Keterangan: p = banyaknya parameter model regresi
n = banyaknya pohon contoh dalam penyusunan regresi tersebut. Dalam analisa tersebut hipotesis yang diuji adalah:
H : β = 0 lawan H
1
: β ≠ 0 Dengan kaidah keputusannya:
F hitung F tabel maka tolak H F hitung
≤ F tabel maka terima H Jika H
1
yang diterima tolak H , maka regresi tersebut nyata, artinya ada
keterkaitan antara peubah bebas diameter pohon dengan peubah tidak bebasnya volume pohon. Sehingga setiap ada perubahan pada peubah bebasnya akan
terjadi perubahan pada peubah tidak bebasnya. Jika H yang diterima tolak H
1
, maka regresi tersebut tidak nyata, artinya persamaan regresi tidak dapat digunakan
untuk menduga volume pohon berdasarkan peubah bebasnya.
3.4.5 Validasi Model
Jumlah Pohon contoh yang telah dialokasikan untuk pengujian validasi model sebanyak 33 pohon atau 13 dari jumlah pohon contoh. Uji validasi model
dilakukan untuk menguji persamaan-persaman yang telah di uji sebelumnya pada penyusunan regresi. Uji validasi ini dilakukan dengan cara mencari dan
membandingkan nilai dari Simpangan Agregasi SA, Simpangan Rata-rata SR, RMSE Root Mean Square Error, bias dan uji Chi-square. Nilai-nilai pengujian
validasi tersebut dapat dihitung dengan rumus di bawah ini: 1.
Simpangan agregat agregative deviation Simpangan agregat merupakan selisih antara jumlah volume dugaan Vt
i
dengan volume aktual Va
i
. Persamaan yang baik memiliki nilai Simpangan Agregat SA yang berkisar dari -1 sampai +1 Spurr 1952. Nilai SA dapat
dihitung dengan rumus:
1 1
1 n
n t i
a i i
i n
t i i
V V
S A V
2. Simpangan rata-rata mean deviation Simpangan rata-rata merupakan rata-rata jumlah dari nilai mutlak selisih
antara jumlah volume dugaan Vt
i
dan volume aktual Va
i
, proporsional
terhadap jumlah volume dugaan Vt
i
. Nilai simpangan rata-rata yang baik adalah tidak lebih dari 10 Spurr 1952.
Simpangan rata-rata dapat dihitung dengan rumus:
1
1 0 0
n t i
a i i
t i
V V
V S R
x n
3. RMSE Root Mean Square Error
RMSE menggambarkan besarnya selisih suatu nilai dugaan terhadap nilai sebenarnya. Nilai RMSE yang lebih kecil, menunjukkan model persamaan
penduga volume yang lebih baik. RMSE dihitung dengan rumus:
2 1
100
n ti
a i i
a i
V V
V RM SE
x n
4. Bias Bias B adalah kesalahan sistematis yang dapat terjadi karena kesalahan
dalam pengukuran, kesalahan teknis pengukuran maupun kesalahan karena alat ukur. Akca 1995. Bias dapat dihitung dengan rumus:
1
1 0 0
t i a i
n a i
i
V V
V B
x n
5. Uji Chi-square
Uji χ² chi-square, yaitu alat untuk menguji apakah volume pohon yang
diduga dengan tabel volume pohon dugaan Vt
i
berbeda dengan volume pohon aktualnya Va
i
Walpole 1993. Hipotesis yang diuji sebagai berikut: H
: Vt = Va dan H
1
: Vt ≠ Va
Kriterium ujinya menggunakan rumus sebagai berikut:
χ²
hitung
=
2 1
n ti
ai i
ai
V V
V
Kaidah keputusannya adalah sebagai berikut: χ²
hitung
χ²
tabel α,n-1
, maka terima H
1
χ²
hitung
≤ χ²
tabel α,n-1
, maka terima H
keterangan: Vt
i
: Volume dugaan tabel m
3
Va
i
: Volume aktual m
3
3.4.6 Pemilihan Model Persamaan Regresi Penduga Terbaik