan No Uraian Keterangan 1. 2.
Luas Areal IUPHHK Batas Geografis
3. 4.
Kelompok Hutan Batas areal kerja: a. Sebelah Utara
138.210 ha 01048’30” - 02014’20” Lintang Utara dan 116051’30” - 117021’00” Bujur Timur. Sungai Segah dan Sungai Kelai
1) Perk. PT. Palma Kharisma Sekawan 2) Lahan Transmigrasi & Lahan Masyarakat b. Sebelah Timur 1) Sungai Kelai 2) Lahan Masyarakat & Lahan KHDTK c. Sebelah Selatan 1) PT. Mardhika Insan Mulia 2) PT. Aditya Kirana Mandiri 3) Hutan Lindung d. Sebelah Barat 1) PT. Sumalindo L.J.IV 5. Administrasi Pemerintah Kecamatan Sambaliung, Kecamatan Segah dan Teluk Bayur, Kabupaten Berau, Provinsi Kalimantan Timur 6. Administrasi Pemangkuan Bagian Kesatuan Pemangkuan Hutan Hutan (BKPH) Gunung Tabur, dan BKPH Sambaliung Dinas Kehutanan Kabupaten Berau, Dinas Kehutanan Provinsi Kalimantan Timur Sumber: RKUPHHK-HA PT Inhutani I Labanan (2010)
b. Fungsi Hutan Berdasarkan Peta Penunjukan Kawasan Hutan dan Perairan Provinsi Kalimantan Timur skala 1 : 250.000, areal kerja IUPHHK PT. Inhutani I UMH Labanan terletak pada Kawasan Hutan Produksi Terbatas (HPT) seluas 84.306 ha dan Hutan Produksi (HP) seluas 53.904 ha. Pada kawasan HP terhadap Buffer Zone Hutan Lindung seluas 1.078 ha. Untuk lebih jelasnya, rincian masingmasing fungsi kawasan disajikan pada Tabel 5.
26
Tabel 5 Fungsi kawasan hutan areal kerja IUPHHK PT Inhutani I UMH Labanan No 1 2
Fungsi Hutan Hutan Produksi Terbatas (HPT) Hutan Produksi (HP) Jumlah
Luas (ha) 84.306 53.904 138.210
(%) 39,00 61,00 100,00
Sumber: RKUPHHK-HA PT Inhutani I Labanan (2010)
c. Iklim Informasi tentang iklim sangat diperlukan dalam perencanaan kegiatan IUPHHK. Kegiatan pemanenan, khususnya dalam pengangkutan kayu dilakukan pada saat musim kemarau (curah hujan rendah). Hal ini terkait dengan kondisi jalan dan laju erosi yang akan ditimbulkan, sebaliknya kegiatan penanaman dan pengayaan dilakukan menjelang musim hujan. Informasi tentang karakteristik iklim di areal disajikan melalui karakterisasi curah hujan dan unsur-unsur iklim lainnya, seperti suhu udara, kelembaban udara, penyinaran matahari dan kecepatan angin. Untuk tujuan tersebut telah dikumpulkan data iklim dari Stasiun Meteorologi dan Geofisika Bandara Kalimarau Tanjung Redeb. Letak geografis Kabupaten Berau yang dekat dengan garis Khatulistiwa menjadikan daerah ini memiliki iklim tropis yang akan memiliki curah hujan dengan hari hujan merata sepanjang tahun. Intensitas penyinaran matahari yang tinggi menjadikan suhu udara relatif tinggi sepanjang tahun dengan kelembaban yang tinggi pula. Sebagai daerah dengan iklim tropis, Kabupaten Berau memiliki dua musim yaitu musim penghujan dan musim kemarau. Kedua musim tersebut diselingi dengan masa peralihan yang umumnya disebut masa pancaroba. Pada musim peralihan tersebut curah hujan relatif banyak. Namun demikian kondisi alam Kabupaten Berau yang masih dikelilingi oleh hutan tropis yang masih lebat menjadikan daerah ini menunjukkan sifat sebagai daerah hutan hujan tropis dengan curah hujan yang relatif rata sepanjang tahun. Dengan hari hujan yang hampir sama setiap bulannya. Hal ini didorong dengan kelembaban udara yang tinggi dan daerah perairan yang masih luas.
27
d. Topografi dan Kelerengan Areal IUPHHK PT. Inhutani UMH Labanan pada daerah hulu Sungai Segah sampai Sungai Siduung memiliki topografi curam, sedangkan darah bagian timur memiliki topografi sedang sampai curam dengan ketinggian antara 100 sampai dengan 300 meter di atas permukaan laut. Secara umum pengelompokan kelas lereng areal kerja IUPHHK PT. Inhutani I UMH Labanan disajikan pada Tabel 6.
Tabel 6 Kondisi topografi/kelerengan areal kerja IUPHHK PT. Inhutani I UMH Labanan No Konfigurasi Lahan Kelas Lereng Ha % 1. Datar A (0 – 8%) 37.635 27,23 2. Landai B (8 – 15%) 2.303 1,67 3. Agak Curam C (15 – 25%) 53.350 38,60 4. Curam D (25 – 40%) 44.922 32,50 5. Sangat Curam E (> 40%) Jumlah 138.210 100,00 Sumber: RKUPHHK-HA PT Inhutani I Labanan (2010)
Berdasarkan tabel di atas, tampak bahwa kondisi fisiografi areal kerja ini didominasi oleh kelas lereng D (curam). Dengan kondisi lereng yang umumnya curam, akan berdampak terhadap kemampuan kerja alat berat serta kemungkinan munculnya bahaya erosi. Untuk itu diperlukan perencanaan yang matang dan penerapan RIL (Reduce Impact Logging).
e. Geologi Berdasarkan Peta Geologi Bersistem Indonesia Kalimantan, wilayah Tanjung Redeb skala 1 : 250.000 yang diterbitkan oleh Pusat penelitian dan Pengembangan Geologi Bandung Tahun 1995, formasi geologi di wilayah Kabupaten Berau terdiri dari formasi batuan yang berumur antara Pratersier sampai Kwarter. Sedangkan formasi geologi di wilayah IUPHHK PT. Inhutani I UMH Labanan tersusun oleh 10 (sepuluh) formasi geologi, namun yang paling menonjol adalah formasi Mentarang (26,35%) yang merupakan batu lempung, batu lanau dan batu pasir di bagian bawah, batu pasir kuarsa, batu gamping pasiran, rijang dan tuf dibagian atas mengandung fosil. Formasi Jelai Volcanic Rock (18,68%) merupakan formasi perselingan rupal, batu gamping dan tuf
28
dibagian atas dan perselingan nafal, rijang, konglomerat, batu pasir kuarsa dan batu gamping dibagian bawah. Formasi Birang (13,10%) merupakan perselingan tuf, aglomerat, lapili, lava andesit piroksen, tuf terkesikkan, batu lempung dan kaolin, mengandung lignit, kuarsa, feldspar dan mineral hitam. Untuk lebih jelasnya, sebaran formasi geologi yang berada di areal kerja IUPHHK PT. Inhutani I UMH Labanan dapat dilihat pada Tabel 7.
Tabel 7 Sebaran formasi geologi di areal kerja IUPHHK PT. Inhutani I UMH Labanan Luas No Formation ha % 1 Birang Formation 18.099 13,10 2 Intrusive Rock 222 0,16 3 Jelai Volcanic Rock 25.815 18,68 4 Karamuan Formation 2.525 1,83 5 Labanan Formation 16.212 11,73 6 Langap Formation 16.469 11,92 7 Lebak Formation 2.141 1,55 8 Mentarang Formation 36.415 26,35 9 Sembakung Formation 17.012 12,31 10 Sinjin Formation 3.300 2,39 jumlah 138.210 100,00 Sumber: RKUPHHK-HA PT Inhutani I Labanan (2010)
f. Tanah Berdasarkan Peta Tanah Areal Kerja IUPHHK PT. Inhutani I UMH Labanan skala 1 : 500.000 yang bersumber dari Peta Tanah Provinsi Kalimanta Timur skala 1 : 1.000.000 dari Pusat Penelitian Tanah dan Agroklimat, Badan Penelitian dan Pengembangan Pertanian tahun 1993, jenis tanah areal IUPHHK PT. Inhutani I UMH Labanan didominasi oleh jenis tanah Podsolik Merah Kuning (Tropudults, Dystropepts). Di beberapa tempat dijumpai kandungan tanah yang berpasir halus. Sifat-sifat tanah, tekstur tanah berupa lempung berdebu dan lempung berat berdebu. Untuk lebih jelasnya, jenis-jenis tanah yang ada di areal kerja IUPHHK PT. Inhutani I UMH Labanan ini disajikan pada Tabel 8.
29
Tabel 8 Sebaran jenis tanah di areal kerja IUPHHK PT. Inhutani I UMH Labanan Luas No Klasifikasi ha % 1 Tropaquepts, Fluvaquents, Tr 17.842 12,91 2 Tropudults, Dystropepts 82.238 59,50 3 Tropudults, Tropaquepts 38.130 27,59 Jumlah 138.210 100,00 Sumber: RKUPHHK-HA PT Inhutani I Labanan (2010)
g. Hidrologi Areal IUPHHK PT. Inhutani I UMH Labanan termasuk dalam DAS Segah dan DAS Kelai. Sungai-sungai yang ada di wilayah UMH Labanan antara lain: Sungai Kelai, Sungai Siduung, Sungai Merasak, Sungai Siagung, Sungai-sungai tersebut sebagai besar digunakan untuk sarana transportasi dalam kehidupan sehari-hari termasuk untuk mengangkut hasil sumber daya alam yang berupa kayu, rotan dan lain-lain.
h. Kondisi Vegetasi 1. Penutupan Lahan Hasil perhitungan digitasi terhadap Peta Penafsiran Citra Satelit 7 ETM Band 542 Path 117 Row 58 liputan tanggal 28 Mei 2008 dan tanggal 1 Oktober 2007, Path 117 Row 59 liputan tanggal 1 Oktober 2007 skala 1 : 100.000 yang telah dinilai Departemen Kehutanan melalui Surat Kepala Pusat Inventarisasi dan Perpetaan Kehutanan Nomor: S.787/VII/Pusin-1/2008 tanggal 31 Desember 2008, kondisi penutupan lahan areal kerja IUPHHK PT. Inhutani I UMH Labanan, terdiri atas hutan primer seluas 20.403 ha, hutan bekas tebangan 86.582 ha, areal non hutan seluas 22.429 ha dan tertutup awan seluas 8.796 ha. Berdasakan hasil survey lapangan dan data citra Landsat tahun sebelumnya, kondisi penutupan lahan areal tertutup awan berupa hutan primer, hutan bekas tebangan dan areal non hutan. Pada areal tersebut terdapat Buffer Zone Hutan Lindung seluas 952 ha dengan kondisi penutupan lahan berupa hutan bekas tebangan. Secara rinci kondisi penutupan lahan di areal kerja IUPHHK PT. Inhutani I UMH Labanan disajikan pada Tabel 9.
30
Tabel 9 Kondisi penutupan lahan di areal kerja IUPHHK PT. Inhutani I UMH Labanan Luas (ha) Daerah Jumlah No Penutupan Lahan Penyangga (ha) HPT HP 1 Hutan Primer 20.403 20.403 2 Hutan Bekas Tebangan 51.636 33.994 952 86.582 (LOA) 3 Non Hutan (NH) 8.479 13.950 22.429 4 Tertutup Awan (TA) 2.836 5.960 8.796 Jumlah 83.354 53.904 138.21 Sumber: RKUPHHK-HA PT Inhutani I Labanan (2010)
2. Vegetasi Hutan di areal IUPHHK PT. Inhutani I UMH Labanan termasuk tipe hutan tropika basah dataran tinggi yang dicirikan oleh dominasinya
family
Dipterocarpaceae (kelompok meranti). Jenis-jenis dari family Dipterocarpaceae yang mendominasi areal antara lain adalah keruing, meranti merah, dan bangkirai. Jenis vegetasi dikelompokan menjadi (1) Kelompok kayu meranti, (2) Kelompok Kayu rimba campuran, (3) Kelompok kayu indah, dan (4) Kelompok kayu dilindungi. Berdasarkan data hasil survey lapangan dengan intensitas 1 %, potensi tegakan untuk jenis boleh ditebang dengan diameter 40 cm up adalah sebesar 102,78 m3/ha dengan kerapatan 33,06 pohon/ha sedangkan untuk diameter 50 cm up adalah sebesar 83,22 m3/ha dengan kerapatan 20,86 pohon/ha.
i. Aksesibilitas Untuk mencapai areal kerja IUPHHK PT. Inhutani I UMH Labanan dapat ditempuh melalui udara, darat dan sungai (laut). Melalui udara ditempuh dari Bandara Sepingan Balikpapan ke Berau (Bandara Kalimarau) dengan pesawat udara jenis ATR 42, lama perjalanan ± 40 menit, kemudian dilanjutkan dengan menyeberang Sungai Segah, perjalanan dilanjutkan lewat darat dengan jarak tempuh ± 80 km ( ± 120 menit).
31
3.2.2 Kondisi Sosial Ekonomi a. Administrasi Pemerintahan Berdasarkan administrasi pemerintahan, areal kerja IUPHHK PT. Inhutani I UMH Labanan masuk dalam 3 (tiga) wilayah kerja kecamatan, yaitu Kecamatan Sambaliung, Kecamatan Segah dan Teluk Bayur yang seluruhnya masuk dalam administrasi Kabupaten Berau, Provinsi Kalimantan timur. Kondisi sosial ekonomi masyarakat di sekitar IUPHHK PT. Inhutani I UMH Labanan sangat bervariatif, hal ini terkait dengan letak IUPHHK yang relatif dekat dengan kota kabupaten bahkan ada dua kota kecamatan berdampingan dengan areal IUPHHK Labanan. Di sekitar areal kerja Labanan memiliki lebih dari 10 (sepuluh) desa yaitu: Labanan Jaya, Labanan makmur, Labanan Makarti, Tumbit Melayu, Long Lanuk, Nyapa Indah, Merasak, Siduung, Bukit Makmur dan Gunung Sari. Atas kondisi tersebut diatas PT. Inhutani I UMH Labanan memiliki tantangan yang komplek terhadap pengusahaan hutan, terutama dalam hal perlindungan dan pengamanan hutan. Kondisi masyarakat yang relatif modern memiliki faktor resiko yang besar terhadap kegiatan pengamanan dan perlindungan terutama pencurian kayu, perambahan hutan dan konflik sosial.
b.
Kependudukan Penduduk Kabupaten Berau dari tahun ke tahun menunjukkan peningkatan
yang cukup berarti. Jumlah penduduk pada tahun 2004 sebanyak 146.451 jiwa dan pada tahun 2005 meningkat menjadi 157.453 jiwa. Karakteristik penduduk Kabupaten Berau dapat dilihat dari angka sex ratio, yaitu perbandingan antara jumlah penduduk laki-laki dan penduduk perempuan. Sex ratio pada tahun 2004 sebesar 122,41 dan pada tahun 2005 sex rasionya sebesar 122,08. Angka menunjukkan bahwa pada 100 orang penduduk perempuan akan terdapat 122 penduduk laki-laki. Tingkat kepadatan penduduk antar kecamatan di Kabupaten Berau sangat timbang. Hal ini karena tidak meratanya persebaran penduduk. Daerah pedalaman yang memiliki luas wilayah yang besar hanya dihuni oleh sedikit penduduk. Kepadatan terkecil terdapat di Kecamatan Kelay yaitu sebanyak 0,84 jiwa/km2.
32
Berdasarkan data statistik kepadatan per rumah tangga penduduk Kabupaten Berau masih sangat rendah, dengan rata-rata hampir sama antar kecamatannya. Sedangkan kepadatan per kilometer persegi terdapat angka yang sangat mencolok yaitu kepadatan penduduk Kecamatan Tanjung Redeb sebanyak 2.105,30 jiwa/km2. Hal ini wajar karena Kecamatan Tanjung Redeb merupakan Ibu kota Kabupaten Berau. Laju pertumbuhan penduduk pada tahun 2005 sebesar 7.51% meningkat dari 6,85% pada tahun 2004. Pertumbuhan ini merupakan pertumbuhan total yang meliputi pertumbuhan alami karena kelahiran dan kematian serta migrasi netto yang diperoleh dari pengurangan migrasi ke luar dengan migrasi masuk ke Kabupaten Berau selama kurun waktu satu tahun. Penduduk berusia 10 tahun keatas dibagi dalam dua kelompok yaitu penduduk yang termasuk angkatan kerja dan bukan angkatan kerja. Penduduk yang termasuk angkatan keja terbagi menjadi penduduk yang bekerja dan yang mencari kerja. Sedangkan yang termasuk bukan angkatan kerja adalah penduduk yang mengurus rumah tangga, bersekolah dan melakukan aktivitas lainnya.
c.
Kondisi Sosial Ekonomi Sekitar Areal kerja Tipologi areal kerja IUPHHK PT. Inhutani I UMH Labanan tergolong berat
dalam aspek sosial. Hal ini dikarenakan lokasi areal kerja yang berbatsan langsung dengan pemukiman masyarakat bahkan dengan lokasi transmigrasi. Disamping itu tingkat aksesibilitas yang sangat tinggi. Bahkan di dalam areal kerja terdapat jalan kabupaten yang menghubungkan Tanjung Redeb ke Samarinda dan jalan kecamatan yang menghubungkan Kecamatan Tepian Buah ke Tanjung Redeb. Kondisi ini menyebabkan areal kerja IUPHHK ini sangat rentan terhadap konflik kepemilikan lahan dan perambahan. Beberapa Desa dan Pemukiman Transmigrasi serta jumlah penduduk yang ada di sekitar areal kerja IUPHHK PT. Inhutani I UMH Labanan disajikan pada Tabel 10.
33
Tabel 10 Jumlah peduduk desa sekitar areal kerja IUPHHK PT. Inhutani I UMH Labanan No. Desa Jumlah Penduduk Jumlah KK (jiwa) (jiwa) 1. Gunung Sari 1,233 143 2. SP2 Transmigrasi Malinau-Segah 600 200 3. SP6 Transmigrasi Siduung 900 300 4. SP3 Transmigrasi Siduung 900 300 5. Labanan Makarti 654 147 6. Labanan Makmur 1,193 262 7. Labanan Jaya 1,087 252 8. Inaran 832 153 9. Tumbit Melayu 1,209 256 10. Tumbit Dayak 584 130 11. Long Lanuk 501 81 12. Merasak 564 126 Sumber: RKUPHHK-HA PT Inhutani I Labanan (2010)
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Berdasarkan
bobot yang digunakan, hasil kontur yang dihasilkan akan
berbeda untuk masing-masing metode interpolasi. Bentuk konturnya ditampilkan pada Gambar 6 sampai dengan Gambar 12. Bentuk kontur metode interpolasi Spline (Gambar 10) lebih rapat dibandingkan bentuk kontur metode IDW (Gambar 9). Metode Spline menghasilkan kontur yang sangat rapat di luar batas PT Inhutani I Labanan. Hal itu menunjukkan bahwa nilai dugaan yang dihasilkan bisa melebihi dan berada dibawah nilai yang diduga (underestimate dan overestimate). Kontur yang ditampilkan oleh metode interpolasi Kriging sangat bervariasi tergantung bobot yang akan digunakan (Gambar 11 sampai dengan Gambar 15). Pada umumnya metode Kriging dengan bobot Gaussian menhasilkan nilai dugaan yang overestime dan underestimate seperti halnya pada kontur metode Spline.
Gambar 9 Kontur metode interpolasi IDW.
35
Gambar 10 Kontur metode interpolasi Spline.
Gambar 11 Kontur metode interpolasi Kriging (circular).
36
Gambar 12 Kontur metode interpolasi Kriging (exponential).
Gambar 13 Kontur metode interpolasi Kriging (gaussian).
37
Gambar 14 Kontur metode interpolasi Kriging (linier with sill).
Gambar 15 Kontur metode interpolasi Kriging (spherical).
38
Pada Gambar 11 sampai Gambar 15 disajikan bentuk kontur dan sebaran variasi warna yang berbeda dengan metode Kriging. Hal itu disebabkan oleh model semivariogram yang berbeda saat sebelum melakukan interpolasi. Ketepatan hasil dugaan dari Kriging bergantung pada model semivariogram yang dilakukan. Tampilan bobot (method) Gaussian hampir sama dengan metode Spline yang memiliki nilai dugaan bernilai negatif, sehingga menghasilkan nilai sebaran volume/ha di luar selang yang ada (overestimate dan underestimate). Berdasarkan analisis Sistem Informasi Geografis (SIG), hasil interpolasi serta sebarannya untuk masing-masing metode pada semua jenis kayu dapat berdasarkan bobot terbaik dapat dilihat pada Gambar 16 sampai Gambar 39. Hasil yang ditampilkan berupa perbandingan interpolasi pada ketiga metode interpolasi dengan bobot terbaiknya. Perbandingan yang
dijabarkan adalah
berupa gradasi warna dan perubahan spasialnya. Setiap metode interpolasi memiliki perubahan spasial yang berbeda dan sebaran gradasi warna yang berbeda pula. Masing-masing cakupan warna mewakili sebuah nilai yang tidak sama. Nilai itu merupakan sebaran volume per hektarnya. Berdasarkan hasil interpolasi masing-masing metode pada semua jenis kayu, dipilih metode dengan bobot terbaik seperti ditampilkan pada Gambar 16 sampai dengan Gambar 39.
39
Gambar 16 Hasil interpolasi metode IDW bobot terbaik pada kayu indah dbh >10 cm.
Gambar 17 Hasil interpolasi metode Spline bobot terbaik pada kayu indah dbh >10 cm.
40
Gambar 18 Hasil interpolasi metode Kriging bobot terbaik pada kayu indah dbh >10 cm.
Gambar 19 Hasil interpolasi metode IDW bobot terbaik pada kayu indah dbh >40 cm.
41
Gambar 20 Hasil interpolasi metode Spline bobot terbaik pada kayu indah dbh >40 cm.
Gambar 21 Hasil interpolasi metode Kriging bobot terbaik pada kayu indah dbh >40 cm.
42
Gambar 22 Hasil interpolasi metode IDW bobot terbaik pada kayu lindung dbh >10 cm.
Gambar 23 Hasil interpolasi metode Spline bobot terbaik pada kayu lindung dbh >10 cm.
43
Gambar 24 Hasil interpolasi metode Kriging bobot terbaik pada kayu lindung dbh >10 cm.
Gambar 25 Hasil interpolasi metode IDW bobot terbaik pada kayu lindung dbh >40 cm.
44
Gambar 26 Hasil interpolasi metode Spline bobot terbaik pada kayu lindung dbh >40 cm.
Gambar 27 Hasil interpolasi metode Kriging bobot terbaik pada kayu lindung dbh >40 cm.
45
Gambar 28 Hasil interpolasi metode IDW bobot terbaik pada kayu meranti dbh >10 cm.
Gambar 29 Hasil interpolasi metode Spline bobot terbaik pada kayu meranti dbh >10 cm.
46
Gambar 30 Hasil interpolasi metode Kriging bobot terbaik pada kayu meranti dbh >10 cm.
Gambar 31 Hasil interpolasi metode IDW bobot terbaik pada kayu meranti dbh >40 cm.
47
Gambar 32 Hasil interpolasi metode Spline bobot terbaik pada kayu meranti dbh >40 cm.
Gambar 33 Hasil interpolasi metode Kriging bobot terbaik pada kayu meranti dbh >40 cm.
48
Gambar 34
Hasil interpolasi metode IDW bobot terbaik pada kayu rimba dbh >10 cm.
Gambar 35 Hasil interpolasi metode Spline bobot terbaik pada kayu rimba dbh >10 cm.
49
Gambar 36 Hasil interpolasi metode Kriging bobot terbaik pada kayu rimba dbh >10 cm.
Gambar 37 Hasil interpolasi metode IDW bobot terbaik pada kayu rimba dbh >40 cm.
50
Gambar 38 Hasil interpolasi metode Spline bobot terbaik pada kayu rimba dbh >40 cm.
Gambar 39 Hasil interpolasi metode Kriging bobot terbaik pada kayu rimba dbh >40 cm.
51
4.2 Pembahasan 4.2.1 Analisis Data Data yang sudah divalidasi selanjutnya dianalisis kelogisannya terhadap data dilapangan. Maksud dari kelogisan disini adalah mengetahui seberapa besar data model bisa mendekati atau menggambarkan nilai aktual di lapangan. Berdasarkan nilai minimal, maksimum, rata-rata, dan standar deviasi data dapat dibandingkan sebarapa jauh data model dari masing-masing metode terbaik dapat mendekati nilai sebenarnya di lapangan (data validasi). Pada Tabel 11 disajikan nilai minimum, maksimum, dan rata-rata untuk metode terbaik pada jenis kayu komersial (Kayu Meranti) dbh >40 cm. Tabel 11 Nilai minimum, maksimum, rata-rata, dan SD data model Volume
Metode
IDW Spline Kriging Nilai aktual
Min
Max
Rata-rata
SD
24,930
262,990
102,280522
59,515
-533,200
951,500
102,146185
742,350
37,400
234,600
100,784739
49,300
6,060
519,124
100,420273
128,266
1200 1000 800 600
Volume (m3/ha)
min
400
max
200
rata - rata
0 -200
SD IDW
Spline
Kriging
Nilai aktual
-400 -600 -800
Metode Interpolasi
Gambar 40 Diagram perbandingan sebaran volume model dengan volume aktual.
52
Pada Tabel 11 diketahui bahwa seberapa besar data model dapat mengestimasi dugaan volume di lapangan dengan data aktual (validasi) di lapangan. Berdasarkan nilai minimum, maksimum, rata-rata, dan SD volume/ha dibandingkan hasil dugaan volume/ha antara ketiga metode interpolasi dengan volume/ha aktual (lapangan). Sedangkan pada Gambar 40 menunjukkan perbandingan volume/ha yang ditampilkan dalam bentuk diagram. Berdasarkan nilai minimal, interpolasi dengan metode IDW paling mendekati nilai aktualnya. Begitu juga dengan metode Kriging yang juga mendekati nilai aktual. Berbeda halnya dengan kedua metode tersebut, metode Spline menghasilkan nilai minimal yang sangat jauh dari nilai aktualnya. Nilai yang dihasilkan sampai bernilai negatif (underestimate). Nilai maksimal yang dihasilkan metode Spline jauh melebihi (overestimate) dari nilai aktulnya dibandingkan metode IDW dan metode Kriging yang lebih mendekati nilai aktual. Metode Kriging paling mendekati nilai aktualnya dilihat dari nilai rata-rata. Sedangkan dari nilai SD (Standar Deviasi), metode IDW yang paling mendekati dibandingkan dengan metode lainnya dan metode Spline menghasilkan nilai SD yang sangat jauh dari nilai SD aktual. Pada diagram perbandingan sebaran volume dapat dilihat volume dugaan yang dihasilkan dengan metode Spline sangat mencolok. Besarnya volume dugaan maksimum yang diperoleh melebihi nilai volume aktual (overestimate) dan volume
dugaan
minimum
berada
jauh
dibawah
nilai
volume
aktual
(underestimate). Selain itu yang paling mencolok adalah nilai negatif yang dihasilkan oleh metode Spline dalam menduga volume per hektar. Hal itu menyebabkan ketidaklogisan data volume dan mempunyai error yang cukup besar dibandingkan kedua metode lainnya. Oleh karena itu, interpolasi dengan metode Spline tidak disarankan untuk digunakan dalam mengestimasi sediaan tegakan berbasis IHMB. Berbeda halnya dengan metode Spline, metode IDW lebih dapat mendekati nilai volume aktualnya. Begitu juga dengan hasil volume dugaan menggunakan metode Kriging. Dilihat dari volume rata-rata ketiga metode interpolasi, metode Kriging paling mendekati nilai volume aktualnya dengan selisih volume sebesar 0,365/ha.
53
4.2.2 Analisis Spasial Pada Lampiran 1 disajikan sebaran volume per ha dbh >10 cm dengan dan dbh >40 cm metode interpolasi IDW pada berbagai bobot. Bobot (power) 1 memiliki nilai kesalahan paling kecil diantara bobot yang diuji untuk jenis kayu indah dbh >10 cm (Gambar 16). Pada jenis kayu indah diameter >40 cm, bobot (power) 21 merupakan bobot terbaik (Gambar 19). Hal itu disebabkan karena pada bobot ini total kesalahan (error) yang dimilikinya paling kecil diantara bobot 1 sampai dengan bobot 30. Kontur yang dihasilkan juga semakin merapat seiring bertambahnya bobot. Jumlah volume pada
dbh >40 cm tentunya akan lebih kecil jumlahnya
dibandingkan jumlah volume pada dbh >10 cm. Hal itu akan mempengaruhi jarak terhadap jumlah titik terdekat yang telah ditentukan. Sehingga ketika jumlah volume pada dbh >40 cm lebih kecil dibandingkan dbh >10 cm, maka jarak untuk mencari titik-titik terdekat yang telah ditentukan akan semakin lebar. Untuk jenis kayu lindung, kayu meranti, dan kayu rimba dengan metode IDW diperoleh bobot terbaik seperti pada Tabel 12 (Gambar 22, Gambar 25, gambar 28, Gambar 31, Gambar 34, dan Gambar 37). Sebaran volume yang dihasilkan dengan bobot terbaik hampir mendekati volume yang sebenarnya di lapangan. Pada masing-masing gambar menampilkan berbagai variasi warna yang berbeda. Hal itu menunjukkan bahwa warna yang sama memiliki sebaran volume yang sama pula. Semakin besar pangkat atau bobotnya (power) maka kontur yang dihasilkan semakin rapat. Menurut Jaya (2010), jika pangkatnya besar, maka hasilnya menjadi tidak benar. Dengan kata lain, tingkat kesalahan yang dihasilkan semakin besar seiring bertambahnya pangkat atau bobot (power). Metode IDW utamanya bergantung pada kebalikan dari jarak pangkat nilai tertentu. Dari hasil uji validasi berdasarkan bobot (power) 1 sampai 30, dipilih bobot (power) terbaik untuk jenis kayu indah , kayu lindung , kayu meranti dan kayu rimba pada dbh >10cm dan dbh >40cm (Tabel 12).
54
Tabel 12 Bobot terbaik metode IDW Bobot Terbaik Jenis Kayu indah Kayu lindung Kayu meranti Kayu rimba
Dbh >10 cm 1 1 1 1
Dbh >40 cm 21 3 1 1
Berdasarkan Tabel 12 dapat dilhat bahwa, bobot (power) 1 merupakan power terbaik yang digunakan untuk interpolasi metode IDW (Inverse Distance Weight) dalam mengestimasi sediaan tegakan pada semua jenis kayu indah pada dbh >10 cm. Sedangkan pada dbh >40 cm, bobot terbaik pada kayu indah adalah bobot 21, kayu lindung adalah bobot 3, kayu meranti adalah bobot 1 dan kayu rimba adalah bobot 1. Begitu juga dipilih bobot (weight) terbaik untuk metode interpolasi Spline (bobot 0,1; 0,3; 0,5; 1; 2; 3; 4; dan 5) pada Tabel 13. Hasil sebaran spasialnya ditampilkan pada Gambar 17, Gambar 20, Gambar 23, Gambar 26, Gambar 29, Gambar 32, dan Gambar 35 berdasarkan bobot terbaik. Hasil interpolasi metode Spline menunjukkan adanya nilai sebaran yang bernilai negatif terutama pada variasi warna di luar batas area PT Inhutani I Labanan. Sebaran volume yang bernilai negatif tersebut menyatakan bahwa terjadinya underestimate dalam menduga sediaan tegakan. Dalam menduga sediaan, metode Spline meminimalkan jumlah patahan dari permukaan, seperti menekuk-nekuk karet untuk melewati seuatu titik. Pada volume di luar sebaran volume yang ada, interpolator Spline akan tetap melakukan proses interpolasi dengan meminimumkan patahan-patahan permukaan, sehingga daerah di luar area akan menghasilkan nilai negatif (underestimate) di bawah sebaran volume yang paling minimum. Tabel 13 Bobot terbaik metode Spline Bobot Terbaik Jenis Kayu indah Kayu lindung Kayu meranti Kayu rimba
Dbh >10 cm 0,3 5 5 1
Dbh >40 cm 0,1 1 0,3 2
55
Berdasarkan Tabel 13 dapat dilhat bahwa, bobot (weight) 0,3 merupakan weight terbaik yang digunakan untuk proses interpolasi pada metode Spline jenis kayu indah pada dbh >10 cm. Berturut-turut untuk dbh >10 cm pada kayu lindung adalah bobot 5, kayu meranti adalah bobot 5 dan kayu rimba adalah bobot 1. Sedangkan pada dbh >40 cm, bobot terbaik pada kayu indah adalah bobot 0,1; kayu lindung adalah bobot 1; kayu meranti adalah bobot 0,3 dan kayu rimba adalah bobot 2. Pada
metode Kriging bobot yang digunakan adalah
metode Circular,
Exponential, Gaussian, Linier with Sill dan Spherical dengan bobot terbaik pada masing-masing jenis kayu ditampilkan di Tabel 14. Bobot terbaiknya ditampilkan pada Gambar 18, Gambar 21, Gambar 24, Gambar 27, Gambar 30, Gambar 33, Gambar 36, dan Gambar 39. Bentuk semivariogramnya disajikan pada Gambar 41 sampai dengan Gambar 48. Tabel 14 Bobot terbaik metode Kriging Bobot Terbaik Jenis Kayu indah Kayu lindung Kayu meranti Kayu rimba
Dbh >10 cm Circular Spherical Circular Exponential
Dbh >40 cm Gaussian Circular Circular Spherical
Untuk Tabel 14 pada dbh >10 cm, bobot (method) yang terbaik berturutturut pada jenis kayu indah, kayu lindung, kayu meranti dan kayu rimba adalah Circular, Spherical, Circular, dan Exponential. Sedangkan dbh >40cm, bobot (method) yang terbaik berturut-turut pada jenis kayu indah, kayu lindung, kayu meranti, dan kayu rimba adalah Gaussian, Circular, Circular dan Spherical. Adapun tampilan semivariogram pada keempat jenis kayu dengan bobot yang terbaik sebagai berikut:
56
Nilai aktual
Nilai prediksi
Gambar 41 Semivariogram metode Kriging (circular) pada kayu indah dbh >10 cm.
Nilai aktual
Nilai prediksi
Gambar 42 Semivariogram metode Kriging (gaussian) pada kayu indah dbh >40 cm.
57
Nilai aktual
Nilai prediksi
Gambar 43 Semivariogram metode Kriging (spherical) pada kayu lindung dbh >10 cm.
Nilai aktual
Nilai prediksi
Gambar 44 Semivariogram metode Kriging (circular) pada kayu lindung dbh >40 cm.
58
Nilai aktual
Nilai prediksi
Gambar 45 Semivariogram metode Kriging (circular) pada kayu meranti dbh >10 cm.
Nilai aktual
Nilai prediksi
Gambar 46 Semivariogram metode Kriging (circular) pada kayu meranti dbh >40 cm.
59
Nilai aktual
Nilai prediksi
Gambar 47 Semivariogram metode Kriging (exponential) pada kayu rimba dbh >10 cm.
Nilai aktual
Nilai prediksi
Gambar 48 Semivariogram metode Kriging (spherical) pada kayu rimba dbh >40 cm.
60
Gambar 41 dan Gambar 42 merupakan bentuk semivariogram pada kayu indah untuk bobot yang terbaik. Begitu juga untuk Gambar 43 sampai dengan Gambar 48 berturut-turut adalah semivariogram pada kayu lindung, kayu meranti dan kayu rimba. Semivariogram pada semua jenis kayu menunjukkan varian nilai aktual dan nilai prediksinya. Menurut Tiryana (2005), nilai RMSE pada semivariogram semakin kecil, maka nilai dugaan yang dihasilkan semakin mendekati nilai sebenarnya. Artinya semivariogram dengan nilai RMSE kecil dapat dipilih sebagai dialog atau skenario yang terbaik. Pada semivariogram di atas untuk semua jenis kayu menunjukkan nilai RMSE yang paling kecil. Pada kasus hasil interpolasi metode Kriging kayu lindung dbh >40 cm, secara spasial hasil interpolasinya tidak mengalami perubahan yang berarti. Namun hal itu dapat dibedakan dari semivariogram yang dihasilkan, dimana pada method Circular memiliki nilai RMSE yang paling kecil dibandingkan method yang lain. Oleh karena itu method Circular merupakan method terbaik untuk jenis kayu lindung dbh >40 cm. Pada Gambar 49 sampai dengan Gambar 54 dapat dilihat bobot masingmasing metode interpolasi untuk dbh >10 cm dan dbh >40 cm berdasarkan nilai dari total skornya. Gambar 49 dan Gambar 50 menunjukkan bahwa semakin besar bobot (power), maka semakin besar juga nilai total skornya untuk semua jenis kayu. Dapat dikatakan bahwa, semakin besar bobot (power), maka semakin besar tingkat kesalahannya (error). Kurva bobot (weight) pada Gambar 51 dan Gambar 52 menunjukkan terjadinya hubungan yang berbanding terbalik dan fluktuatif antara bobot dengan total skor, terutama pada dbh >10 cm. Hal itu disebabkan karena metode Spline dapat menghasilkan dugaan yang bernilai negatif (underestimate) dan overestimate diluar nilai yang diduga. Gambar 53 dan Gambar 54 menunjukkan bahwa bobot (method) Gaussian pada metode Kriging adalah bobot yang paling besar tingkat kesalahannya (error). Dugaan yang dihasilkan dengan bobot (method) Gaussian bernilai negatif (underestimate) yang sangat besar dan mencolok.
61
Gambar 49 Kurva bobot (power) metode IDW pada dbh > 10 cm.
Gambar 50 Kurva bobot (power) metode IDW pada dbh >40 cm.
62
Gambar 51 Kurva bobot (weight) metode Spline pada dbh >10 cm.
Gambar 52 Kurva bobot (weight) metode Spline pada dbh >40 cm.
63
Gambar 53 Kurva bobot (method) metode Kriging pada dbh >10 cm.
Gambar 54 Kurva bobot (method) metode Kriging pada dbh >40 cm. 4.2.2 Uji Validasi dan Peringkat Di dalam melakukan interpolasi, sudah pasti dihasilkan error. Error yang dihasilkan
sebelum
melakukan
interpolasi
bisa
dikarenakan
kesalahan
menentukan metode sampling data, kesalahan dalam pengukuran dan kesalahan
64
dalam analisa di laboratorium (Pramono 2008). Pada Tabel 15 dan 16 disajikan hasil validasi interpolasi metode IDW, Spline dan Kriging untuk volume pada dbh >10cm. Berdasarkan nilai total skor yang merupakan penjumlahan dari ranking pada nilai SR, RMSPE, dan SA diketahui bahwa kesalahan terkecil diperoleh dari metode Kriging dengan total skor 3 untuk jenis kayu indah, total skor 6,18 untuk jenis kayu lindung dan total skor 3,23 untuk jenis kayu meranti. Sedangkan pada jenis kayu rimba, metode IDW memiliki kesalahan terkecil dengan total skor 5,64. Selain itu dapat dilihat bahwa nilai ukuran kesalahan antara metode IDW dan Kriging tidak jauh berbeda dibandingkan dengan metode Spline. Metode Spline memiliki tingkat kesalahan yang paling besar pada semua jenis kayu. Menurut Jaya (2011), untuk data IHMB metode Spline ini tidak dianjurkan mengingat hasil interpolasinya bisa berada diluar nilai sediaan tegakannya dan yang paling mencolok, metode ini dapat menghasilkan nilai sediaan yang negatif. Namun, metode ini sangat cocok untuk permukaan yang topografinya bergelombang (permukaan air tanah, ketinggian dan atau konsentrasi polusi yang perubahan spasialnya sangat halus) seperti pada Tabel 17, dimana metode terbaik yang digunakan untuk jenis kayu lindung dbh >40 cm adalah metode Spline. Berdasarkan uji validasi kelas dbh >10 cm diatas, dapat dikatakan bahwa metode yang paling baik digunakan untuk interpolasi spasial pada jenis kayu indah, kayu lindung dan kayu meranti adalah metode Kriging, sedangkan untuk jenis kayu rimba metode yang paling baik adalah metode IDW.
65
Tabel 15 Hasil validasi interpolasi IDW, Spline dan Kriging kelas dbh >10 cm Metode Interpolasi Jenis Ukuran Kesalahan IDW Spline Kriging SR 62,605 110,644 62,547 kayu RMSE 2,148 3,504 2,072 indah SA 0,034 0,050 0,027 SR 77,172 92,778 75,808 kayu 2,835 6,160 2,768 lindung RMSE SA 0,084 0,042 0,076 SR 50,807 56,110 51,110 kayu 7,548 7,654 7,343 meranti RMSE SA 0,068 0,081 0,067 SR 42,334 79,498 42,366 kayu RMSE 2,380 2,228 2,486 rimba SA 0,053 0,163 0,045 Tabel 16 Skor hasil validasi interpolasi IDW, Spline dan Kriging kelas dbh >10 cm Metode Interpolasi Jenis Ukuran Kesalahan IDW Spline Kriging SR 1,004 5 1 RMSE 1,211 5 1 kayu indah SA 2,282 5 1 Total skor 4,498 15 3* SR 1,321 5 1 RMSE 1,078 5 1 kayu lindung SA 5 1 4,181 Total skor 7,400 11 6,181* SR 1 5 1,228 RMSE 3,641 5 1 kayu meranti SA 1,044 5 1 Total skor 5,686 15 3,228* SR 1 5 1,003 RMSE 3,365 1 5 kayu rimba SA 1,277 5 1 Total skor 5,643* 11 7,003 Keterangan:
* = total skor terendah (error kecil)
66
Hasil validasi dan total skor interpolasi metode IDW, Spline dan Kriging untuk dbh >40cm disajikan pada Tabel 17 dan 18. Berdasarkan nilai total skor yang diketahui bahwa kesalahan terkecil diperoleh dari metode IDW dengan total skor 6,15 untuk jenis kayu indah. Untuk jenis kayu lindung kesalahan terkecil terdapat pada metode Spline dengan total skor 7 . Jenis kayu meranti kesalahan terkecil pada metode Kriging dengan total skor 3,35 dan kesalahan terkecil pada jenis kayu rimba dengan total skor 3,62. Sehingga dapat dikatakan bahwa metode yang paling baik digunakan untuk interpolasi spasial pada jenis kayu meranti dan kayu rimba adalah metode Kriging, untuk jenis kayu lindung metode yang paling baik adalah metode Spline dan pada jenis kayu indah metode yang paling digunakan adalah metode IDW.
Total skor
16 14 12 10 8 6 4 2 0
IDW Spline Kriging
kayu indah
kayu lindung
kayu meranti
kayu rimba
Jenis
Gambar 55 Diagram total skor beberapa metode interpolasi diameter >10 cm. Berdasarkan Gambar 55 dapat dilihat, metode Spline berada di posisi puncak (tertinggi) pada semua jenis kayu. Hal itu berarti bahwa tingkat kesalahan (error) yang dimilkinya paling besar dibandingkan dengan kedua metode lainnya. Metode Kriging merupakan metode dengan kesalahan paling kecil dan berada pada posisi terendah
untuk jenis kayu indah, kayu lindung, kayu meranti.
Sedangkan pada jenis kayu rimba metode dengan kesalahan paling rendah adalah metode IDW. Semakin besar total skor dari masing-masing metode, maka semakin besar juga tingkat kesalahan yang dimilikinya.
67
Tabel 17 Hasil validasi interpolasi IDW, Spline dan Kriging kelas dbh >40 cm Metode Interpolasi Jenis Ukuran Kesalahan IDW Spline Kriging SR 78,678 72,182 90,572 kayu RMSE 1,149 2,162 0,955 indah SA 0,092 0,015 0,299 SR 139,035 81,763 103,135 kayu 1,331 2,739 1,101 lindung RMSE SA 0,131 0,004 0,309 SR 58,294 79,881 59,771 kayu 2,844 3,987 2,867 meranti RMSE SA 0,018 0,017 0,003 SR 59,209 57,954 58,011 kayu RMSE 1,3459 2,030 1,348 rimba SA 0,001 0,137 0,016
Tabel 18 Skor hasil validasi interpolasi IDW, Spline dan Kriging kelas dbh >40 cm Metode Interpolasi Jenis Ukuran Kesalahan IDW Spline Kriging SR 2,412 1 5 RMSE 1,644 5 1 ki SA 2,093 1 5 Total skor 6,150* 7 11 SR 5 1 2,492 RMSE 1,562 5 1 kl SA 2,669 1 5 Total skor 9,231 7* 8,492 SR 1 5 1,273 RMSE 1 5 1,080 km SA 5 4,673 1 Total skor 7 14,673 3,354* SR 5 1 1,182 RMSE 1 5 1,016 kr SA 1 5 1,418 Total skor 7 11 3,617* Keterangan:
* = total skor terendah (error kecil)
68
16 14 12 Total 10 skor 8 6 4 2 0
IDW Spline Kriging
kayu indah kayu lindung kayu meranti kayu rimba
Jenis
Gambar 56 Diagram total skor beberapa metode interpolasi diameter >40 cm.
Pada Gambar 56 total skor terendah pada jenis kayu meranti dan kayu rimba adalah metode Kriging dengan kesalahan yang paling rendah. Begitu juga sebaliknya, metode Spline memiliki tingkat kesalahan paling besar dengan total skor yang paling tinggi. Metode IDW merupakan metode dengan total skor terendah pada jenis kayu indah, sedangkan pada jenis kayu lindung, metode Spline memilki total skor terendah dengan kesalahan yang paling kecil. Hal itu menunjukkan bahwa model hasil interpolasi dengan metode Spline lebih dapat menjelaskan sediaan tegakan aktualnya. Kayu meranti dan kayu rimba merupakan jenis kayu komersial. Oleh karena itu, dengan mengetahui metode interpolasi yang terbaik dalam menduga sediaan tegakan, secara tidak langsung juga dapat mengetahui sediaan tegakan kayu komersial dengan baik. Hal itu akan memberikan dampak positif dari segi ekonomi. Didandingkan dengan metode interpolasi lain , metode Kriging paling baik dalam menduga sediaan tegakan kayu komersial pada dbh >40 cm.
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Pada penelitian ini dapat disimpulkan beberapa hal sebagai berikut: 1. Metode terbaik dengan kesalahan terkecil yang digunakan pada kelas dbh >10 cm untuk jenis kayu indah , kayu lindung , dan kayu meranti adalah metode Kriging. Sedangkan untuk jenis kayu rimba, metode IDW paling baik digunakan. 2. Pada kelas dbh >40 cm kayu komersial , metode yang paling baik digunakan adalah metode Kriging dengan kesalahan terkecil (total skor terendah). 3. Sedangkan pada kelas dbh >40 cm untuk jenis kayu indah , metode IDW paling baik digunakan. Metode yang paling baik digunakan untuk jenis kayu lindung adalah metode Spline. 4. Secara umum, model hasil interpolasi dengan metode Kriging lebih dapat menjelaskan dan
menduga sediaan tegakan di lapangan (aktual).
Ketepatan metode Kriging bergantung pada model semivariogramnya. 5.2 Saran Diperlukan penelitian lebih lanjut mengenai pengujian tehnik interpolasi dengan metode interpolasi lain dan pada parameter yang berbeda pada tempat yang berbeda pula dalam menduga sediaan tegakan berbasis IHMB.
DAFTAR PUSTAKA Departemen Kehutanan RI. 1992. Manual Kehutanan. Jakarta: Departemen Kehutanan RI. Departemen Kehutanan. 2009. Peraturan Pemerintah Nomor 33 Tahun 2009 tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala (IHMB) pada Usaha Pemanfaatan Hasil Hutan kayu pada Hutan Produksi. Jakarta: Dephut. Hush B. 1987. Perencanaan Inventarisasi Hutan (Terjemahan Agus Setyarso). Jakarta: UI Press. Jaya INS. 2002. Aplikasi SIG untuk Kehutanan. Bogor: Institut Pertanian Bogor. Jaya INS. 2010. Inventarisasi Hutan dan Perencanaan Pengaturan Kelestarian Tegakan Hutan. Direktorat Jendral Bina Produksi Kehutanan. Jakarta: Departemen Kehutan RI. Naoum S, Tsanis I K. 2002. Ranking Spatial Interpolation Techniques Using a GIS-Based DSS. Departement of Civil Engineering, McMaster University. Canada Prabowo DA, Nugroho T, Palapa, Ardiansyah H. 2005. Modul Pengenalan GIS, GPS & Remote Sensing. Dept. GIS. Jakarta: FWI. Prahasta E. 2002. Konsep-Konsep Dasar Sistem Informasi Geografis. Bandung: Informatika. Pramono GH. 2008. Akurasi metode IDW dan Kriging untuk interpolasi sebaran sedimen tersuspensi di Maros, Sulawesi Selatan. Forum Geografi, 22 (1) :145-158. Primatika RA. 2011. Pengaruh Arah Sirkular terhadap Laju Deformasi dan Pendugaan Laju Deformasi dengan Metode Kriging (Circular Kriging). [Tesis]. Bogor: Sekolah Pascasarjana Institut Pernanian Bogor. Simon H. 1993. Metode Inventarisasi Hutan. Yogyakarta: Aditya Media. Spurr SH. 1952. Forest Inventory. New York: The Ronald Press Company. Tiryana T. 2005. Biomassa dan Simpanan karbon pada Hutan Tanaman Mangium (Acacia mangium Willd). Bogor: Fakultas Kehutanan Institut Pertanian Bogor.
71
Watson WD, Ruppert LF, Bragg LJ, Tewalt SJ. 2001. A geostatiscal approach to predicting sulfur content in the pittsburgh Coal Bed. International Journal of Coal Geology, 48:1-22.
LAMPIRAN
73
Lampiran 1 Hasil interpolasi metode IDW kayu indah pada dbh >10 cm
Power 1
Power 2
Power 3
Power 11
Power 12
Power 13
Power 21
Power 22
Power 23
74
Lampiran 2 Hasil interpolasi metode IDW kayu indah pada dbh >40 cm
Power 1
Power 2
Power 3
Power 11
Power 12
Power 13
Power 21
Power 22
Power 23
75
Lampiran 3 Hasil interpolasi metode IDW kayu lindung pada dbh >10 cm
Power 1
Power 2
Power 3
Power 11
Power 12
Power 13
Power 21
Power 22
Power 23
76
Lampiran 4 Hasil interpolasi metode IDW kayu lindung pada dbh >40 cm
Power 1
Power 2
Power 3
Power 11
Power 12
Power 13
Power 21
Power 22
Power 23
77
Lampiran 5 Hasil interpolasi metode IDW kayu meranti pada dbh >10 cm
Power 1
Power 2
Power 3
Power 11
Power 12
Power 13
Power 21
Power 22
Power 23
78
Lampiran 6 Hasil interpolasi metode IDW kayu meranti pada dbh >40 cm
Power 1
Power 2
Power 3
Power 11
Power 12
Power 13
Power 21
Power 22
Power 23
79
Lampiran 7 Hasil interpolasi metode IDW kayu rimba pada dbh >10 cm
Power 1
Power 2
Power 3
Power 11
Power 12
Power 13
Power 21
Power 22
Power 23
80
Lampiran 8 Hasil interpolasi metode IDW kayu rimba pada dbh >40 cm
Power 1
Power 2
Power 3
Power 11
Power 12
Power 13
Power 21
Power 22
Power 23
81
Lampiran 9 Hasil interpolasi metode Spline kayu indah pada dbh >10 cm
Weight 0,1
Weight 0,3
Weight 0,5
Weight 1
Weight 2
Weight 3
Weight 4
Weight 5
82
Lampiran 10 Hasil interpolasi metode Spline kayu indah pada dbh >40 cm
Weight 0,1
Weight 1
Weight 4
Weight 0,3
Weight 0,5
Weight 2
Weight 3
Weight 5
83
Lampiran 11 Hasil interpolasi metode Spline kayu lindung pada dbh >10 cm
Weight 0,1
Weight 0,3
Weight 0,5
Weight 1
Weight 2
Weight 3
Weight 4
Weight 5
84
Lampiran 12 Hasil interpolasi metode Spline kayu lindung pada dbh >40 cm
Weight 0,1
Weight 1
Weight 4
Weight 0,3
Weight 0,5
Weight 2
Weight 3
Weight 5
85
Lampiran 13 Hasil interpolasi metode Spline kayu meranti pada dbh >10 cm
Weight 0,1
Weight 0,3
Weight 0,5
Weight 1
Weight 2
Weight 3
Weight 4
Weight 5
86
Lampiran 14 Hasil interpolasi metode Spline kayu meranti pada dbh >40 cm
Weight 0,1
Weight 0,3
Weight 0,5
Weight 1
Weight 2
Weight 3
Weight 4
Weight 5
87
Lampiran 15 Hasil interpolasi metode Spline kayu rimba pada dbh >10 cm
Weight 0,1
Weight 0,3
Weight 0,5
’ Weight 1
Weight 2
Weight 4
Weight 3
Weight 5
88
Lampiran 16 Hasil interpolasi metode Spline kayu rimba pada dbh >40 cm
Weight 0,1
Weight 0,3
Weight 0,5
Weight 1
Weight 2
Weight 3
Weight 4
Weight 5
89
Lampiran 17 Hasil interpolasi metode Kriging kayu indah pada dbh >10 cm
Circular
Exponential
Linier
Gaussian
Spherical
90
Lampiran 18 Hasil interpolasi metode Kriging kayu indah pada dbh >40 cm
Circular
Exponential
Linier
Gaussian
Spherical
91
Lampiran 19 Hasil interpolasi metode Kriging kayu lindung pada dbh >10 cm
Circular
Exponential
Linier
Gaussian
Spherical
92
Lampiran 20 Hasil interpolasi metode Kriging kayu lindung pada dbh >40 cm
Circular
Exponential
Linier
Gaussian
Spherical
93
Lampiran 21 Hasil interpolasi metode Kriging kayu meranti pada dbh >10 cm
Circular
Exponential
Linier
Gaussian
Spherical
94
Lampiran 22 Hasil interpolasi metode Kriging kayu meranti pada dbh >40 cm
Circular
Exponential
Linier
Gaussian
Spherical
95
Lampiran 23 Hasil interpolasi metode Kriging kayu rimba pada dbh >10 cm
Circular
Exponential
Linier
\
Gaussian
Spherical
96
Lampiran 24 Hasil interpolasi metode Kriging kayu rimba pada dbh >40 cm
Circular
Exponential
Linier
Gaussian
Spherical
