dipakai untuk membandingkan keterandalan modelImodel dari beberapa model yang memiliki banyak variabel bebas yang berbeda Draper dan Smith 1981.
Pada tebel 8 dan 9 tersebut dapat dilihat bahwa model dengan nilai R² dan R²
adj
tertinggi serta nilai RMSE yang terendah didapatkan pada model eksponensial nomor 5, dengan hubungan antara biomassa dengan
HV baik pada citra ALOS PALSAR resolusi 50 m maupun 12,5 m. Hasil tersebut
sesuai dengan penelitianIpenelitian sebelumnya yang umumnya menyimpulkan bahwa polarisasi HV mampu menjelaskan dengan baik pendugaanIpendugaan
biomassa di lapangan Rauste 2007; Awaya 2009.
Setelah dilakukan pemilihan model maka pada tahap selanjutnya dilakukan validasi model pada model terbaik dengan menggunakan uji t berpasangan untuk
menguji keterandalan model tersebut. Validasi model bertujuan untuk mengetahui apakah model yang telah terpilih dapat digunakan untuk menduga biomassa di
lapangan. Berikut ini merupakan tabel hasil validasi pada model terpilih.
Tabel 10 Validasi model terbaik dengan hubungan antara biomassa dengan citra ALOS PALSAR
Resolusi Polarisasi Model
t
hit
t
α2
sig
50 m HV
Y = EXP 9,291 + 0,38X₁ 0,444
2,064 0,857
12,5 m HV
Y = EXP 8,811 + 0,302X₁ 0,745
2,064 0,463
Keterangan: Y = biomassa; X₁=
Pada Tabel 10 tersebut dapat dijelaskan bahwa model terbaik pada kedua citra tidak berbeda nyata antara hasil pengukuran di lapangan dengan hasil model
terpilih. Hal tersebut dapat di lihat dari nilai t
hitung
yang lebih kecil dari t
α2
. Dan signifikansi lebih kecil dari 0,05. Dengan demikian model terbaik yang telah
terpilih bisa digunakan untuk pendugaan nilai biomassa atas pendugaan tegakan jati di lapangan.
5.3.2 Penyusunan Model Pendugaan Biomassa Berdasarkan dan
Umur
Pada tahap kedua disusun model dengan menggunakan tiga variabel yaitu biomassa sebagai variabel respon y serta
dan umur sebagai variabel prediktor x. Model terbaik pada jenis regresi ini nantinya akan digunakan
sebagai model untuk penyusunan peta sebaran biomassa mengingat data variabel umur pohon tersedia pada seluruh areal pengamatan. Berikut merupakan tabel
penyusunan model dengan menggunakan variabel prediktor dan umur
pohon.
Tabel 11 Model regresi antara biomassa dengan variabel dan umur
pohon pada citra ALOS PALSAR resolusi 50 m
Polarisasi No
Model
R² R²
adj
RMSE
HH 1
Y = 143 + 13,6X₁ + 1,75X₂ 78,1
76,8 32,9
2 Y = EXP 4,964 + 0,122X₁ + 0,013X₂
76,2 74,7
34,3 3
Y = 134 I 1,32X₁² + 0,0189X₂² 79,0
77,7 32,2
HV 4
Y = 216 + 13,5X₁ + 1,65X₂ 79,9
78,7 31,5
5 Y = EXP 5,882 + 0,14X₁ + 0,013X₂
78,8 77,5
32,4
6 Y = 173 ? 0,686X₁² + 0,0181X₂²
82,1 81,0
29,7
Keterangan: Y = biomassa; X₁ = ; X₂ = umur
Tabel 12 Model regresi antara biomassa dengan variabel dan umur
pohon pada citra ALOS PALSAR resolusi 12,5 m
Polarisasi No
Model
R² R²
adj
RMSE
HH 1
Y = 129 + 9,25X₁ + 1,74X₂ 79,0
77,8 32,2
2 Y = EXP 5,087 + 0,117X₁ + 0,013X₂
79,4 78,1
31,9 3
Y = 120 I 0,637X₁² + 0,019X₂² 79,6
78,4 31,8
HV 4
Y = 178 + 8,35X₁ + 1,71X₂ 80,0
78,7 31,5
5 Y = EXP 6,108 + 0,136X₁ + 0,013X₂
82,1 81,0
29,8
6 Y = 150 I 0,333X₁² + 0,0187X₂²
81,7 80,6
30,2 Keterangan Y = biomassa; X₁=
; X₂= umur
Tabel di atas menjelaskan bahwa model terbaik pada citra ALOS PALSAR resolusi 50 m didapatkan pada model kuadratik nomor 6. Pada model nomor 6
didapatkan nilai R², R²
adj
yang lebih tinggi, dan RMSE yang lebih rendah dari model lainya. Nilai R² dan R²
adj
pada model ini yaitu 82,1 dan 81 serta nilai RMSE sebesar 29,7. Pada citra ALOS PALSAR resolusi 12,5 m didapatkan
model terbaik pada nomer nomor 5 dengan jenis model eksponensial. Dengan nilai R² 82,1, R²
adj
81,02 dan RMSE 29,8. Dari hasil yang didapatkan kembali dapat dilihat bahwa variabel citra yang
diguanakan memiliki hubungan paling erat pada HV. Hal tersebut
didukung karena seluruh model pendugaan dengan menggunakan HV
sebagai variabel bebas menunjukkan pola hubungan yang lebih baik jika dibandingkan dengan hubungan biomassa dengan
HH. Hal ini dikarenakan polarisasi HV memiliki sensitifitas lebih baik terhadap komponen
penyusun biomassa yaitu batang dan tutupan tajuk. Selain itu juga variabel lapangan berupa umur pohon turut memberi pengaruh yang cukup besar
mengingat korelasi yang cukup besar antara biomassa dan umur pohon, yaitu berkisar antara 0,7–0,8. Variabel ini juga merupakan salah satu variabel yang
mudah diketahui dilapangan. Penyusunan model dengan lebih dari satu variabel prediktor rentan terhadap
terjadinya multikolinearitas. Multikoliniearitas rentan terjadi antar variabel prediktor yang memiliki korelasi lebih besar dari 0,7. Dalam pemodelan ini
variabel prediktor dan umur pohon memiliki nilai koefisien korelasi
berkisar antara 0,3–0,4 sehingga dapat diduga bahwa multikolinearitas pada model ini tidak terjadi.
Kemudian pada model terpilih tersebut dilakukan validasi model untuk mengetahui kelayakan dari model tersebut sebagai model penduga biomassa
lapangan. Validasi model dilakukan dengan menggunakan ujiIt berpasangan. Hasil dari validasi model ditampilkan pada Tabel 13 di bawah ini.
Tabel 13 Hasil validasi model terpilih pada citra ALOS PALSAR dengan variabel dan umur
Resolusi Polarisasi Model
t
hit
t
α2
sig 50 m
HV Y = 173 I 0,686X₁² + 0,0181X₂²
I1,128 2,064
0,271 12,5 m
HV Y = EXP 6,108 + 0,136X₁ + 0,013X₂
I1,228 2,064
0,231 Keterangan: Y = biomassa; X₁ =
; X ₂= umur
Berdasarkan hasil dari validasi model terpilih didapatkan bahwa seluruh model terpilih valid untuk digunakan. Hal tersebut dapat dilihat dari nilai t
hitung
yang lebih kecil dari t
α2
dan nilai signifikansi yang lebih besar dari 0,05. Dengan demikian model terbaik yang telah terpilih bisa digunakan untuk pendugaan dan
pemetaan nilai sebaran biomassa atas pendugaan tegakan jati di lapangan.
5.3.3 Penyusunan Model Pendugaan Biomassa Berdasarkan dan
