Pembahasan .1 Analisis Data HASIL DAN PEMBAHASAN

Pada Tabel 11 diketahui bahwa seberapa besar data model dapat mengestimasi dugaan volume di lapangan dengan data aktual validasi di lapangan. Berdasarkan nilai minimum, maksimum, rata-rata, dan SD volumeha dibandingkan hasil dugaan volumeha antara ketiga metode interpolasi dengan volumeha aktual lapangan. Sedangkan pada Gambar 40 menunjukkan perbandingan volumeha yang ditampilkan dalam bentuk diagram. Berdasarkan nilai minimal, interpolasi dengan metode IDW paling mendekati nilai aktualnya. Begitu juga dengan metode Kriging yang juga mendekati nilai aktual. Berbeda halnya dengan kedua metode tersebut, metode Spline menghasilkan nilai minimal yang sangat jauh dari nilai aktualnya. Nilai yang dihasilkan sampai bernilai negatif underestimate. Nilai maksimal yang dihasilkan metode Spline jauh melebihi overestimate dari nilai aktulnya dibandingkan metode IDW dan metode Kriging yang lebih mendekati nilai aktual. Metode Kriging paling mendekati nilai aktualnya dilihat dari nilai rata-rata. Sedangkan dari nilai SD Standar Deviasi, metode IDW yang paling mendekati dibandingkan dengan metode lainnya dan metode Spline menghasilkan nilai SD yang sangat jauh dari nilai SD aktual. Pada diagram perbandingan sebaran volume dapat dilihat volume dugaan yang dihasilkan dengan metode Spline sangat mencolok. Besarnya volume dugaan maksimum yang diperoleh melebihi nilai volume aktual overestimate dan volume dugaan minimum berada jauh dibawah nilai volume aktual underestimate. Selain itu yang paling mencolok adalah nilai negatif yang dihasilkan oleh metode Spline dalam menduga volume per hektar. Hal itu menyebabkan ketidaklogisan data volume dan mempunyai error yang cukup besar dibandingkan kedua metode lainnya. Oleh karena itu, interpolasi dengan metode Spline tidak disarankan untuk digunakan dalam mengestimasi sediaan tegakan berbasis IHMB. Berbeda halnya dengan metode Spline, metode IDW lebih dapat mendekati nilai volume aktualnya. Begitu juga dengan hasil volume dugaan menggunakan metode Kriging. Dilihat dari volume rata-rata ketiga metode interpolasi, metode Kriging paling mendekati nilai volume aktualnya dengan selisih volume sebesar 0,365ha.

4.2.2 Analisis Spasial

Pada Lampiran 1 disajikan sebaran volume per ha dbh 10 cm dengan dan dbh 40 cm metode interpolasi IDW pada berbagai bobot. Bobot power 1 memiliki nilai kesalahan paling kecil diantara bobot yang diuji untuk jenis kayu indah dbh 10 cm Gambar 16. Pada jenis kayu indah diameter 40 cm, bobot power 21 merupakan bobot terbaik Gambar 19. Hal itu disebabkan karena pada bobot ini total kesalahan error yang dimilikinya paling kecil diantara bobot 1 sampai dengan bobot 30. Kontur yang dihasilkan juga semakin merapat seiring bertambahnya bobot. Jumlah volume pada dbh 40 cm tentunya akan lebih kecil jumlahnya dibandingkan jumlah volume pada dbh 10 cm. Hal itu akan mempengaruhi jarak terhadap jumlah titik terdekat yang telah ditentukan. Sehingga ketika jumlah volume pada dbh 40 cm lebih kecil dibandingkan dbh 10 cm, maka jarak untuk mencari titik-titik terdekat yang telah ditentukan akan semakin lebar. Untuk jenis kayu lindung, kayu meranti, dan kayu rimba dengan metode IDW diperoleh bobot terbaik seperti pada Tabel 12 Gambar 22, Gambar 25, gambar 28, Gambar 31, Gambar 34, dan Gambar 37. Sebaran volume yang dihasilkan dengan bobot terbaik hampir mendekati volume yang sebenarnya di lapangan. Pada masing-masing gambar menampilkan berbagai variasi warna yang berbeda. Hal itu menunjukkan bahwa warna yang sama memiliki sebaran volume yang sama pula. Semakin besar pangkat atau bobotnya power maka kontur yang dihasilkan semakin rapat. Menurut Jaya 2010, jika pangkatnya besar, maka hasilnya menjadi tidak benar. Dengan kata lain, tingkat kesalahan yang dihasilkan semakin besar seiring bertambahnya pangkat atau bobot power. Metode IDW utamanya bergantung pada kebalikan dari jarak pangkat nilai tertentu. Dari hasil uji validasi berdasarkan bobot power 1 sampai 30, dipilih bobot power terbaik untuk jenis kayu indah , kayu lindung , kayu meranti dan kayu rimba pada dbh 10cm dan dbh 40cm Tabel 12. 53 Tabel 12 Bobot terbaik metode IDW Jenis Bobot Terbaik Dbh 10 cm Dbh 40 cm Kayu indah 1 21 Kayu lindung 1 3 Kayu meranti 1 1 Kayu rimba 1 1 Berdasarkan Tabel 12 dapat dilhat bahwa, bobot power 1 merupakan power terbaik yang digunakan untuk interpolasi metode IDW Inverse Distance Weight dalam mengestimasi sediaan tegakan pada semua jenis kayu indah pada dbh 10 cm. Sedangkan pada dbh 40 cm, bobot terbaik pada kayu indah adalah bobot 21, kayu lindung adalah bobot 3, kayu meranti adalah bobot 1 dan kayu rimba adalah bobot 1. Begitu juga dipilih bobot weight terbaik untuk metode interpolasi Spline bobot 0,1; 0,3; 0,5; 1; 2; 3; 4; dan 5 pada Tabel 13. Hasil sebaran spasialnya ditampilkan pada Gambar 17, Gambar 20, Gambar 23, Gambar 26, Gambar 29, Gambar 32, dan Gambar 35 berdasarkan bobot terbaik. Hasil interpolasi metode Spline menunjukkan adanya nilai sebaran yang bernilai negatif terutama pada variasi warna di luar batas area PT Inhutani I Labanan. Sebaran volume yang bernilai negatif tersebut menyatakan bahwa terjadinya underestimate dalam menduga sediaan tegakan. Dalam menduga sediaan, metode Spline meminimalkan jumlah patahan dari permukaan, seperti menekuk-nekuk karet untuk melewati seuatu titik. Pada volume di luar sebaran volume yang ada, interpolator Spline akan tetap melakukan proses interpolasi dengan meminimumkan patahan-patahan permukaan, sehingga daerah di luar area akan menghasilkan nilai negatif underestimate di bawah sebaran volume yang paling minimum. Tabel 13 Bobot terbaik metode Spline Jenis Bobot Terbaik Dbh 10 cm Dbh 40 cm Kayu indah 0,3 0,1 Kayu lindung 5 1 Kayu meranti 5 0,3 Kayu rimba 1 2 54 Berdasarkan Tabel 13 dapat dilhat bahwa, bobot weight 0,3 merupakan weight terbaik yang digunakan untuk proses interpolasi pada metode Spline jenis kayu indah pada dbh 10 cm. Berturut-turut untuk dbh 10 cm pada kayu lindung adalah bobot 5, kayu meranti adalah bobot 5 dan kayu rimba adalah bobot 1. Sedangkan pada dbh 40 cm, bobot terbaik pada kayu indah adalah bobot 0,1; kayu lindung adalah bobot 1; kayu meranti adalah bobot 0,3 dan kayu rimba adalah bobot 2. Pada metode Kriging bobot yang digunakan adalah metode Circular, Exponential, Gaussian, Linier with Sill dan Spherical dengan bobot terbaik pada masing-masing jenis kayu ditampilkan di Tabel 14. Bobot terbaiknya ditampilkan pada Gambar 18, Gambar 21, Gambar 24, Gambar 27, Gambar 30, Gambar 33, Gambar 36, dan Gambar 39. Bentuk semivariogramnya disajikan pada Gambar 41 sampai dengan Gambar 48. Tabel 14 Bobot terbaik metode Kriging Jenis Bobot Terbaik Dbh 10 cm Dbh 40 cm Kayu indah Circular Gaussian Kayu lindung Spherical Circular Kayu meranti Circular Circular Kayu rimba Exponential Spherical Untuk Tabel 14 pada dbh 10 cm, bobot method yang terbaik berturut- turut pada jenis kayu indah, kayu lindung, kayu meranti dan kayu rimba adalah Circular, Spherical, Circular, dan Exponential. Sedangkan dbh 40cm, bobot method yang terbaik berturut-turut pada jenis kayu indah, kayu lindung, kayu meranti, dan kayu rimba adalah Gaussian, Circular, Circular dan Spherical. Adapun tampilan semivariogram pada keempat jenis kayu dengan bobot yang terbaik sebagai berikut: 55 Gambar 41 Semivariogram metode Kriging circular pada kayu indah dbh 10 cm. Gambar 42 Semivariogram metode Kriging gaussian pada kayu indah dbh 40 cm. Nilai aktual Nilai prediksi Nilai aktual Nilai prediksi 56 Gambar 43 Semivariogram metode Kriging spherical pada kayu lindung dbh 10 cm. Gambar 44 Semivariogram metode Kriging circular pada kayu lindung dbh 40 cm. Nilai aktual Nilai prediksi Nilai aktual Nilai prediksi 57 Gambar 45 Semivariogram metode Kriging circular pada kayu meranti dbh 10 cm. Gambar 46 Semivariogram metode Kriging circular pada kayu meranti dbh 40 cm. Nilai aktual Nilai prediksi Nilai aktual Nilai prediksi 58 Gambar 47 Semivariogram metode Kriging exponential pada kayu rimba dbh 10 cm. Gambar 48 Semivariogram metode Kriging spherical pada kayu rimba dbh 40 cm. Nilai aktual Nilai prediksi Nilai aktual Nilai prediksi 59 Gambar 41 dan Gambar 42 merupakan bentuk semivariogram pada kayu indah untuk bobot yang terbaik. Begitu juga untuk Gambar 43 sampai dengan Gambar 48 berturut-turut adalah semivariogram pada kayu lindung, kayu meranti dan kayu rimba. Semivariogram pada semua jenis kayu menunjukkan varian nilai aktual dan nilai prediksinya. Menurut Tiryana 2005, nilai RMSE pada semivariogram semakin kecil, maka nilai dugaan yang dihasilkan semakin mendekati nilai sebenarnya. Artinya semivariogram dengan nilai RMSE kecil dapat dipilih sebagai dialog atau skenario yang terbaik. Pada semivariogram di atas untuk semua jenis kayu menunjukkan nilai RMSE yang paling kecil. Pada kasus hasil interpolasi metode Kriging kayu lindung dbh 40 cm, secara spasial hasil interpolasinya tidak mengalami perubahan yang berarti. Namun hal itu dapat dibedakan dari semivariogram yang dihasilkan, dimana pada method Circular memiliki nilai RMSE yang paling kecil dibandingkan method yang lain. Oleh karena itu method Circular merupakan method terbaik untuk jenis kayu lindung dbh 40 cm. Pada Gambar 49 sampai dengan Gambar 54 dapat dilihat bobot masing- masing metode interpolasi untuk dbh 10 cm dan dbh 40 cm berdasarkan nilai dari total skornya. Gambar 49 dan Gambar 50 menunjukkan bahwa semakin besar bobot power, maka semakin besar juga nilai total skornya untuk semua jenis kayu. Dapat dikatakan bahwa, semakin besar bobot power, maka semakin besar tingkat kesalahannya error. Kurva bobot weight pada Gambar 51 dan Gambar 52 menunjukkan terjadinya hubungan yang berbanding terbalik dan fluktuatif antara bobot dengan total skor, terutama pada dbh 10 cm. Hal itu disebabkan karena metode Spline dapat menghasilkan dugaan yang bernilai negatif underestimate dan overestimate diluar nilai yang diduga. Gambar 53 dan Gambar 54 menunjukkan bahwa bobot method Gaussian pada metode Kriging adalah bobot yang paling besar tingkat kesalahannya error. Dugaan yang dihasilkan dengan bobot method Gaussian bernilai negatif underestimate yang sangat besar dan mencolok. 60 Gambar 49 Kurva bobot power metode IDW pada dbh 10 cm. Gambar 50 Kurva bobot power metode IDW pada dbh 40 cm. 61 Gambar 51 Kurva bobot weight metode Spline pada dbh 10 cm. Gambar 52 Kurva bobot weight metode Spline pada dbh 40 cm. 62 Gambar 53 Kurva bobot method metode Kriging pada dbh 10 cm. Gambar 54 Kurva bobot method metode Kriging pada dbh 40 cm.

4.2.2 Uji Validasi dan Peringkat

Di dalam melakukan interpolasi, sudah pasti dihasilkan error. Error yang dihasilkan sebelum melakukan interpolasi bisa dikarenakan kesalahan menentukan metode sampling data, kesalahan dalam pengukuran dan kesalahan 63 dalam analisa di laboratorium Pramono 2008 . Pada Tabel 15 dan 16 disajikan hasil validasi interpolasi metode IDW, Spline dan Kriging untuk volume pada dbh 10cm. Berdasarkan nilai total skor yang merupakan penjumlahan dari ranking pada nilai SR, RMSPE, dan SA diketahui bahwa kesalahan terkecil diperoleh dari metode Kriging dengan total skor 3 untuk jenis kayu indah, total skor 6,18 untuk jenis kayu lindung dan total skor 3,23 untuk jenis kayu meranti. Sedangkan pada jenis kayu rimba, metode IDW memiliki kesalahan terkecil dengan total skor 5,64. Selain itu dapat dilihat bahwa nilai ukuran kesalahan antara metode IDW dan Kriging tidak jauh berbeda dibandingkan dengan metode Spline. Metode Spline memiliki tingkat kesalahan yang paling besar pada semua jenis kayu. Menurut Jaya 2011, untuk data IHMB metode Spline ini tidak dianjurkan mengingat hasil interpolasinya bisa berada diluar nilai sediaan tegakannya dan yang paling mencolok, metode ini dapat menghasilkan nilai sediaan yang negatif. Namun, metode ini sangat cocok untuk permukaan yang topografinya bergelombang permukaan air tanah, ketinggian dan atau konsentrasi polusi yang perubahan spasialnya sangat halus seperti pada Tabel 17, dimana metode terbaik yang digunakan untuk jenis kayu lindung dbh 40 cm adalah metode Spline. Berdasarkan uji validasi kelas dbh 10 cm diatas, dapat dikatakan bahwa metode yang paling baik digunakan untuk interpolasi spasial pada jenis kayu indah, kayu lindung dan kayu meranti adalah metode Kriging, sedangkan untuk jenis kayu rimba metode yang paling baik adalah metode IDW. 64 Tabel 15 Hasil validasi interpolasi IDW, Spline dan Kriging kelas dbh 10 cm Jenis Ukuran Kesalahan Metode Interpolasi IDW Spline Kriging kayu indah SR 62,605 110,644 62,547 RMSE 2,148 3,504 2,072 SA 0,034 0,050 0,027 kayu lindung SR 77,172 92,778 75,808 RMSE 2,835 6,160 2,768 SA 0,084 0,042 0,076 kayu meranti SR 50,807 56,110 51,110 RMSE 7,548 7,654 7,343 SA 0,068 0,081 0,067 kayu rimba SR 42,334 79,498 42,366 RMSE 2,380 2,228 2,486 SA 0,053 0,163 0,045 Tabel 16 Skor hasil validasi interpolasi IDW, Spline dan Kriging kelas dbh 10 cm Jenis Ukuran Kesalahan Metode Interpolasi IDW Spline Kriging kayu indah SR 1,004 5 1 RMSE 1,211 5 1 SA 2,282 5 1 Total skor 4,498 15 3 kayu lindung SR 1,321 5 1 RMSE 1,078 5 1 SA 5 1 4,181 Total skor 7,400 11 6,181 kayu meranti SR 1 5 1,228 RMSE 3,641 5 1 SA 1,044 5 1 Total skor 5,686 15 3,228 kayu rimba SR 1 5 1,003 RMSE 3,365 1 5 SA 1,277 5 1 Total skor 5,643 11 7,003 Keterangan: = total skor terendah error kecil Hasil validasi dan total skor interpolasi metode IDW, Spline dan Kriging untuk dbh 40cm disajikan pada Tabel 17 dan 18. Berdasarkan nilai total skor yang diketahui bahwa kesalahan terkecil diperoleh dari metode IDW dengan total skor 6,15 untuk jenis kayu indah. Untuk jenis kayu lindung kesalahan terkecil terdapat pada metode Spline dengan total skor 7 . Jenis kayu meranti kesalahan terkecil pada metode Kriging dengan total skor 3,35 dan kesalahan terkecil pada jenis kayu rimba dengan total skor 3,62 . Sehingga dapat dikatakan bahwa metode yang paling baik digunakan untuk interpolasi spasial pada jenis kayu meranti dan kayu rimba adalah metode Kriging, untuk jenis kayu lindung metode yang paling baik adalah metode Spline dan pada jenis kayu indah metode yang paling digunakan adalah metode IDW. 2 4 6 8 10 12 14 16 kayu indah kayu lindung kayu meranti kayu rimba IDW Spline Kriging Gambar 55 Diagram total skor beberapa metode interpolasi diameter 10 cm. Berdasarkan Gambar 55 dapat dilihat, metode Spline berada di posisi puncak tertinggi pada semua jenis kayu. Hal itu berarti bahwa tingkat kesalahan error yang dimilkinya paling besar dibandingkan dengan kedua metode lainnya. Metode Kriging merupakan metode dengan kesalahan paling kecil dan berada pada posisi terendah untuk jenis kayu indah, kayu lindung, kayu meranti. Sedangkan pada jenis kayu rimba metode dengan kesalahan paling rendah adalah metode IDW. Semakin besar total skor dari masing-masing metode, maka semakin besar juga tingkat kesalahan yang dimilikinya. 66 Total skor Jenis Tabel 17 Hasil validasi interpolasi IDW, Spline dan Kriging kelas dbh 40 cm Jenis Ukuran Kesalahan Metode Interpolasi IDW Spline Kriging kayu indah SR 78,678 72,182 90,572 RMSE 1,149 2,162 0,955 SA 0,092 0,015 0,299 kayu lindung SR 139,035 81,763 103,135 RMSE 1,331 2,739 1,101 SA 0,131 0,004 0,309 kayu meranti SR 58,294 79,881 59,771 RMSE 2,844 3,987 2,867 SA 0,018 0,017 0,003 kayu rimba SR 59,209 57,954 58,011 RMSE 1,3459 2,030 1,348 SA 0,001 0,137 0,016 Tabel 18 Skor hasil validasi interpolasi IDW, Spline dan Kriging kelas dbh 40 cm Jenis Ukuran Kesalahan Metode Interpolasi IDW Spline Kriging ki SR 2,412 1 5 RMSE 1,644 5 1 SA 2,093 1 5 Total skor 6,150 7 11 kl SR 5 1 2,492 RMSE 1,562 5 1 SA 2,669 1 5 Total skor 9,231 7 8,492 km SR 1 5 1,273 RMSE 1 5 1,080 SA 5 4,673 1 Total skor 7 14,673 3,354 kr SR 5 1 1,182 RMSE 1 5 1,016 SA 1 5 1,418 Total skor 7 11 3,617 Keterangan: = total skor terendah error kecil 67 2 4 6 8 10 12 14 16 kayu indah kayu lindung kayu meranti kayu rimba IDW Spline Kriging Gambar 56 Diagram total skor beberapa metode interpolasi diameter 40 cm. Pada Gambar 56 total skor terendah pada jenis kayu meranti dan kayu rimba adalah metode Kriging dengan kesalahan yang paling rendah. Begitu juga sebaliknya, metode Spline memiliki tingkat kesalahan paling besar dengan total skor yang paling tinggi. Metode IDW merupakan metode dengan total skor terendah pada jenis kayu indah, sedangkan pada jenis kayu lindung, metode Spline memilki total skor terendah dengan kesalahan yang paling kecil. Hal itu menunjukkan bahwa model hasil interpolasi dengan metode Spline lebih dapat menjelaskan sediaan tegakan aktualnya. Kayu meranti dan kayu rimba merupakan jenis kayu komersial. Oleh karena itu, dengan mengetahui metode interpolasi yang terbaik dalam menduga sediaan tegakan, secara tidak langsung juga dapat mengetahui sediaan tegakan kayu komersial dengan baik. Hal itu akan memberikan dampak positif dari segi ekonomi. Didandingkan dengan metode interpolasi lain , metode Kriging paling baik dalam menduga sediaan tegakan kayu komersial pada dbh 40 cm. 68 Total skor Jenis

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan

Pada penelitian ini dapat disimpulkan beberapa hal sebagai berikut: 1. Metode terbaik dengan kesalahan terkecil yang digunakan pada kelas dbh 10 cm untuk jenis kayu indah , kayu lindung , dan kayu meranti adalah metode Kriging. Sedangkan untuk jenis kayu rimba, metode IDW paling baik digunakan. 2. Pada kelas dbh 40 cm kayu komersial , metode yang paling baik digunakan adalah metode Kriging dengan kesalahan terkecil total skor terendah. 3. Sedangkan pada kelas dbh 40 cm untuk jenis kayu indah , metode IDW paling baik digunakan. Metode yang paling baik digunakan untuk jenis kayu lindung adalah metode Spline. 4. Secara umum, model hasil interpolasi dengan metode Kriging lebih dapat menjelaskan dan menduga sediaan tegakan di lapangan aktual. Ketepatan metode Kriging bergantung pada model semivariogramnya. 5.2 Saran Diperlukan penelitian lebih lanjut mengenai pengujian tehnik interpolasi dengan metode interpolasi lain dan pada parameter yang berbeda pada tempat yang berbeda pula dalam menduga sediaan tegakan berbasis IHMB. TEKNIK INTERPOLASI SEDIAAN TEGAKAN BERBASIS IHMB PADA HUTAN LAHAN KERING PT INHUTANI I LABANAN KABUPATEN BERAU KALIMANTAN TIMUR I PUTU ARIMBAWA PANDE DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2012