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