5.3.1 Analisis Regresi Pada Resolusi 50 Meter
Berikut merupakan hasil regresi pendugaan biomassa pada citra resolusi 50 meter yang ditampilkan pada Tabel 8.
Tabel 8 Hasil regresi pada resolusi 50 meter menggunakan peubah
Polarisasi Model
R²
adj
RMSE HH
Y = 263,057 + 13,071X ₁
2,91 117,39
Y = 228,24 – 1,075X ₁²
3,10 117,28
Y = EXP5,617 + 0,068X ₁
2,70 117,52
HV Y = 456,818 + 22,949X
₁ 20,80
106,02 Y = 318,267 – 0,917X
₁² 21,18
105,77 Y = EXP6,466 + 0,107X
₁ 17,64
108,12 Keterangan : Y = biomassa, X
1
=
Pemilihan model terbaik berdasarkan nilai R
2
terbesar dan nilai RMSE paling kecil. R
2
merupakan nilai koefisien determinasi terkoreksi dan RMSE merupakan nilai bias
rataBrata dari suatu persamaan. Berdasarkan hasil analisis diperoleh permodelan terbaik pada polarisasi HV dengan model kuadratik
dengan nilai koefisien determinasi terkoreksi sebesar 21,18 dan RMSE sebesar
105,77. Dari hasil permodelan menggunakan resolusi 50 meter,
polarisasi HV merupakan nilai polarisasi terbaik sehingga untuk penyusunan model berikutnya hanya menggunakan polarisasi terbaik saja. Selanjutnya
ditambahkan peubah umur pada resolusi 50 meter yang ditampilkan pada Tabel 9 berikut.
Tabel 9 Hasil regresi pada resolusi 50 meter menggunakan peubah dan umur
Polarisasi Model
R²
adj
RMSE HV
Y = 131 + 7,15X ₁ + 7,8X₂
54,89 80,02
Y = 186 – 0,469X ₁² + 0,161X₂²
46,94 86,78
Y = EXP5,145 + 0,048X ₁ + 0,032X₂
47,13 86,63
Keterangan : Y = biomassa, X
1
= , dan X
2
= umur
Berdasarkan Tabel 9 regresi terbaik dengan menggunakan peubah dan umur pada citra resolusi 50 meter, yaitu Y = 131 + 7,15X
₁ + 7,8X
₂ dengan koefisien determinasi terkoreksi sebesar 54,89 dan RMSE sebesar 80,02.
Tabel 10 berikut merupakan tabel hasil permodelan dengan menggunakan peubah
dan tinggi pohon. Tabel 10 Hasil regresi pada resolusi 50 meter menggunakan peubah
dan tinggi pohon
Polarisasi Model
R²
adj
RMSE HV
Y = 44,241 + 6,189X ₁ + 11,842X₂
60,33 75,03
Y = 97,926 – 0,333X ₁² + 0,358X₂²
59,30 76,00
Y = EXP4,332 + 0,044X ₁ + 0,071X₂
58,11 77,12
Keterangan : Y = biomassa, X
1
= , dan X
3
= tinggi
Berdasarkan Tabel 10 hasil regresi terbaik citra resolusi 50 meter dengan menggunakan peubah
dan tinggi menggunakan persamaan linier dengan koefisien determinasi terkoreksi 60,33 dan nilai RMSE sebesar 75,03.
Kemudian dilakukan analisis regresi terbaik menggunakan peubah ,
nilai dan umur untuk pendugaan biomassa yang ditampilkan pada Tabel 11 berikut.
Tabel 11 Hasil regresi pada resolusi 50 meter menggunakan peubah ,
umur dan tinggi
Polarisasi Model
R²
adj
RMSE HV
Y = 41,7 + 5,18X ₁ + 2,77X₂ + 8,59X₃
60,64 74,75
Y = 98,7 – 0,318X ₁² + 0.03X₂² + 0,317X₃²
59,73 75,60
Y = EXP 4,306 – 0,039X ₁ + 0,005X₂ + 0,064X₃
58,37 76,86
Keterangan :Y = biomassa, X
1
= , X
2
= umur, dan X
3
= tinggi
Berdasarkan hasil regresi pada Tabel 11, dapat diketahui bahwa model terbaik untuk menduga biomassa resolusi 50 meter menggunakan persamaan
linier dengan koefisien determinasi terkoreksi sebesar 60,64 dan RMSE 74,75 yang berarti bahwa model regresi linier berganda menggunakan peubah
, umur, dan tinggi mampu menjelaskan biomassa atas permukaan dengan alometrik sekitar 60,64.
Penambahan peubah umur dan tinggi dalam persamaan memberikan penambahan nilai koefisien determinasi terkoreksi pada model yang digunakan.
Hal tersebut menandakan bahwa penambahan umur dan tinggi pada permodelan yang dibuat mampu memberikan pendugaan biomassa lebih baik dibandingkan
hanya menggunakan peubah . Pernyataan tersebut dapat dilihat dari
penambahan nilai koefisien determinasi terkoreksi dan perubahan nilai RMSE
yang semakin kecil. 5.3.2 Analisis Regresi Pada Resolusi 12,5 Meter
Berikut hasil permodelan dalam pendugaan biomassa pada citra resolusi 12,5 meter menggunakan peubah
. Tabel 12 Hasil regresi pada resolusi 12,5 meter menggunakan peubah
Polarisasi Model
R²
adj
RMSE HH
Y = 469,955 + 40,526X ₁
11,70 111,95
Y = 324,398 – 2,751X ₁²
13,98 110,49
Y = EXP6,462 + 0,178X ₁
7,88 114,35
HV Y = 598,796 + 32,313X
₁ 22,50
104,92 Y = 376,226 – 1,142X
₁² 23,36
104,29 Y = EXP7,546 + 0,185X
₁ 18,77
107,38 Keterangan : Y = biomassa dan X
1
=
Berdasarkan Tabel 12, hasil regresi terbaik menggunakan peubah , yaitu persamaan kuadratik pada polarisasi HV dengan nilai koefisien
determinasi terkoreksi sebesar 23,36 dan RMSE sebesar 104,29. Polarisasi terbaik pada permodelan di atas menggunakan polarisasi HV sehingga untuk
penambahan peubah pada permodelan selanjutnya menggunakan polarisasi HV saja. Pada Tabel 13 berikut merupakan hasil permodelan dengan menggunakan
peubah dan umur.
Tabel 13 Hasil regresi pada resolusi 12,5 meter menggunakan peubah dan umur
Polarisasi Model
R²
adj
RMSE HV
Y = 341 + 18,6X ₁ + 5,49X₂
62,36 73,09
Y = 263 – 0,672X ₁² + 0,123X₂²
57,38 77,78
Y = EXP7,729 + 0,181X ₁ + 0,016X₂
62,07 73,38
Keterangan : Y = biomassa, X
1
= , dan X
2
= umur
Berdasarkan hasil regresi menggunakan peubah dan umur pada
Tabel 13, model terbaik yang dapat digunakan adalah model regresi linier dengan koefisien determinasi terkoreksi sebesar 62,36 dan RMSE sebesar 73,09.
Selanjutnya dilakukan penyusunan model dengan menggunakan peubah
backscatter dan tinggi pada model regresi resolusi 12,5 meter dengan hasil regresi ditunjukkan pada Tabel 14 berikut.
Tabel 14 Hasil regresi pada resolusi 12,5 meter menggunakan peubah dan tinggi
Polarisasi Model
R²
adj
RMSE HV
Y = 219,492 – 14,483X ₁ + 9,025X₂
63,60 71,89
Y = 159,557 – 0,451X ₁² + 0,297X₂²
63,45 71,33
Y = EXP6,139 + 0,136X ₁ + 0,044X₂
65,29 70,18
Keterangan : Y = biomassa, X
1
= , dan X
2
= tinggi
Berdasarkan Tabel 14 hasil analisis regresi menggunakan peubah dan tinggi diperoleh model terbaik, yaitu model regresi eksponensial
dengan nilai koefisien determinasi terkoreksi sebesar 65,29 dan RMSE sebesar 70,18. Kemudian dilakukan analisis regresi menggunakan peubah
, umur dan tinggi dengan hasil regresi ditunjukkan pada Tabel 15 berikut.
Tabel 15 Hasil regresi pada resolusi 12,5 meter menggunakan peubah , umur, dan tinggi
Polarisasi Model
R²
adj
RMSE HV
Y = 219 + 13,8X ₁ + 2,72X₂ + 5,84X₃
63,96 71,52
Y = 164 – 0,45X ₁² + 0,0378X₂² + 0,0243X₃²
63,07 72,40
Y = EXP 3,01 – 0,055X ₁ + 0,006X₂ + 0,073X₃
57,48 77,68
Keterangan : y = biomassa, X
1
= , X
2
= umur, dan X
3
= tinggi
Pada Tabel 15 diketahui hasil permodelan pendugaan biomassa terbaik dengan peubah
, umur, dan tinggi menggunakan persamaan linier dengan nilai koefisien determinasi terkoreksi sebesar 63,96 dan nilai RMSE
sebesar 71,52. Berdasarkan hasil permodelan tersebut menunjukkan bahwa penambahan peubah umur dan tinggi mempengaruhi pendugaan biomassa dalam
permodelan dibandingkan hanya menggunakan peubah saja. Namun
data tinggi pohon yang tersedia pada penelitian ini hanya terdapat pada plotBplot pengamatan saja sehingga tidak dapat memberikan informasi keseluruhan data
tinggi di wilayah yang diamati. Selain itu, tinggi pohon saat ini hanya dapat dipetakan menggunakan LIDAR
sehingga pemilihan model pendugaan biomassa terbaik untuk pemetaan sebaran biomassa
pada penelitian ini menggunakan peubah dengan umur.
5.4 Pemetaan Biomassa dan Analisis Akurasi
Kategori