4.7.2.4 Pemilihan Model
Adapun model yang terpilih didasarkan pada beberapa kriteria, yaitu: 1. Kesesuaian terhadap fenomena
2. Sifat keterandalan model data reability yang didasarkan pada: a. Koefisien determinasi R
2
Koefisien determinasi adalah perbandingan antara jumlah kuadrat regresi JKR dengan jumlah kuadrat total JKT, dengan rumus:
Adapun kriteria keterandalan model berdasarkan nilai R
2
adalah jika nilai R
2
mendekati 100, maka model makin terandalkan dan jika R
2
mendekati 0, maka model makin tidak terandalkan dalam menjelaskan hubungan antara
biomassa dan dimensi pohon. b. Varian S
2
Varian diukur berdasarkan tingkat keragaman data dengan rumus sebagai berikut:
Model yang terpilih adalah model yang memiliki nilai varian terkecil dibandingkan model-model lainnya.
c. Koefisien determinasi terkoreksi R
2
a Koefisien determinasi yang terkoreksi adalah koefisien determinasi yang
sudah dikoreksi oleh derajat bebas dari jumlah kuadrat sisa JKS dan jumlah kuadrat total JKT, dengan rumus sebagai berikut:
R
2
a = 1 – JKS n – p = 1 – 1 – R
2
[ n – 1 n – p]
JKT n -1 Dimana p adalah banyaknya peubah dalam regresi termasuk
βo dan n adalah banyaknya objek kasus yang dianalisis. Kriteria uji R
2
a adalah sama dengan kriteria uji untuk R
2
. 3. Uji Validasi Model
Selain kriteria nilai statistik, dilakukan uji validasi model untuk menentukan persamaan allometrik terbaik. Kriteria yang dipertimbangkan adalah
ketepatan dari suatu penduga dalam menduga nilai yang sebenarnya secara R
2
= JKR JKT x 100
S
2
= Σ Xi
2
– Σxi
2
n n
– 1
berturut-turut dinyatakan oleh sistematika, besar dan penyebab dari simpangan tersebut. Semakin kecil simpangan maka penduga tersebut akan semakin tinggi
ketepatannya. Semakin sempit sebaran simpangan maka akan semakin tinggi ketelitiannya dan semakin kecil kesalahan sistematiknya, maka penduga tersebut
semakin tidak bias. Apabila Ŷ
i
adalah penduga bagi Y
i
yaitu penduga tak bebas ke-i yang diperoleh dengan penduga model maka akan diperoleh n buah simpangan Ŷ
i
terhadap Y
i
, yaitu : e
i
= Y
i
- Ŷ
i
untuk i = 1,2,3,...,n dari n buah e
i
ini dapat ditentukan : m
i
= e
i
Y
i
100 untuk i = 1,2,3,...,n
Selanjutnya, apabila d
i
= m
i 2
, maka akan dihitung :
n i
n d
MSPE
1
,
n i
n i
i i
d
n n
d d
S
1 2
2 2
] 1
[
100 x
d S
CV
d d
Model akan semakin baik apabila memiliki MSPE dan CV
d
yang semakin kecil. Atas dasar ini maka nilai MSPE dan CV
d
ini selanjutnya dipakai sebagai kriteria dalam menentukan tingkat keabsahan dari model-model yang dicobakan.
Uji keabsahan model merupakan uji terakhir dilakukan dalam pemilihan model yang terbaik sekaligus juga untuk menentukan cara pendekatan terbaik dalam
pemecahan masalah dalam penelitian. Selain faktor-faktor dalam kekonsistenan dalam penerimaan model tertentu pada setiap kali membangun model, kepraktisan
pemakaian model dan kemudahan mendapatkan modelnya.
4.7.2.5 Total Potensi Biomassa Tegakan
Berdasarkan persamaan model penduga biomassa yang terpilih maka kita dapat mengetahui besarnya total potensi biomassa dari hutan gambut bekas
terbakar. Adapun cara mengkonversinya ke dalam kgha yaitu dari seluruh pohon yang ditemukan pada petak penelitian hasil analisis vegetasi dipisahkan
Kategori