5.3.2.2 Validasi Persamaan Penduga Volume Pohon
Validasi pengabsahan adalah proses untuk menentukan apakah sebuah model menggambarkan kenyataan di lapangan atau tidak. Dalam pembuatan tabel
volume hal ini berarti menentukan apakah persamaan volume sesuai atau tidak dengan data volume bebas. Menurut Alders 1984 dalam Susanty Siran 2005
ada dua jenis validasi yaitu: 1.
Validasi mandiri, jika data pengukuran pohon contoh yang sama digunakan untuk membuat persamaan dan membuat validasi.
2. Validasi bebas, jika data pengukuran pohon contoh yang digunakan untuk
membuat persamaan berbeda dengan data untuk membuat validasi. Validasi yang dilakukan adalah validasi bebas dimana data pohon contoh untuk
penyusunan berbeda dengan data untuk membuat validasi. Model-model persamaan penduga volume terbaik tersebut divalidasi
dengan menghitung nilai bias e, simpangan baku s dan RMSE yang disajikan pada Tabel 13. Berdasarkan Tabel 13, semua model menunjukkan nilai
χ
2 hit
≤ χ
2 tab0,05
maka H diterima yang berarti bahwa nilai dugaan volume tidak
berbeda dengan nilai volume sebenarnya. Nilai RMSE menunjukkan ketepatan sebuah model. Semakin kecil nilai RMSE nya, maka model tersebut semakin tepat
dalam menduga volume. Dari nilai RMSE 11 model dapat dilihat bahwa, 9 model memiliki nilai RMSE di bawah 50 dan ada 2 model yang memiliki nilai RMSE
di atas 50 yakni persamaan 7 dan 8. Namun berdasarkan nilai Simpangan Agregat SA terkecil, persamaan terbaik adalah persamaan 11, sedangkan
berdasarkan nilai Simpangan Rata-rata SR terkecil, persamaan yang terbaik adalah persamaan 5.
Tabel 13 Statistik hasil validasi model persamaan penduga volume
No Model Persamaan
Persamaan χ
2 hit
χ
2 tab0,05
SA SR
RMSE e
1 Gaussian Model
y = aexp-b-x22c2 3,371
56,942 -0,016
20,018 31,140
8,802 2
Gompertz Relation y = aexp-expb-cx
3,064 56,942
-0,019 19,367
29,443 7,844
3 Hoerl Model
y = abxxc 2,724
56,942 -0,025
16,571 23,695
3,703 4
Logistic Model y = a1+bexp-cx
3,768 56,942
-0,013 20,441
32,237 9,632
5 Vapor Pressure Model
y = expa+bx+clnx 2,812
56,942 -0,032
16,025 22,707
0,887 6
Modified Geometric Fit y = axbx
2,85 56,942
-0,029 20,158
39,084 -8,199
7 Shift Power Fit
y = ax-bc 2,847
56,942 -0,021
24,162 60,582
-4,543 8
Quadratic Fit y = a+bx+cx2
2,369 56,942
-0,023 24,043
51,371 12,942
9 Sinusoidal fit
y = a+bcoscx+d 2,915
56,942 -0,021
18,588 27,929
6,646 10
Weibull Model y = a-bexp-cxd
3,304 56,942
-0,017 19,903
31,061 7,999
11 Power Fit Berkhout tanpa
transformasi y = axb
3,377 56,942
-0,009 19,997
29,915 10,315
5.3.2.3 Pemilihan Persamaan Penduga Volume Pohon Terbaik