Prosedur Analisis Data 1. Pengambilan pohon contoh dilapangan

3.3 Prosedur Analisis Data 1. Pengambilan pohon contoh dilapangan

Untuk penyusunan Tabel volume pohon, didasarkan pada data pohon contoh atau pohon model yang dipilih secara purposive sampling dengan ketentuan tersebar pada setiap jenis pohon, kelas diameter dan kelas tinggi pohon, pada berbagai tipe tempat tumbuh. Pohon contoh adalah pohon yang pertumbuhannya baik serta sehat. Pohon contoh diambil di dalam plot IHMB, apabila dalam plot IHMB itu tidak terdapat pohon contoh maka pengambilan pohon contohnya dapat dilakukan di luar plot IHMB. Berikut akan ditampilkan gambar plot contoh IHMB. Gambar 1 Plot contoh IHMB skala 1 : 10.000. Menurut Sutarahardja 2009 plot contoh sample unit adalah suatu petak dengan bentuk dan ukuran tertentu yang dibuat dilapangan dimana didalam petak tersebut dilakukan pengukuran-pengukuran terhadap dimensi pohontegakan dan pencatatan informasi-informasi tentang pohontegakan yang diperlukan yang penempatannya bersifat semi permanen. Plot contoh IHMB pada hutan alam luas 0,25 Ha dengan ukuran 20m x 125m diletakkan dalam jalur inventarisasi dengan arah Utara-Selatan dan di dalamnya terdapat beberapa sub-plot contoh. Dalam satu plot contoh terdapat 4 sub-plot contoh yang luasnya dibedakan berdasarkan tingkat pertumbuhan pohon dan tingkat permudaan yang ada. Lihat Gambar 1 a. Sub-plot pancang Diukur dari titik awal plot masing-masing 10 m ke arah Barat atau Timur, pada ujung sisi kiri dibuat sub-plot pancang berbentuk lingkaran dengan jari-jari plot 2,82 meter. Kemudian diamati keberadaan pancang dalam plot. Pasang pasak pada pusat plot untuk memasang tali tersebut, setelah itu dilakukan pengamatan plot secara berputar dengan ujung tali sebagai batas plot hingga selesai. b. Sub-plot tiang Dari titik awal plot, dibuat sub-plot tiang berbentuk bujur sangkar berukuran 10 m x 10 m di sisi kiri jalur. Dengan bantuan tali sepanjang 10 m sebanyak 2 buah dan kompas, dari titik awal plot ditarik tali ke arah kiri tegak lurus jalur 270º dan searah jalur 0º lalu dipasang patok. c. Sub-plot pohon kecil Dibentuk plot bujur sangkar berukuran 20 m x 20 m, sepanjang 10 m sebelah Barat dan 10 m sebelah Timur jalur, kemudian dirintis 20 m ke arah Utara. d. Sub-plot pohon besar Bentuk plot contoh persegi panjang berukuran 20 m x 125 m adalah sebagai perpanjangan dari sub-plot pohon kecil ke arah Utara. 2. Perhitungan volume pohon contoh Perhitungan volume pohon contoh pada dasarnya perlu ditebang untuk dihitung volumenya berdasarkan volume per seksinya yang terdiri dari : a. Untuk diameter ≥ 50 cm dapat mengukur di petak tebangan untuk menghitung volume aktual Va dari pohon rebah dihitung dengan menjumlahkan seluruh volume tiap seksi batang dari satu pohon yaitu dengan : Va = ∑ Vs i Keterangan : Va = volume aktual Vs i = Volume seksi batang ke-i, dimana i = 1, 2, 3, ..., n Volume seksi batang tersebut dihitung dengan menggunakan rumus Smalian yaitu : V s = 0,5 x B + b x L Keterangan : V s = volume seksi B = Luas bidang dasar pangkal seksi dalam m 2 b = Luas bidang dasar ujung seksi dalam m 2 L = Panjang seksi Luas bidang dasar dihitung dengan rumus : Lbds = 0,25 π D 2 b. Untuk diameter 10 cm - 50 cm pada tebangan silin atau menebang pohon contoh pada beberapa plot contoh. c. Untuk pelengkap dapat menggunakan rumus volume V = 0,25 π D 2 T 0,6 3. Pemilahan pohon contoh untuk model dan validasi Tahap selanjutnya dalam tahap pengumpulan data, harus dilakukan proses pemilahan pohon contoh. Untuk melakukan pemodelan diperlukan suatu set data yang berbeda dengan set data yang dipakai untuk uji validasi model. Proses pemilahan pohon contoh terdiri dari 23 pohon contoh untuk proses pemodelan dan 13 pohon contoh lainnya untuk proses uji validasi. Tabel 6 Pemilahan pohon contoh pada setiap kelompok jenis Sumber : Permenhut P.34Menhut-II2007 Kelas diameter cm Jumlah pohon contoh Proses pemodelan Proses uji validasi 10,0 – 14,9 15 10 5 15,0 – 19,9 15 10 5 20,0 – 24,9 15 10 5 25,0 – 29,9 15 10 5 30,0 – 34,9 15 10 5 35,0 – 39,9 10 7 3 40,0 – 44,9 10 7 3 45,0 – 49,9 10 7 3 50,0 – 59,9 10 7 3 60,0 – 69,9 10 7 3 70,0 – 79,9 10 7 3 ≥ 80,0 10 7 3 Jumlah 145 99 46 4. Analisa hubungan antara tinggi pohon dengan diameter pohon Salah satu hipotesa dalam penyusunan tabel volume pohon lokal adalah terdapatnya hubungan yang erat antara tinggi pohon dengan diameter pohon. Hubungan ini dapat dilihat dari korelasi antara kedua peubah tersebut, yang ditunjukkan oleh besarnya koefisien korelasinya. Apabila antara tinggi pohon dengan diameter pohon terdapat korelasi yang erat, maka untuk menduga volume pohon dapat hanya menggunakan peubah diameter atau tinggi pohon saja. Mengingat pengukuran tinggi pohon lebih sulit dibandingkan mengukur diameter pohon, maka dalam kaitan korelasi antara tinggi pohon dengan diameter pohon cukup erat, tabel volume dapat disusun atas dasar peubah diameter pohon. Koefisien korelasi r antara tinggi pohon dengan diameter pohon dapat dihitung dengan rumius : y JK x JK xy JHK r .  Dalam hal ini, JKx, Jky, dan JHKxy dapat dihitung dengan rumus sebagai berikut : JKx = n n i i x n i i x 2 1 1 2      JKy = n n i i y n i i y 2 1 1 2      JHKxy =           n i n n i i y n i i x i y i x 1 1 1 di mana : r = Koefisien korelasi contoh JK X = Jumlah kuadrat peubah X misal : diameter pohon JKy = Jumlah kuadrat peubah Y misal : tinggi pohon JHKxy = Jumlah hasil kali antara peubah X dengan peubah Y Besarnya nilai koefisien korelasi adalah antara - 1 ≤ r  + 1 dimana jika nilai r mendekati – 1 atau + 1, maka hubungan antara kedua peubah itu kuat, artinya terdapat korelasi yang tinggi antara keduanya Walpole 1993. 5. Pengujian koefisien korelasi antara tinggi pohon dengan diameter pohon Dalam pengujian ini dilakukan perhitungan koefisien korelasi dari kedua peubah tersebut r sebagai penduga koefisien korelasi populasinya, yaitu ρ . Apabila r = 0 maka besar kemungkinannya untuk menyimpulkan ρ = 0 dan apabila nilai r mendekati + 1 atau – 1, hal tersebut mencirikan bahwa ρ ≠ 0. Suatu uji untuk menyatakan kapan nilai r berada cukup jauh dari nilai ρ adalah melalui pengujian koefisien korelasi dengan uji Z -Fisher Walpole 1993. Dalam uji Z -Fisher ini, dilakukan transformasi nilai- nilai r dan ρ kedalam Z -Fisher . Dalam penyusunan tabel volume lokal, Fakultas Kehutanan IPB 1985 dan Sutarahardja 1982 diacu dalam Sutarahardja 2008 mensyaratkan bahwa nilai ρ harus lebih besar dari 0,7 atau ρ  0,7 yang berarti pada nilai ρ  0,7 maka hubungan antara tinggi pohon dengan diameter pohon dianggap cukup kuat, dimana jika ρ  0,7071 artinya ρ 2 adalah  50 .. Hubungan yang kuat dengan ρ 2  50 tersebut berarti akan menjamin bahwa sekurang-kurangnya 50 keragaman volume pohon yang disebabkan oleh keragaman tinggi pohon dapat dicakup oleh pengaruh keragaman diameter pohon. Tahap pengujian koefisien korelasi bersyarat dengan menggunakan transformasi Z -Fisher tersebut adalah dengan prosedur sebagai berikut : a. Menentukan hipotesis pengujian koefisien korelasi, yaitu : H : ρ = 0,7071 H 1 : ρ  0,7071 b. Menghitung nilai transformasi Z -Fisher dari nilai koefisien korelasi populasi ρ dan koefisien korelasi contoh r : Z ρ = 0,5 ln{ 1 + ρ 1 – ρ } dan Zr = 0,5 ln{ 1 + r 1 – r } c. Menentukan pendekatan simpangan baku dari hasil transformasi Z -Fisher , yaitu : σ Zr = 1 √n-3 Kriterium uji dalam pengujian transformasi Z -Fisher adalah : Z -hitung = Zr – Zρ σ Zr Dimana : Z = Sebaran normal Z σ Zr = Pendekatan simpangan baku transformasi Z -Fisher d. Kaidah keputusannya adalah sebagai berikut : Jika Z -hitung ≤ Z -tabel pada tingkat nyata tertentu misalnya pada taraf nyata 5 , maka H diterima artinya hubungan antara diameter pohon dengan tinggi pohon tidak memenuhi syarat yang telah ditetapkan yaitu tidak memenuhi syarat ρ 0,7071artinya hubungan antara diameter pohon dengan tinggi pohon dianggap kurang erat. Jika Z -hitung  Z -tabel pada tingkat nyata tertentu, maka H ditolak artinya bahwa hubungan antara diameter pohon dengan tinggi pohon memenuhi syarat yang telah ditetapkan artinya hubungan diameter dengan tinggi pohon dianggap cukup erat. Bila keputusan H diterima, maka tabel volume yang disusun untuk tegakan hutan yang diukur harus menyertakan peubah lain selain peubah diameter pohon, misalnya antara lain mengikut sertakan tinggi pohon dan atau peubah lainnya, jadi tabel volume yang disusun adalah tabel volume standar. Sedangkan apabila H ditolak dalam pengujian tersebut artinya hubungan antara diameter pohon dengan tinggi pohon dianggap cukup erat, artinya koefisien korelasi populasi yang dihasilkan dari pohon-pohon contoh memenuhi syarat sekurang-kurangnya sama dengan koefisien korelasi yang telah ditetapkan, maka dalam tegakan hutan yang diukur dapat dibuat tabel volume lokal tarif volume, yaitu tabel volume dengan kunci pembacanya cukup dengan menggunakan satu peubah, yaitu diameter pohon. 6. Scatter diagram dan penentuan model penyusunan tabel volume Untuk membantu dalam pemilihan model, maka data pohon contoh ditampilkan dalam Scatter diagram atau scatterplot diagram tebar. Dari tebaran data tersebut akan dapat dilihat bentuk penampilan penyebaran datanya, apakah mengikuti pola linier ataukah non linier, sehingga dapat membantu dalam pemilihan model pendekatannya. Salah satu contoh gambar scatterplot diagram persebaran kelas diameter dengan volume pohon yang akan dijadikan model persamaan regresi dalam penyusunan tabel volume pohon. Gambar 2 Contoh Scatterplot diagram. Karakteristik paling nyata untuk diukur yang berkaitan dengan volume pohon adalah diameter setinggi dada diameter at breast height. Oleh karena itu semua persamaan volume akan mempunyai diameter setinggi data serta peubah lainnya dan yang umum ditambahkan sebagai peubah penentu volume pohon adalah jenis peubah tinggi pohon, baik tinggi total, tinggi bebas cabang ataupun tinggi yang lain yang dianggap mempunyai peranan dalam tujuan untuk pendugaan potensi tegakan. Beberapa persamaan hubungan antara volume pohon dengan peubah-peubah penentunya yang digunakan dalam penyusunan tabel volume pohon antara lain Loetsch et al, 1973 : Peubah bebas hanya diameter pohon : 1. v = a + bD 2 Kopezky-Gehrhardt 2. v = a + bD + cD 2 Hohenadl-Krenn 3. v = aD b Berkhout Dimana : V : Volume total pohon m³ D : Diameter setinggi dada cm a, b, dan c : Konstanta Dari ketiga persamaan diatas dibuat model persamaan regresi liniernya, yaitu sebagai berikut : 1. V = a + b D² → model persamaan regresi liniernya adalah Y 1 = β + β 1 X 1 + ε 1 yang diduga oleh → y 1 = b + b 1 X 1 + e 1 Dimana : V = Y 1 = yi b = β 1 = b ε 1 = e 1 = galat sisa a = β = b D 2 = Xi = x 1 2. V = a + bD + cD² → model persamaan regresi liniernya adalah Y 1 = β + β 1 X 1 + β 2 X 2 + ε 1 yang diduga oleh → y 1 = b + b 1 X 1 + b 2 X 2 + e 1 Dimana : V = Y 1 = yi b = β 1 = b ε 1 = e 1 = galat sisa a = β = b D = X1i = x 1 D 2 = X 2i = x 2 3. V = a D b → transformasi logaritmis → Log V = Log a + b Log D Model persamaan regresi linearnya adalah Y 1 = β + β 1 X 1 + ε 1 yang diduga oleh → y 1 = b + b 1 X 1 + e 1 Dimana : Log V = Y 1 = yi b = β 1 = b ε 1 = e 1 = galat sisa Log a = β = b Log D = Xi = x 1 Sedangkan untuk tabel volume standar dengan peubah bebas diameter dan tinggi bebas cabang pohon terdiri dari : 1. Model Spurr : V = a D²Tbc b 2. Model Schumacher Hall : V = a D b Tbc c 3. Model Stoate : V = a + bD 2 +cD 2 Tbc + dTbc Dimana : V : Volume total pohon m³ D : Diameter setinggi dada cm Tbc : Tinggi bebas cabang pohon m a, b, dan c : Konstanta Dari ketiga persamaan diatas dibuat model persamaan regresi liniernya, yaitu sebagai berikut : 1. V = a D²Tbc b → transformasi logaritmis → Log V = Log a + b Log D²Tbc Y 1 = β + β 1 X 1i + ε i yang diduga oleh → y 1 = b + b 1 X 1i + e i Dimana : Log V = Y i = yi b = β 1 = b ε i = e i = galat sisa Log a = β = b LogD²Tbc = Xi = x 1i 2. V = a D b Tbc c → transformasi log → Log V = Log a + b Log D + c Log Tbc Y 1 = β + β 1 X 1i + β 2 X 2i + ε i yang diduga oleh → y 1 = b + b 1 X 1i + b 2 X 2i + e i Dimana : Log V = Y i = yi b = β 1 = b 1 ε 1 = e i = galat sisa Log a = β = b c = β 2 = b 2 Log Tbc = X 2i = x 2i Log D = X1i = x 1i 3. V = a + bD 2 +cD 2 Tbc + dTbc → Model persamaan regresi linearnya adalah Y 1 = β + β 1 X 1i + β 2 X 2i + β 3 X 3i + ε i yang diduga oleh → y 1 = b + b 1 X 1i + b 2 X 2i + b 3 X 3i + e i Dimana : V = Y i = yi a = β = b c = β 2 = b 2 D 2 = X 1i = x 1i b = β 1 = b 1 d = β 3 = b 3 D 2 Tbc = X 2i = x 2i Tbc = X 3i = x 3i ε i = e i = galat sisa 7. Penyusunan tabel volume Tarif volume pohon maupun tabel volume pohon standar dapat disusun dengan menggunakan analisa regresi linier dengan pengujian signifikasi regresinya menggunakan analisa ragam analysis of variance. Untuk penyusunan tarif volume pohon dapat dianalisa dengan regresi linier sederhana simple linear regression, sedangkan untuk tabel volume pohon standar dianalisa dengan regresi linier berganda multiple linear regression. Banyaknya model regresi yang dicoba sebanyak 2 –3 model. 8. Menghitung koefisien regresi dan koefisien korelasi Untuk dapat menghasilkan persamaan-persamaan regresi yang dimaksud, maka perlu dihitung nilai-nilai dari koefisien-koefisien regresinya Sutarahardja et al, 1991. a. Menghitung koefisien regresi pada penyusunan tabel volume pohon lokal : Sebagai contoh untuk model regresi linier sederhana sebagai berikut : i i X i Y       1 , dengan penduga modelnya adalah i e i x b b i y    1 , maka besarnya nilai koefisien regresi 1 b sebagai penduga dari 1  dan besarnya nilai konstanta b intersept sebagai penduga dari  dapat dihitung dari nilai-nilai data pohon contoh. JKx JHKxy b  1 dan x b y b 1   Dimana : y = volume pohon dalam m 3 dan x = diameter pohon dalam cm. Koefisien korelasi r antara volume pohon dengan diameter pohon dapat dihitung dengan rumus 1 tersebut diatas atau dengan rumus :   JKy JHKxy b r 1  b. Menghitung koefisien regresi pada penyusunan tabel volume pohon standar Sebagai contoh untuk model regresi linier berganda sebagai berikut : i i X i X i Y         2 2 1 1 , dengan penduga modelnya i e i x b i x b b i y     2 2 1 1 , maka besarnya nilai-nilai penduga koefisien- koefisien regresi 2 , 1 b b serta intersept b dapat dihitung berdasar data pohon contoh yang diambil. 2 2 1 2 1 2 2 1 1 2 1 x JHKx JKx JKx y JHKx x JHKx y JHKx JKx b               2 2 1 2 1 1 2 1 2 1 2 x JHKx JKx JKx y JHKx x JHKx y JHKx JKx b    dimana :   n n i i x n i i x JKx 2 1 1 1 2 1 1         n n i i x n i i x JKx 2 1 2 1 2 2 2          n n i x n i x n i x x x JKx         1 2 1 1 1 2 1 2 1    n n i y n i x n i y x y JKx         1 1 1 1 1 1    n n i y n i x n i y x y JKx         1 1 2 1 2 2 2 2 1 1 x b x b y b    Koefisien determinasi 2 R dari model regresi tersebut dapat dihitung : total JK regresi JK R  2 Koefisien korelasi berganda   R dapat diperoleh dari akar koefisien determinasi tersebut diatas. y JHKx b y JHKx b regresi JK 2 2 1 1     n n i i y n i i y JKy total JK 2 1 1 2        9. Analisa keragaman Terhadap persamaan-persamaan regresi tersebut dilakukan pengujian dengan menggunakan analisa keragaman analysis of variance untuk melihat signifikasi atau adanya ketergantungan peubah-peubah yang menyusun regresi tersebut. Tabel 7 Analisa keragaman pengujian regresi Anova Sumber keragaman Derajat bebas Jumlah Kuadrat JK Kuadrat Tengah KT F -hitung F -tabel Regresi Sisaan k = p-1 n-k-1 JK regresi JKR JK sisa JKS KTR=JKRk KTS=JKSn-k-1 F hitung = KTRKTS Total n-1 JK total JKT Sumber : Walpole, 1993 Dimana p = banyaknya konstanta koefisien regresi dan intersept dan n = banyaknya pohon contoh yang digunakan dalam penyusunan regresi tersebut. Dalam analisa tersebut hipotesa yang diuji adalah : a. Pada regresi linier sederhana : :   H lawan : 1   H b. Pada regresi linier berganda : :  i H  dimana : i = 1,2 : 1 H Sekurang-kurangnya ada  i  Jika H 1 yang diterima, maka regresi tersebut nyata, artinya ada keterkaitan antara peubah bebas diameter pohon dan atau tinggi pohon dengan peubah tidak bebasnya volume pohon. Dengan kata lain bahwa setiap ada perubahan pada peubah bebasnya akan terjadi perubahan pada peubah tidak bebasnya. Jika H o yang diterima, maka regresi tersebut tidak nyata, artinya persamaan regresi tidak dapat untuk menduga volume pohon berdasarkan peubah bebasnya. 10. Perhitungan kesalahan sampling Sampling Error, SE Kesalahan sampling adalah kesalahan yang disebabkan karena dilakukannya pengambilan contoh sampling. Besarnya kesalahan dapat dihitung dengan rumus: � = � 2 → � = � 2 � � = � �2,�� × � � × 100 Dimana : SE = Sampling Error Y = Volume pohon m ³ � = Rata-rata volume pohon m ³ha � = Simpangan baku rata-rata �� = Derajat bebas 11. Validasi model Hasil persamaan-persamaan regresi yang telah diuji tersebut diatas, baik pada penyusunan regresi untuk tarif volume pohon, maupun pada penyusunan untuk tabel volume pohon standar, perlu dilakukan uji validasi dengan menggunakan pohon contoh yang telah dialokasikan sebelumnya khusus untuk pengujian validasi model. Data pohon contoh tersebut tidak digunakan dalam penyusunan model-model tabel volume diatas. Uji validasi model dapat dengan melihat pada nilai-nilai simpangan agregasinya agregative deviation, simpangan rata-rata mean deviation, RMSE root mean square error, biasnya serta uji beda nyata antara volume yang diduga dengan tabel terhadap volume nyatanya. Uji beda nyata bisa dilakukan dengan cara uji Khi-kuadrat. 12. Pengujian validasi model Nilai-nilai pengujian validasi model tersebut dapat dihitung dengan rumus- rumus sebagai berikut : a. Simpangan agregat agregative deviation Simpangan agregat merupakan selisih antara jumlah volume aktual Va dan volume dugaan Vt yang diperoleh berdasarkan dari tabel volume pohon, sebagai persentase terhadap volume dugaan Vt. Persamaan yang baik memiliki nilai simpangan agregat SA yang berkisar dari -1 sampai +1 Spurr 1952. Nilai SA dapat dihitung dengan rumus :                       n i V n i V n i V SA ti ai ti 1 1 1 b. Simpangan rata-rata mean deviation Simpangan rata-rata merupakan rata-rata jumlah dari nilai mutlak selisih antara jumlah volume dugaan Vt dan volume aktual Va, proporsional terhadap jumlah volume dugaan Vt. Nilai simpangan rata-rata yang baik adalah tidak lebih dari 10 Spurr 1952. Simpangan rata-rata dapat dihitung dengan rumus : 100 1 x n n i V V V SR ti ai ti                           c. RMSE root mean square error RMSE merupakan akar dari rata-rata jumlah kuadrat nisbah antara selisih volume dugaan dari tabel volume pohon Vt dengan volume aktualnya Va terhadap volume aktual. Nilai RMSE yang lebih kecil, menunjukkan model persamaan penduga volume yang lebih baik. RMSE dapat dihitung dengan rumus:   100 1 2 x n n i V V V RMSE ai ai ti         d. Bias Bias e adalah kesalahan sistematis yang dapat terjadi karena kesalahan dalam pengukuran, kesalahan teknis pengukuran maupun kesalahan karena alat ukur Sutarahardja 1999. Bias dapat dihitung dengan rumus : 100 1 x n i n V V V e ai ai ti                       e. Uji beda rata-rata Khi-kuadrat Khi-square test Pengujian validasi model persamaan penduga volume pohon, dapat pula dilakukan dengan menggunakan uji χ² Khi-kuadrat, yaitu alat untuk menguji apakah volume yang diduga dengan table volume pohon Vt berbeda dengan volume pohon aktualnya Va. Dalam hal ini hipotesa yang diuji adalah sebagai berikut : Va Vt H  : dan Va Vt H  : 1 Kriterium ujinya adalah :       n i V V V hitung ai ai ti 1 2 2  Kaidah keputusannya adalah sebagai berikut : 2 1 , 2   n tabel hitung    , maka terima H 2 1 , 2   n tabel hitung    , maka terima 1 H 13. Pemilihan model regesi terbaik dan valid Model persamaan regresi untuk penyusunan tabel volume pohon yang akurat dan valid adalah apabila memenuhi kriteria sebagai berikut : 1. Dalam analisis regresi menghasilkan nilai-nilai R ² yang besar, regresi yang nyata berdasarkan hasil analisis keragamannya serta sampling error SE yang rendah. 2. Dalam uji validasi harus memenuhi standar pengujian antara lain : - Persamaan yang baik memiliki nilai simpangan agregat SA yang berkisar berada diantara -1 sampai + 1 Spurr 1952. - Persamaan yang baik memiliki nilai Simpangan rata-rata tidak lebih dari 10 Spurr 1952. - Nilai RMSE dan Bias yang kecil menunjukan model persamaan penduga volume yang lebih baik. - Apabila hasil uji beda antara nilai rata-rata yang diduga dengan tabel volume dengan nilai rata-rata nyata actual, tidak menunjukkan adanya perbedaan yang nyata H o , diterima maka persamaan penduga volume itu baik.

BAB IV KEADAAN UMUM LOKASI PENELITIAN