22/07/2014
VALIDASI DATA PENGUKURAN KARBON HUTAN I WAYAN SUSI DHARMAWAN Email:
[email protected] (Puslitbang Konservasi dan Rehabilitasi, Badan Litbang Kehutanan, Kementerian Kehutanan)
Disampaikan pada acara Pelatihan Verifikasi dan Updating Data PSP Untuk Mendukung Sistem Pemantauan Karbon Hutan yang Sesuai Prinsip MRV Hotel Aston, Bogor 23 Juni 2014
PENDAHULUAN KONSEP MRV HUBUNGAN ANTARA VALIDITAS DATA, VERIFIKASI DAN RELIABILITAS DATA PARAMETER DALAM PENGUJIAN VALIDASI DATA
MANFAAT VALIDASI DATA
1
22/07/2014
PENDAHULUAN M (Monitoring), R (Reporting), V (Verification)
Transparan, konsisten, komparabel, lengkap dan akurat
Salah satu komponen penting pelaksanaan REDD+ DIPERLUKAN VALIDASI DATA
KONSEP MRV • Proses koleksi data, penyediaan data dasar. Data berasal dari pengukuran lapangan, data dari Monitodeteksi dengan remote sensing ring • Proses pelaporan secara formal hasil penilaian kepada UNFCCC (format sesuai dengan standar Reporyang telah dibuat oleh IPCC Guidelines and ting GPG).
Verification
• Proses verifikasi formal terhadap laporan-laporan hasil.
2
22/07/2014
Monitoring
Reporting
PSP-PSP
Verification
HAL PENTING YANG SANGAT MEMPENGARUHI VALIDASI DATA PENGUKURAN KARBON HUTAN 1. KONSISTENSI PROSEDUR/PROTOKOL PENGUKURAN KARBON HUTAN PADA MASING-MASING CARBON POOL 2. IDENTIFIKASI SECARA TEPAT KATEGORISASI TUTUPAN LAHAN DAN PENEMPATAN PLOT SAMPELNYA
3
22/07/2014
LIMA CARBON POOLS Five Carbon pools defined by COP9 Method for measurement
Feasibilit y (Cost)
Branc h& Leaf
Use of parameter
○
Trunk
Direct measurement
◎
Root
Sampling survey & model
△
Dead wood
Sampling survey & model
△
Litter
Sampling survey & model
△
Soil organic carbon
Sampling survey & model
△
Carbon pools
Branch & Leaf
Above ground biomass Below ground biomass
Dead wood Trunk
Root
Litter Soil organic carbon (0-30cm)
COP9 decision paper Projects participants shall account for all changes in the following carbon pools: above-ground biomass, below-ground biomass, litte r, dead wood, and soil organic carbon. Projects participants may choose not to account for a given pool in a commitment pe riod, if transparent and verifiable information is provided that the pool is not a source.
Kategorisasi Penggunaan Lahan Menurut IPCC Hutan Primer LK Hutan Primer Gambut Hutan Primer Mangrove
Lahan Hutan (Forest Land)
Hutan Skunder LK Hutan Skunder Gambut Hutan Skunder Mangrove
Terdegradasi Berat Terdegradasi Sedang Terdegradasi Ringan
HTI lahan Kering (LK) HTI Lahan Gambut
Lahan Pertanian (Crop land) Lahan Semak/Alang2 (Grassland) Lahan Basah (Wetland)
Pertanian semusim LK Pertanian semusim Gambut
Sawah Pertanian campuran
Tanaman tahunan LK Tanaman tahunan gambut
Agroforestri Multitrata Monokultur
Semak Belukar Belukar rawa gambut Padang alang-alang Danau, badan air sungai, rawa, dam
Lahan Pemukiman (Settelement)
Pemukiman, perumahan, perkampungan
Lahan Lainnya (Other Lands)
Padang pasir Bebatuan Lahan kosong
Kolam ikan, Embung kecil
HTI Jati HTI Sengon HTI Lainnya
AF berbasis karet AF berbasis Damar AF berbasis buah2an Kebun Sawit Kebun Karet Kebun Kopi Kebun Coklat Kebun Teh
4
22/07/2014
HUBUNGAN ANTARA VALIDITAS DATA, VERIFIKASI DAN RELIABILITAS DATA
VALIDITAS DATA
VERIFIKASI
Tahapan pertama dalam verifikasi
Akurasi dan presisi sama-sama rendah Presisi tinggi, akurasi rendah Presisi rendah, akurasi tinggi Akurasi dan Presisi tinggi
RELIABILITAS DATA (DATA HANDAL)
Validitas data merupakan derajat ketepatan antara data yang terjadi pada obyek penelitian dengan data yang dilaporkan. Verifikasi merupakan suatu pengujian kinerja metode standar. Verifikasi ini dilakukan terhadap suatu metode standar yang telah diterapkan. Akurasi/Akurat diartikan sebagai kedekatan hasil analisa terhadap nilai yang sebenarnya. Presisi/Cermat diartikan sebagai kedekatan antara sekumpulan hasil analisa.
5
22/07/2014
Parameter dalam pengujian validasi data: Analisis statistik deskriptif: 1. Residual Standard Error (RSE, Galat Baku Sisaan) 2. Simpangan Baku Rata-rata 3. Koefisien Keragaman 4. Uji Normalitas Data
Contoh uji validasi persamaan allometrik Allometrik
Seluruh klaster (n = 119 pohon contoh; DBH = 2,5 cm - 71,6 cm)
R2
Y=0,064X2, 0,975
Simpangan Residual Baku Rata- Standard rata (%) Error (RSE) 21,30 285,99
657
Y=0,312X2, 0,978
24,60
292,66
20,93
235,83
18,67
222,69
444
Y=0,023X1, 0,979 535
Y=0,061X1, 0,982 464
6
22/07/2014
Year 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 RataRata
Heil et al, 2007 4026 1082 623 304 645 2204 1188 1907 1694 3560 524 1614
Page et Page et Van der Levine, Duncan, al, 2002 al, 2002 Werf et al 1999 2003 Lowest Highest (2007) 898 2970 9423 2567 1202 242 799 2534 689 271 139 458 1459 396 190 66 224 711 194 172 143 477 1511 411 194 491 1624 5155 1404 678 264 876 2783 759 246 425 1408 4462 1217 440 378 1250 3960 1078 451 796 2625 8334 2270 1111 117 385 1225 334 175 360
1191
3778
1029
466
IFCA Rata-rata 16.6 3.7 2.6 2.4 2.7 9.4 3.4 6.1 6.2 15.3 2.4
3015 803 467 239 483 1652 874 1409 1260 2673 395
6.4
1206
APAKAH DATA DI ATAS VALID? AMATI DARI ASPEK AKURASI/KETEPATAN DAN PRESISI/KECERMATAN? DATA MANA SAJA YANG AKURAT DAN CERMAT?
MANFAAT VALIDASI DATA 1. MENCIPTAKAN DATA YANG TEPAT DAN KETEPATAN DATA 2. DAPAT MENGUNGKAPKAN KEBERADAAN KESALAHAN DATA 3. MEMBERIKAN KEPASTIAN KEBENARAN DATA SEHINGGA DAPAT MENINGKATKAN DERAJAT KEPASTIAN DATA 4. MENJAMIN DATA SECARA AKURAT DAN CERMAT (DATA YANG DIPEROLEH DAPAT DIHANDALKAN)
7
22/07/2014
Terima kasih atas perhatiannya……………
8
