Pendugaan Simpanan Karbon Tegakan Hutan Tanaman Industri Eucalyptus Grandis Hybrid Menggunakan Citra Landsat 8 Di Pt.Toba Pulp Lestari

PENDUGAAN SIMPANAN KARBON TEGAKAN HUTAN TANAMAN
INDUSTRI Eucalyptus grandis hybrid MENGGUNAKAN CITRA
LANDSAT 8 DI PT.TOBA PULP LESTARI

RANI ILMA PURBA

DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Pendugaan Simpanan
Karbon Tegakan Hutan Tanaman Industri Eucalyptus grandis hybrid
Menggunakan Citra Landsat 8 di PT. Toba Pulp Lestari adalah benar karya saya
dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip
dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir

skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.

Bogor, September 2015

Rani Ilma Purba
NIM E14110026

ABSTRAK
RANI ILMA PURBA. Pendugaan Simpanan Karbon Tegakan Hutan Tanaman
Industri Eucalyptus grandis hybrid Menggunakan Citra Landsat 8 di PT.Toba
Pulp Lestari. Dibimbing oleh NINING PUSPANINGSIH.
Eucalyptus grandis hybrid merupakan tanaman berkayu yang digunakan
PT. Toba Pulp Lestari sebagai bahan baku pulp dan kertas. Tujuan penelitian
adalah mengetahui simpanan karbon yang tersimpan pada hutan tanaman
Eucalyptus grandis hybrid dan merumuskan model untuk menduga nilai karbon
berdasarkan nilai NDVI pada citra landsat 8. Citra landsat 8 merupakan salah satu
teknologi penginderaan jauh generasi terbaru yang dapat mengidentifikasi kondisi
tutupan lahan. Hasil hubungan data lapangan ( nilai karbon ) dan nilai NDVI

diperoleh persamaan model regresi untuk menduga nilai karbon. Model regresi
yang terpilih adalah model kuadratik dengan persamaan Y= - 1.38 + 13.5 NDVI2.
Hasil pemetaan simpanan karbon berdasarkan model kuadratik diperoleh nilai
simpanan karbon yang terdiri dari 3 kriteria yaitu kriteria rendah, sedang, dan
tinggi. Kriteria rendah memiliki nilai simpanan kabon berkisar antara 0-19.5
ton/ha seluas 46801.23 ha, kriteria sedang memiliki nilai simpanan karbon
berkisar antara 19.5-42.93 ton/ha seluas 77953.23 ha, dan kriteria tinggi memiliki
nilai simpanan karbon lebih besar dari 42.93 ton/ha seluas 15450.57 ha.
Kata kunci : Eucalyptus grandis hybrid, NDVI, karbon, model regresi, landsat 8
RANI ILMA PURBA. Carbon Stock Estimation of Eucalyptus grandis hybrid
Plantation Forest Industry Stand Using Landsat 8 in PT. Toba Pulp Lestari.
Supervised by NINING PUSPANINGSIH.
Eucalyptus grandis hybrid is a woody plant that is used by PT. Toba Pulp Lestari
as raw material for pulp and paper. The objective of this study were to determine
the carbon stocks stored in Eucalyptus grandis hybrid plantations and formulate
the model to estimate carbon value based on NDVI value on Landsat 8 imagery.
Landsat 8 imagery is one of the latest generation of remote sensing technology
which can identify the condition of land cover. Correlation Results of field data
(carbon value) and NDVI values obtained regression model equation for estimate
carbon value. Regression models that chosen was quadratic model equation Y = 1.38 + 13.5 NDVI2. Results of mapping carbon stocks based on quadratic model

values obtained that carbon stocks consisted of three criteria: the criteria of low,
medium, and high. Low criteria have carbon stock value ranged from 0-19.5 ton /
ha is about 46801.23 ha , medium criteria have carbon stocks ranged from 19.542.93 ton / ha is about 77953.23 ha, and the high criteria have carbon stocks
values greater than 42.93 ton / ha is about 77953.23 ha.
Keywords : Eucalyptus grandis hybrid, NDVI, carbon, regression model, landsat
8

PENDUGAAN SIMPANAN KARBON TEGAKAN HUTAN
TANAMAN INDUSTRI Eucalyptus grandis hybrid MENGGUNAKAN
CITRA LANDSAT 8 DI PT.TOBA PULP LESTARI

RANI ILMA PURBA

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Kehutanan
pada
Departemen Manajemen Hutan

DEPARTEMEN MANAJEMEN HUTAN

FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015

PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Kuasa atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan April 2015 ini ialah
penginderaan jarak jauh (remote sensing), dengan judul Pendugaan Simpanan
Karbon Tegakan Hutan Tanaman Industri Eucalyptus grandis hybrid
Menggunakan Citra Landsat 8 di PT.Toba Pulp Lestari.
Terima kasih penulis ucapkan kepada Ibu Dr Nining Puspaningsih MSi
selaku pembimbing yang telah memberi arahan dan bimbingan kepada penulis.
Terima kasih juga disampaikan kepada PT. Toba Pulp Lestari yang telah
memberikan kesempatan dan bimbingan dalam pelaksanaan kegiatan penelitian.
Terimakasih juga kepada pihak-pihak dari bidang Perencanaan sektor Aek Nauli
dan sektor Tele atas arahan dan bimbingannya. Terakhir, terima kasih
disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa dan kasih
sayangnya.

Semoga karya ilmiah ini bermanfaat.

Bogor, September 2015
Rani Ilma Purba

DAFTAR ISI

DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

2

Tujuan Penelitian

2

Manfaat Penelitian

2

METODE

2

Waktu dan Lokasi

2

Bahan dan Alat

3

Prosedur Analisis Data

4

HASIL DAN PEMBAHASAN

10

Kondisi Umum Lokasi Praktek

10

Karakteristik Tegakan Eucalyptus grandis Hybrid

11

Model Penduga Simpanan Karbon

14

Pemetaan Sebaran Simpanan Karbon Hutan Tanaman Industri

17

Akurasi Pemetaan Simpanan karbon Hutan Tanaman Industri

21

SIMPULAN DAN SARAN

22

Simpulan

22

Saran

22

DAFTAR PUSTAKA

22

LAMPIRAN

25

RIWAYAT HIDUP

29

DAFTAR TABEL
1 Karakteristik band Citra Landsat 8
2 Nilai estimasi parameter model alometrik untuk menghitung biomassa
jenis pohon Eucalyptus grandis
3 Model matematika yang digunakan untuk pendugaan karbon
4 Analisis ragam untuk regresi sederhana
5 Matriks kesalahan ( confussion matrix )
6 Nilai simpanan karbon berdasarkan kelas tahun tanam
Eucalyptus grandis
7 Kondisi tutupan lahan bervegetasi areal IUPHHK-HTI
PT. Toba Pulp Lestari
8 Model penduga simpanan karbon di HTI PT. Toba Pulp Lestari
9 Hasil uji korelasi dua variabel pada model
10 Hasil uji regresi dua variabel pada model
11 Hasil validasi model menggunakan Uji Chi-square
12 Kriteria nilai simpanan karbon di IUPHHK-HTI PT. Toba Pulp Lestari
13 Kriteria nilai simpanan karbon berdasarkan sektor wilayah kerja di

IUPHHK - HTI PT. Toba Pulp Lestari
14 Hasil pengujian akurasi pemetaan dengan metode confusion matrix

4
6
7
8
10
12
13
15
15
16
17
20
20
21

DAFTAR GAMBAR
1 Lokasi penelitian di Hutan Tanaman Industri PT.Toba Pulp Lestari
2 Klasifikasi NDVI di Hutan Tanaman Industri PT. Toba Pulp
Lestari
3 Sebaran simpanan karbon di sektor Aek Nauli
4 Sebaran simpanan karbon di sektor Aek Raja
5 Sebaran simpanan karbon di sektor Habinsaran
6 Sebaran simpanan karbon di sektor Tele

3
14
18
18
19
19

DAFTAR LAMPIRAN
1
2
3
4
5
6

Hasil rekapitulasi data diameter, NDVI, dan simpanan karbon
Hasil perhitungan regresi model linier
Hasil perhitungan regresi model polinomial Kuadratik
Hasil perhitungan regresi model kuadratik
Hasil perhitungan regresi model eksponensial
Hasil perhitungan regresi model power

vi

25
26
26
27
28
28

PENDAHULUAN
Latar Belakang
Hutan sebagai suatu ekosistem memiliki 3 fungsi, yaitu fungsi produksi,
fungsi ekologi, dan fungsi sosial. Fungsi ekologi hutan diantaranya adalah
pengatur iklim mikro, perlindungan tanah dan air, dan sumber plasma nutfah flora
dan fauna (Atmawidjaja 1995 diacu dalam Andreas 2013). Fungsi ekologi lain
yang terkait masalah perubahan iklim yang saat ini dihadapi oleh dunia sebagai
akibat pemanasan global yaitu sebagai penyimpan karbon. Saat ini, kondisi
ketersediaan hutan semakin berkurang akibat adanya pemanfaatan kayu yang
bersifat ekploitasi sehingga pemanasan global semakin meningkat. Hal
tersebut mengakibatkan terjadinya peningkatan emisi gas karbondioksida dalam
atmosfer dan penurunan simpanan karbon dalam hutan.
Salah satu jenis hutan berdasarkan bentuknya adalah hutan tanaman.
Hutan tanaman juga berperan penting dalam menyimpan karbon meskipun karbon
yang disimpan lebih rendah dibandingkan hutan alam karena hutan tanaman
didominasi oleh tanaman yang cenderung monokultur dan tanaman yang berumur
muda. Tetapi apabila dilihat dari produktivitasnya dalam menyimpan karbon (per
satuan luas dan per satuan waktu) maka ada kemungkinan hutan tanaman akan
memiliki kemampuan menyimpan karbon pada tegakannya dalam jumlah yang
lebih besar dibandingkan dengan hutan alam karena rotasinya lebih pendek
(Badan Litbang Kehutanan 2010).
PT Toba Pulp Lestari, Tbk adalah sebuah perusahaan pulp yang telah
mendapatkan izin dari pemerintah berupa izin Hak Pengusahaan Hutan
Tanaman Industri (HPHTI) dengan luas ± 188 055 hektar dan hanya sekitar
63 000 hektar saja yang dapat dikembangkan menjadi HTI dengan jenis tanaman
Eucalyptus grandis hybrid yang digunakan sebagai sumber bahan baku. Di
samping itu, PT. Toba Pulp Lestari juga membutuhkan sekitar 1.1 juta meter
kubik kayu per tahun untuk menghasilkan lebih kurang 200 ribu ton pulp baik
sebagai bahan baku industri kertas maupun bahan baku industri rayon untuk
industri tekstil. Dilihat dari peranan hutan dalam penyimpan karbon, informasi
mengenai jumlah karbon yang disimpan oleh suatu kawasan hutan menjadi
penting.
Simpanan karbon diperoleh dari hasil perhitungan biomassa suatu tegakan
melalui kegiatan inventarisasi hutan tanaman industri Eucalyptus grandis hybrid,
namun luasan HTI yang cukup besar akan memerlukan biaya, waktu, dan tenaga
yang besar jika dilakukan secara sensus (menyeluruh). Salah satu solusi yang
diterapkan adalah dengan menggabungkan data kegiatan sampling di lapangan
dan penggunaan teknologi penginderaan jauh dari sistem informasi geografis guna
memperoleh hasil yang yang efisien, lengkap, dan akurat. Teknologi penginderaan
jauh telah banyak digunakan dalam penelitian kondisi tutupan lahan, pendugaan
simpanan biomassa hutan, dan pemetaan titik api suatu kawasan. Salah satu
teknologi penginderaan jauh yaitu Citra Landsat 7 telah banyak digunakan dalam
kegiatan penelitian diantaranya penelitian pemetaan simpanan karbon tegakan
hutan alam, hutan rakyat maupun hutan tanaman (Andreas 2013, Butar-butar 2006,
Pratama 2012). Citra Landsat 8 merupakan satelit generasi terbaru dari program

2
landsat dan masih belum banyak digunakan dalam kegiatan penelitian, oleh
karena itu Citra Landsat 8 diharapkan dapat meningkatkan kemampuan dalam
mengidentifikasi tutupan lahan dan pendugaan simpanan karbon. Dalam
pendugaan simpanan karbon, citra penginderaan jauh yang digunakan adalah citra
NDVI yang menggunakan band Red dan band NIR (Near Infrared). Pada Citra
Landsat 8 terjadi pergeseran rentang spektral pada band Red dan NIR. Untuk itu,
pada penelitian ini akan dilakukan pendugaan simpanan karbon menggunakan
citra NDVI pada Landsat 8.
Perumusan Masalah

1.
2.

Adapun perumusan masalah dari penelitian ini adalah :
Adakah hubungan antara nilai indeks vegetasi dengan nilai simpanan
karbon dari hasil pengukuran di lapangan?
Apakah model terbaik memiliki nilai dugaan karbon yang tidak berbeda
nyata dengan nilai perhitungan karbon hasil pengukuran di lapangan?
Tujuan Penelitian

Tujuan penelitian adalah mengetahui simpanan karbon yang tersimpan
pada hutan tanaman Eucalyptus grandis hybrid di PT. Toba Pulp Lestari pada
tahun tanam 2010-2014 dan merumuskan model terbaik untuk menduga simpanan
karbon berdasarkan nilai NDVI dari Landsat 8.
Manfaat Penelitian
Penelitian ini diharapkan memberikan manfaat berupa informasi mengenai
peta sebaran simpanan karbon di Hutan Tanaman Industri PT. Toba Pulp Lestari.
Rekomendasi peta simpanan karbon juga bermanfaat bagi pihak perusahaan dalam
mengelola hutan yang lestari (Sustainable Forest Management).

METODE
Waktu dan Lokasi
Penelitian ini dilaksanakan pada bulan April 2015 di Hutan Tanaman
Industri PT. Toba Pulp Lestari yaitu di sektor Aek Nauli dan sektor Tele. Lokasi
penelitian secara administrasi terletak pada beberapa kabupaten yaitu Kabupaten
Simalungun, Humbang Hasundutan, Samosir, Pak-Pak Barat, dan Dairi.
Pengolahan dan analisis data dilaksanakan pada bulan Mei sampai dengan Juni
2015 di laboratorium fisik remote sensing dan GIS Fakultas Kehutanan IPB. Peta
lokasi penelitian HTI PT. Toba Pulp Lestari disajikan pada Gambar 1.

4
Tabel 1 Karakteristik band Citra Landsat 8
Saluran band

Panjang gelombang
(µm)
Band 1 – Coastal Aerosol
0.43-0.45
Band 2 – Blue
0.45-0.51
Band 3 – Green
0.53-0.59
Band 4 – Red
0.64-0.67
Band 5 – Near Infrared (NIR)
0.85-0.88
Band 6 – SWIR 1
1.57-1.65
Band 7 – SWIR 2
2.11-2.29
Band 8 – Panchromatic
0.50-0.68
Band 9 – Cirrus
1.36-1.38
Band 10 – Thermal Infrared (TIRS) 1 10.6-11.19
Band 11 – Thermal Infrared (TIRS) 2 11.5-12.51
Sumber : USGS (2013)

Resolusi spasial
(m)
30
30
30
30
30
30
30
15
30
100
100

Metode Penelitian
Prosedur analisis data penelitian ini terdiri dari beberapa proses yaitu Prapengolahan citra, pengambilan data lapangan, analisis data dengan perhitungan
simpanan karbon, uji regresi dan uji korelasi, pemetaan simpanan karbon, dan uji
akurasi pemetaan.
Pra Pengolahan Citra
Pra pengolahan citra merupakan proses awal sebelum melakukan kegiatan
pengolahan citra. Kegiatan Pra pengolahan citra dalam penelitian ini terdiri dari
beberapa proses yaitu Layer Stack, Fusi Citra ( Image Fusion or Pan-Sharpening ),
Tranformasi Koordinat Citra, Mosaik Citra ( Mosaic Process ), dan Pemotongan
Citra ( Cropping ).
1. Layer Stack
Layer stack merupakan suatu proses menggabungkan beberapa band pada
citra menjadi suatu kesatuan. Tujuan dari pengolahan citra ini adalah
menghasilkan citra gabungan yang mempunyai kualitas kekontrasan yang baik.
2. Fusi Citra ( Image Fusion or Pan-Sharpening )
Fusi Citra atau Pan-Sharpening merupakan salah satu kegunaan dari IHS
(Intensity, Hue, dan Saturation) dalam teknik mendisplay citra. Fusi citra
bertujuan untuk mengintegrasikan detail geometri atau spasial dari suatu citra
pankromatik beresolusi tinggi dengan citra multispektral rendah. Proses fusi
dilakukan oleh band 8 yang memiliki resolusi spasial 15 m x 15 m (pankromatik)
dengan band multispektral lainnya (band 1,2,3,4,5,6,7, dan 9). Berdasarkan hasil
fusi tersebut akan diperoleh citra yang memiliki resolusi spasial 15 m x 15 m.
3. Tranformasi Koordinat Citra
Tahapan ini mempunyai tujuan yaitu melakukan rektifikasi (pembetulan)
atau restorasi (pemulihan) citra agar koordinat citra sesuai dengan koordinat
geografi, registrasi posisi citra dengan citra lain atau mentransformasikan sistem

5
koordinat citra multispektral atau citra multitemporal, registrasi citra ke peta atau
transformasi sistem koordinat citra ke peta, yang menghasilkan citra dengan
sistem proyeksi tertentu (Jaya 2010). Penentuan sistem koordinat, proyeksi dan
datum sistem koordinat sesuai dengan lokasi penelitian yaitu Universal Tranverse
Mercator (UTM) zona 47N dengan datum yang digunakan adalah World
Geographic System 84 (WGS 84).
4. Mosaik Citra ( Mosaic Process )
Mosaik citra merupakan proses menggabungkan beberapa citra secara
bersama membentuk satu kesatuan (satu lembar) yang utuh dari suatu wilayah.
Kegiatan mosaik citra memiliki beberapa syarat kondisi yaitu sudah dilakukan
koreksi geometrik, mempunyai tingkat kekontrasan yang sama, dan jumlah band
dan panjang gelombang dari masing-masing band yang akan dimosaik sama (Jaya
2010).
5. Pemotongan Citra ( Cropping )
Cropping merupakan suatu proses pemotongan atau pembatasan citra yang
akan digunakan sehingga sesuai dengan lokasi penelitian. Kegiatan ini dilakukan
bertujuan untuk menganalisis dan mengevaluasi suatu lokasi agar sesuai dengan
batasan lokasi yang akan diamati.
Pengolahan Citra
Pengolahan citra adalah pemrosesan citra, khususnya dengan
menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Pengolahan citra
pada penelitian ini adalah pembuatan peta NDVI (Normalized Difference
Vegetation Index). Pembuatan peta NDVI bertujuan untuk memberikan informasi
nilai indeks vegetasi setiap titik pengamatan yang dilakukan. Perhitungan indeks
vegetasi tutupan lahan dengan menggunakan NDVI (Normalized Difference
Vegetation Index) merupakan perhitungan dari sinar tampak dan inframerah dekat
yang direfleksikan oleh vegetasi. Klasifikasi nilai piksel untuk NDVI berkisar
antara -1 sampai dengan 1 dimana nilai NDVI yang rendah (negatif)
mengidentifikasikan wilayah badan air, bebatuan, pasir, dan salju. Nilai NDVI
yang tinggi (positif) mengidentifikasikan wilayah vegetasi baik berupa padang
rumput, semak belukar, maupun hutan sedangkan nilai NDVI mendekati 0
umumnya mengidentifikasikan lahan kosong (Saputra 2007). Nilai NDVI dapat
dihitung dengan menggunakan persamaan:
NDVI = NIR-RED
NIR+RED
Keterangan: NIR : near infrared ( band infra merah dekat)
RED : band merah
Pengambilan Data Lapangan
Pengambilan data lapangan kondisi karbon di Hutan Tanaman Industri
dilakukan dengan cara inventarisasi hutan. Metode yang digunakan dalam
penentuan jumlah contoh di lapangan adalah metode purposive sampling.
Pengambilan plot contoh dilakukan berdasarkan tahun tanam 2010-2014 pada satu

6
jenis tanaman dan klasifikasi nilai NDVI dengan luas plot contoh seluas 0.04 ha
berbentuk lingkaran. Luas plot yang digunakan sesuai dengan luas plot pada
pengukuran tegakan Eucalyptus grandis hybrid di PT. Toba Pulp Lestari. Data
yang diperlukan dalam penelitian ini adalah pengukuran diameter pohon setinggi
dada (dbh), koordinat titik pusat plot (x,y), dan dokumentasi tegakan berdasarkan
tahun tanam. Pengambilan data lapangan dilakukan di dua sektor kerja perusahaan
HTI yaitu sektor Aek Nauli dan sektor Tele. Plot contoh yang diambil sebanyak
50 plot contoh yang terdiri dari 14 plot contoh dari sektor Aek Nauli dan 36 plot
contoh dari sektor Tele.
Analisis Data
1. Perhitungan biomassa
Perhitungan biomassa yang digunakan menggunakan pendugaan biomassa
non destruktif (persamaan alometrik) karena metode ini tidak merusak lingkungan
dan dapat dilaksanakan lebih cepat untuk areal hutan yang lebih luas. Model
alometrik yang digunakan untuk menghitung biomassa tanaman Eucalyptus
grandis hybrid adalah :
DW = aDb
Keterangan :
DW = Estimasi biomassa (kg/pohon)
D = Diameter pohon (cm)
a,b = Nilai estimasi parameter yang disajikan pada Tabel 2
Tabel 2 Nilai estimasi parameter model alometrik untuk menghitung biomassa
jenis pohon Eucalyptus grandis
No Biomassa pohon

Persamaan alometrik
a
b
1
Batang
0.0436
2.6883
2
Cabang
0.0228
2.0779
3
Daun
0.5775
2.5794
Sumber : Onrizal, Hartono dan Kusmana 2006

R2(%)

R2-adj(%)

98.28
82.03
73.48

98.17
80.90
27.47

2. Perhitungan simpanan karbon
Brown (1997); Heriansyah et al. (2003); Husch et al. (2003); Losi et al.
2003 diacu dalam Tiryana 2005 mengemukakan bahwa setengah (50%) dari
biomassa adalah karbon. Dengan demikian simpanan karbon dapat dihitung
melalui perkalian biomassa dengan konsentrasi karbon sebesar 50% tersebut.
Penelitian ini dilakukan pada tanaman Eucalyptus yang memiliki simpanan
karbon rata-rata adalah sebesar 44.92 % (45%) dengan kisaran 36.72-54.015 ton/
ha dari biomassa (Onrizal, Hartono dan Kusmana 2006). Maka simpanan karbon
tanaman dapat diduga dengan rumus:
C = B x 0.45
Keterangan: C = stok karbon (ton/ha), B = biomassa (ton/ha)

7
3. Penyusunan model
Peubah yang digunakan dalam penyusunan model adalah peubah bebas
dan peubah terikat. Peubah bebas adalah nilai NDVI dan peubah terikat adalah
simpanan karbon. Penyusunan model hubungan antara simpanan karbon dan
indeks vegetasi menggunakan beberapa model matematika disajikan pada Tabel 3.
Tabel 3 Model matematika yang digunakan untuk pendugaan karbon
Jenis model
Bentuk model
Linier
Y=a+b*NDVI
Kuadratik
Y=a+b*NDVI2
Polinomial Kuadratik
Y=a+b*NDVI+c*NDVI2
Power
Y=a*NDVIb
Eksponensial
Y=a*e(b*NDVI)
Sumber : Irianto (2008)
Keterangan :
Y
= Simpanan karbon
NDVI = Nilai NDVI pada Citra Landsat 8
a,b
= Nilai estimasi parameter
4. Pemilihan model terbaik
Pemilihan model terbaik didasarkan atas uji statistika yang dilakukan.
Model regresi dipilih berdasarkan nilai uji koefisien determinasi (R2) dan uji
koefisien determinasi terkoreksi (R2-adj) yang tinggi serta memiliki nilai
simpangan baku yang kecil (Sembiring 1995). Selain itu, model regresi terpilih
juga memiliki uji hipotesis yang antar peubah berhubungan nyata dan uji validasi
yang antara peubah memiliki kesamaan hasil perhitungan model dengan data
lapangan. Kriteria dalam pemilihan model terbaik yaitu:
Uji korelasi (r)
Uji korelasi digunakan untuk melihat hubungan antara simpanan karbon
dengan indeks vegetasi. Berikut ini persamaan untuk uji korelasi (r) (Irianto
2008):
∑
∑
∑
r= {
∑

∑

{ ∑

∑

Keterangan
xi = Nilai NDVI dari unit-unit contoh
yj = Nilai volume tegakan dari unit-unit contoh
n = Numlah unit contoh
r = Nilai korelasi
Besarnya koefisien korelasi (r) akan berkisar antara -1 sampai dengan 1.
Nilai korelasi negatif menunjukkan hubungan antara dua peubah yang diuji
memiliki korelasi negatif yaitu jika salah satu peubah nilainya menurun, maka
peubah lainnya akan meningkat. Nilai korelasi positif menunjukkan hubungan
antara dua peubah yang diuji memiliki korelasi positif, yaitu jika salah satu
peubah nilainya meningkat maka peubah lainnya akan meningkat pula. Sedangkan
nilai korelasi 0 menunjukkan hubungan antara dua peubah yang diuji tidak
memiliki korelasi. Hipotesisnya adalah :
H0: r = 0, artinya tidak ada korelasi antar dua peubah
H1: r ≠ 0, artinya ada korelasi antara dua peubah

8
Keputusan uji korelasi dapat dilihat dari nilai p-value. Keputusan memiliki
kriteria yaitu H0 diterima apabila p ≥ α dan H1 diterima apabila p< α, dimana α
adalah tingkat nyata sebesar 0.05 dengan selang kepercayaan 95%.
Uji koefisien regresi
Untuk mengetahui pengaruh signifikan koefisien regresi yang dihasilkan
dalam pembuatan model terhadap volume tegakan, maka perlu dilakukan
pengujian menurut kaidah statistik. Uji koefisien regresi ini dilakukan dengan
menggunakan uji-F (uji secara simultan/bersama).
-

Pengujian hipotesis
Pengujian hipotesis dilakukan terhadap model untuk mengetahui
keberartian hubungan peubah pada citra dengan simpanan karbon. Analisis ragam
untuk regresi disajikan pada Tabel 4 (Steel dan Torrie 1991).
Tabel 4 Analisis ragam untuk regresi sederhana
Db
JK
KT
Fhit

Sumber
keragaman
Regresi
dbr=p-1 JKR=bJHKxy KTR=JKR/dbr KTR/ KTS
Sisa
dbs=n-p JKS=JKT-JKR KTS=JKS/dbs
Total
n-1
JKT=Jky
Ket : p: banyaknya parameter; n: banyaknya plot contoh; db: derajat bebas; JK:
jumlah kuadrat; JHKxy: jumlah hasil kali x dan y; Jky: jumlah kuadrat y; KT:
kuadrat tengah
Hipotesis yang diuji adalah:
H0 : β1 = 0; peubah terikat Y tidak dipengaruhi oleh peubah bebas X
H1 : β1 ≠ 0; peubah terikat Y dipengaruhi oleh peubah bebas X
Keterangan : jika F-hit > F-tab maka terima H1
Jika F-hit ≤ F-tab maka terima H0
-

Perhitungan koefisien determinasi dan koefisien determinasi tekoreksi
Koefisien determinasi (R2) adalah ukuran dari besarnya keragaman peubah
tidak bebas yang dapat diterangkan oleh keragaman peubah bebasnya.
Perhitungan besarnya koefisien determinasi dimaksudkan untuk melihat tingkat
ketelitian dan keeratan hubungan yang dinyatakan dengan rumus (Sembiring
1995):
R2 =
Keterangan :
R2
= Koefisien determinasi
JKR = Jumlah kuadrat regresi
JKS = Jumlah kuadrat sisa
JKT = Jumlah kuadrat total

{

}

9
Simpangan baku (s)/ Deviasi standard
Deviasi standard atau simpangan baku merupakan ukuran penyebaran
yang paling sering digunakan. Mayoritas nilai data cenderung berada dalam satu
deviasi standar dari mean (Harinaldi 2005). Dalam hal ini nilai simpangan baku
merupakan akar dari ragam sisaan. Model yang baik memiliki nilai simpangan
baku yang kecil. Simpangan baku dapat didefinisikan sebagai berikut (Sembiring
1995):
S2 = JKS ; S =
n-p
Keterangan :
S2
: Ragam sisaan/ rataan kuadrat sisa
JKS : Jumlah kuadrat sisa
n
: Banyak data contoh
p
: Parameter
s
: Simpangan baku
-

Uji validasi model (Uji Chi-square/ Uji X2 )
Setelah model terbangun dan secara statistik dapat diterima, maka perlu
dilakukan validasi terhadap hasil dari model tersebut dengan menggunakan
perhitungan Uji-X2 (Chi-square). Perhitungan Uji-X2 menunjukkan besarnya
kecocokan antara hasil perhitungan menggunakan model dengan perhitungan data
lapangan aktual. Perhitungan Uji-X2 dapat dirumuskan sebagai berikut (Usman
dan Akbar 2009):
X2 = ∑ (Ei-Oi)2
Oi
Keterangan : X2 = Nilai Chi-square
Oi = Nilai observasi/ aktual
Ei = Nilai ekspetasi/ dugaan
Hipotesisnya adalah :
Ho : tidak ada perbedaan antara frekuensi harapan dengan frekuensi observasi
H1 : ada perbedaan antara frekuensi harapan dengan frekuensi observasi
Keterangan :
Jika X2-hitung < X2-tabel maka terima H0
Jika X2-hitung > X2-tabel maka tolak H0
Pemetaan Simpanan Karbon
Pemetaan simpanan karbon tegakan Eucalyptus grandis hybrid dibuat
berdasarkan model terpilih pendugaan simpanan karbon yang sudah tervalidasi.
Klasifikasi pemetaan simpanan karbon berdasarkan sebaran nilai NDVI dan
kerapatan tajuk di lapangan. Pembuatan peta simpanan karbon di Hutan tanaman
Industri PT. Toba Pulp Lestari menggunakan tools model maker pada software
Erdas Imagine 9.1 dan disempurnakan dengan software Arcgis 9.3.
Uji Akurasi Pemetaan
Uji akurasi pemetaan dilakukan untuk mengetahui tingkat keterwakilan
dan akurasi pembuatan peta simpanan karbon hutan tanaman industri. Uji akurasi
pemetaan yang digunakan dalam penelitian ini adalah Kappa acuracy. Akurasi ini
menggunakan semua elemen atau kolom dalam matriks (Jaya 2005). Selain itu,

10
dalam kappa acuracy dapat pula dihitung nilai overall acuracy (OA), akurasi
pembuat ( producer accuracy ), dan akurasi pengguna ( user’s accuracy ) dari
setiap kelas yang telah dibuat ( Tabel 5 ). Perhitungan nilai K, OA, UA, dan PA
dapat dirumuskan sebagai berikut (Jaya 2010) :
∑

∑

∑

∑

Keterangan:
= Nilai diagonal dari matrik kontingensi baris ke-i dan kolom ke-i
= Jumlah pixel dalam kolom ke-i
= Jumlah piksel dalam baris ke-i
N = Banyaknya plot contoh
Tabel 5 Matriks kesalahan ( confussion matrix )
Data acuan
Diklasifikasikan ke dalam kelas
Producer’s
(Training Area)
(data kelas di peta)
Total baris Accuracy
A
B
C
A
X11
X21
X31
X1+
X11/X1+
B
X21
X22
X32
X2+
X22/X2+
C
X31
X23
X33
X3+
X33/X3+
Total Kolom
X+1
X+2
X+3
N
User’s Accuracy
X11/X+1 X22/X+2
X33/X+3

HASIL DAN PEMBAHASAN
Kondisi Umum Lokasi Praktek
Areal IUPHHK-HTI PT. Toba Pulp Lestari terdiri dari 4 sektor yaitu
sektor Aek Nauli, Aek Raja, Habinsaran, dan Tele yang masih dilakukan
pengusahaan hutan. Luas areal IUPHHK-HTI PT. Toba Pulp Lestari adalah seluas
± 188 055 ha. Secara geografi, lokasi sektor IUPHHK-HTI tersebut adalah:
- Sektor Aek Nauli
: 98O50’00”- 99O10’00” BT
02O40’00’’- 02O50’00” LU
- Sektor Habinsaran
: 99O05’00”- 99O18’00” BT
02O07’00”- 02O21’00” LU
- Sektor Aek Raja
: 98O42’00”- 98O58’00” BT
01O54’00”- 02O15’00” LU
- Sektor Tele
: 98O20’00”- 98O50’00” BT
02O15’00”- 02O50’00” LU
Secara administrasi pemerintahan, areal IUPHHK-HTI tersebut tersebar ke dalam
beberapa kabupaten dan kecamatan yaitu:

11
-

Sektor Aek Nauli : Kabupaten Simalungun (Kecamatan Girsang Sipangan
Bolon, Dolok Panribuan, Jorlang Hataran, Hatonduhan, Pematang
Sidamanik) dan Kabupaten Asahan (Kecamatan Bandar Pasir Mandoge).
- Sektor Habinsaran: Kabupaten Toba Samosir (Kecamatan Silaen,
Habinsaran, Bor-bor, Laguboti) dan Kabupaten Tapanuli Utara
(Kecamatan Siborong-borong, Sipahutar)
- Sektor Aek Raja: Kabupaten Tapanuli Utara (Kecamatan Tarutung,
Parmonangan, Sipoholon, Pagaran), Kabupaten Humbang Hasundutan
(Kecamatan Dolok Sanggul, Sijamapolang), dan Kabupaten Tapanuli
Tengah (Kecamatan Sorkam, Pasaribu Tobing, Kolang)
- Sektor Tele : Kabupaten Humbang Hasundutan (Kecamatan Pollung,
Parlilitan), Kabupaten Samosir (Kecamatan Harian Boho), Kabupaten
Dairi (Kecamatan Parbuluan), dan Kabupaten Pak-Pak Barat (Kecamatan
Siempat Rube).
Selain itu, kondisi ketinggian tempat dari keempat sektor berkisar antara
lain yaitu sektor Aek Nauli berkisar antara 250-1700 mdpl, sektor Habinsaran
berkisar antara 900-1700 mdpl, sektor Aek Raja berkisar antara 700-1700 mdpl,
dan sektor Tele berkisar antara 900-1850. Kondisi Iklim di areal IUPHHK-HTI
PT. Toba Pulp Lestari adalah tipe iklim A ( sangat basah ) dengan curah hujan
rata-rata yang berbeda pada setiap sektor yaitu sektor Aek Nauli memiliki curah
hujan rata-rata 238 mm/ bulan, sektor Aek Raja memiliki curah hujan rata-rata
223 mm/ bulan, sektor Habinsaran memiliki curah hujan rata-rata 173 mm/bulan,
dan sektor Tele memiliki curah hujan rata-rata 220 mm/bulan. Keadaan penutupan
lahan areal PT. Toba Pulp Lestari berdasarkan hasil verifikasi lapangan terhadap
penafsiran Citra Landsat tahun 2011 dan 2012 adalah sebagai berikut areal hutan
alam bekas tebangan (20.88%), areal yang telah ditanami (31.97%), areal tanah
kosong, padang alang-alang dan semak belukar (28.06 %), sarana prasarana
(0.98%), dan permukiman, sawah, ladang, kebun, areal, pinjam pakai (18.35%)
(IUPHHK-HT PT. Toba Pulp Lestari 2013).
Karakteristik Tegakan Eucalyptus grandis Hybrid
Eucalyptus grandis Hybrid merupakan tanaman berkayu yang ditanam di
areal HTI PT. Toba Pulp Lestari. Eucalyptus grandis Hybrid ini merupakan hasil
persilangan antara Eucalyptus grandis dengan Eucalyptus pelita dan Eucalyptus
grandis dengan Eucalyptus urophylla. Tujuan dilakukan persilangan jenis adalah
untuk memperoleh induk unggul yang memiliki batang yang kuat, perakaran
serabut, dan pertumbuhan yang cepat. Berdasarkan hasil persilangan tersebut
diperoleh hasil kloning yang berbeda-beda dengan ciri masing-masing kloning
tidak terlalu signifikan. Pengambilan plot contoh dilakukan berdasarkan tahun
tanam 2010-2014 sehingga diperoleh kelas simpanan karbon di HTI tersebut.
Pengambilan plot contoh di lapangan dilakukan sebanyak 50 plot contoh yang
tersebar pada tahun tanam eukaliptus yang terdiri dari tahun tanam 2010 sebanyak
6 plot, tahun tanam 2011 sebanyak 13 plot, tahun tanam 2012 sebanyak 15 plot,
tahun tanam 2013 sebanyak 7 plot, dan tahun tanam 2014 sebanyak 9 plot. Plot
contoh pengukuran berbentuk lingkaran dengan luasan 0.04 ha atau diameter
11.28 meter. Penentuan jumlah plot contoh didasarkan atas luas masing-masing
tahun tanam dari dua sektor yaitu sektor Aek Nauli dan sektor Tele. Berdasarkan

12
hasil pengukuran lapangan terhadap diameter pohon, diperoleh nilai biomassa
suatu tegakan per ha dengan rumus alometrik tanaman Eucalyptus grandis yang
berasal dari hasil penelitian Onrizal, Hartono dan Kusmana (2006) pada lokasi
yang sama. Hasil dari biomassa tersebut dikonversikan menjadi karbon dan
mengalikan dengan nilai rata-rata karbon (%) di lokasi penelitian yang sama .
Berdasarkan hasil perhitungan nilai simpanan karbon di HTI PT. Toba Pulp
Lestari diperoleh nilai karbon tanaman Eucalyptus grandis pada tahun tanam
2010-2014 berkisar antara 1.53 – 52.75 ton/ha yang terdapat pada Lampiran 1.
Nilai rata-rata diameter, kerapatan pohon dan simpanan karbon berdasarkan tahun
tanam tanaman Eucalyptus grandis hybrid disajikan pada Tabel 6.
Tabel 6 Nilai simpanan karbon berdasarkan kelas tahun tanam tanaman
Eucalyptus grandis hybrid di PT. Toba Pulp Lestari pada tahun 2015
Tahun
Rata-rata
Kerapatan
Rata-rata Rata-rata
Rata-rata
Tanam
diameter (pohon/ha)
biomassa
karbon
karbon model
(cm)
(ton/ha)
(ton/ha)
(ton/ha)
2014
3.97
1613
6.33
2.84
6.62
2013
8.23
1617
30.09
13.54
17.52
2012
10.70
1550
53.15
23.92
23.42
2011
12.05
1430
68.10
30.64
33.43
2010
13.32
1354
85.93
38.66
39.77
Sumber : pengukuran data lapangan tahun 2015
Tabel 6 menunjukkan bahwa nilai biomassa berbanding lurus dengan nilai
simpanan karbon. Hal tersebut sesuai dengan Onrizal (2004) yang mengemukakan
bahwa semakin tinggi biomassa vegetasi tersebut maka simpanan karbon juga
semakin tinggi. Pertambahan nilai diameter juga menyebabkan nilai karbon
semakin tinggi. Hal tersebut sesuai dengan penelitian Dahlan (2005) bahwa total
simpanan karbon juga sangat dipengaruhi oleh diameter pohon dan kerapatan
akan tetapi faktor kerapatan tidak memberikan total simpanan karbon yang besar
apabila diameter pohonnya kecil. Berdasarkan tahun tanam tegakan Eucalyptus
grandis hybrid diperoleh nilai karbon yang paling tinggi pada tahun tanam 2010
sebesar 38.66 ton/ha sedangkan nilai karbon yang paling kecil pada tahun 2014
sebesar 2.84 ton/ha. Selain itu terlihat bahwa nilai karbon pada tahun tanam 20102012 tidak berbeda secara signifikan. Hal ini sesuai dengan penelitian dari
Pratama (2012) bahwa pada kelas umur 4 tahun dan 3 tahun tidak terjadi
perbedaan nilai karbon yang signifikan dikarenakan pada tegakan dilakukan
perawatan dan pemeliharaan secara bertahap baik dari perlindungan hutan
maupun serangan hama dan penyakit tanaman. Tabel 6 juga menjelaskan bahwa
nilai rata-rata karbon dari hasil pengukuran lapangan tidak berbeda nyata dengan
nilai rata-rata karbon dari hasil perhitungan model sehingga simpanan karbon di
HTI PT. Toba Pulp Lestari dapat dipetakan.
Selain data aktual yang diperoleh dari plot contoh pengukuran, setiap plot
contoh juga memiliki nilai indeks vegetasi (NDVI) yang berbeda-beda dari citra
satelit. Hal ini dikarenakan kondisi tutupan tajuk berdasarkan kelas umur tanaman
terdiri dari kerapatan tajuk rendah, sedang, dan tinggi. Nilai NDVI Hutan
Tanaman Industri PT. Toba Pulp Lestari berkisar antara 0.28-0.50 yang terlampir
pada Lampiran 1. Kisaran nilai NDVI tersebut merupakan objek yang bervegetasi.

13
Nilai indeks vegetasi yang tinggi memberikan gambaran bahwa di areal yang
diamati terdapat vegetasi dengan tingkat kehijauan yang tinggi seperti areal hutan
dan lebat. Sebaliknya nilai indeks vegetasi yang rendah merupakan indikator
bahwa lahan yang dipantau mempunyai tingkat kehijauan yang rendah, lahan
dengan vegetasi jarang atau bukan objek vegetasi (Arhatin 2007). Nilai NDVI
tanaman Eukaliptus dilihat dari satu titik pusat pengamatan plot contoh. Data
NDVI akan menjadi variabel (peubah bebas X) untuk menduga simpanan karbon
di citra satelit sesuai dengan model yang sudah teruji. Kondisi tutupan lahan
bervegetasi di areal IUPHHK-HTI akan disajikan pada Tabel 7.
Tabel 7 Kondisi tutupan lahan bervegetasi areal IUPHHK-HTI PT. Toba Pulp
Lestari
Rata-rata
Tampilan citra
Tampilan lapang
Keterangan
nilai NDVI
0.35

Tahun
tanam
2014

0.396

Tahun
tanam
2013

0.406

Tahun
tanam
2012

0.428

Tahun
tanam
2011

0.44

Tahun
tanam
2010

15
Tabel 8 Model penduga simpanan karbon di HTI PT. Toba Pulp Lestari
No.
Jenis model
Model persamaan regresi
1
Model Linier
Y = - 3.53 + 10.9 NDVI
2
Model Polinomial Kuadratik
Y = -0.25-5.6 NDVI + 20.3 NDVI2
3
Model Kuadratik
Y= - 1.38 + 13.5 NDVI2
4
Model Eksponensial
Y= 0.000363*e (18.3*NDVI)
5
Model Power
Y= 478.1861*NDVI7.34
Berdasarkan model yang sudah terbentuk maka dilakukan analisis statistik
yaitu uji koefisien korelasi, uji koefisien regresi, dan uji validasi. Hasil analisis
statistik ini digunakan untuk memilih model terbaik yang akan digunakan untuk
pemetaan simpanan karbon di areal IUPHHK-HTI PT. Toba Pulp Lestari.
Uji koefisien korelasi
Ada atau tidaknya hubungan antara peubah X (NDVI) dan peubah Y
(simpanan karbon) digambarkan oleh koefisien korelasi (r). Nilai r tersebut dapat
pula diartikan sebagai tingkat kekuatan hubungan antara dua variabel atau lebih
(besarnya kontribusi yang diberikan oleh variabel yang mempengaruhi) (Supangat
2010) . Hasil korelasi dari kedua variabel X dan Y disajikan pada Tabel 9.

Karbon
NDVI
NDVI2

Tabel 9 Hasil uji korelasi dua variabel pada model
Karbon
NDVI
NDVI2
1
0.829
0.833
0.829
1
0.996
0.833
0.996
1

Berdasarkan hasil uji korelasi di atas menggambarkan bahwa korelasi yang
paling tinggi adalah korelasi antara peubah X (NDVI dan NDVI2) sebesar 0.996.
Hal ini menjelaskan bahwa antara peubah X tersebut memiliki hubungan yang
sangat kuat. Begitupun hubungan antara peubah X dan peubah Y memiliki nilai
korelasi sebesar 0.829 dan 0.833. Ini membuktikan bahwa dalam pembentukan
model, peubah X sudah dapat digunakan untuk menduga nilai Y tanpa harus
menambah peubah yang lain. Hal ini juga berpengaruh terhadap kesalahan standar
yaitu apabila koefisien korelasi sangat besar maka kesalahan standar akan sangat
kecil karena secara prinsip nilai dari koefisien korelasi dan kesalahan standar
ternyata mempunyai kesamaan yang sama yaitu merupakan ukuran untuk
menyatakan tingkat kekuatan hubungan antara nilai sesungguhnya atau nilai
pengamatan terhadap nilai dugaan (Supangat 2010). Selain nilai korelasi, uji
korelasi juga menghasilkan nilai p-value sebesar 0. Ini menjelaskan bahwa apabila
nilai p-value < α (α = 0.05) maka uji tolak H0 yang berarti terdapat korelasi antara
kedua peubah. Korelasi antara dua variabel ini termasuk korelasi positif yaitu
perubahan variabel X diikuti oleh perubahan variabel Y secara searah.
Uji koefisien regresi
Pengujian selanjutnya dilakukan dengan menguji koefisien regresi yang
terdiri dari koefisien determinasi, simpangan baku dan uji hipotesis. Berikut hasil
uji dari nilai koefisien regresi yang disajikan pada Tabel 10.

16

No.
1
2
3
4
5

Tabel 10 Hasil uji regresi dua variabel pada model
Model persamaan regresi
R2 R2-adj
s
Y = - 3.53 + 10.9 NDVI
Y = -0.25-5.6 NDVI + 20.3 NDVI2
Y= - 1.38 + 13.5 NDVI2
Y= 0.000363*e (18.3*NDVI)
Y= 478.1861*NDVI7.34

79.7%
81.2%
81%
76.2%
78.5%

78.9%
79.8%
80.4%
75.4%
77.7%

F-hit F-tab

0.26 109.62 4.195
0.26 58.36 4.195
0.25 119.65 4.195
0.49 89.80 4.195
0.47 102.20 4.195

*

Keterangan: R2: koefisien determinasi, R2-adj: koefisien determinasi terkoreksi, s: simpangan
baku, F-hit: nilai uji F-hitung, F-tab: nilai F-tabel pada tingkat kepercayaan 95% (α = 0.05)

Berdasarkan hasil analisis regresi pada Tabel 10 diperoleh nilai koefisien
determinasi, koefisien determinasi terkoreksi, simpangan baku, dan uji F-hitung
serta F-tabel. Hasil dari nilai uji koefisien determinasi diperoleh nilai R2 terbesar
yaitu pada model polinomial kuadratik sebesar 81.2% selanjutnya diikuti dengan
model kuadratik sebesar 81%. Tetapi hasil dari uji R2-adj diperoleh nilai tertinggi
dari model kuadratik sebesar 80.4% diikuti dengan model polinomial kuadratik
sebesar 79.8%. Berdasarkan hal tersebut, koefisien determinasi terkoreksi yang
memiliki nilai tertinggi mewakili kriteria pemilihan model terbaik yaitu model
kuadratik sebesar 80.4%. Hasil koefisien determinasi tersebut menjelaskan
bahwa 80.4% keragaman variabel Y dapat dijelaskan oleh keragaman X atau
80.4% variabel X memberikan kontribusi terhadap variabel Y. Jadi semakin tinggi
nilai koefisien determinasi maka semakin tinggi pula kemampuan model regresi
menjelaskan variasi variabel terikat.
Selanjutnya kriteria nilai simpangan baku, berdasarkan hasil uji regresi
diperoleh nilai simpangan baku terkecil pada model kuadratik sebesar 0.25. Hal
ini menunjukkan bahwa penyimpangan nilai pengamatan dari model yang lain
kurang beragam. Jadi semakin besar nilai s maka penyimpangan nilai pengamatan
terhadap model semakin beragam.
Uji terakhir yaitu uji hipotesis. Berdasarkan hasil uji F-hitung dan F-tabel
bahwa nilai F-hitung lebih besar dari nilai F-tabel (F-hitung>F-tabel) dengan
selang kepercayaan 95% (α = 0.05) maka dapat disimpulkan bahwa hasil
perhitungan uji hipotesis tolak H0 yaitu ada hubungan regresi yang nyata antara
peubah X (NDVI) dan peubah Y (simpanan karbon).
Uji Validasi (Uji Chi-square)
Tujuan uji validasi adalah membandingkan antara fakta yang diperoleh
berdasarkan hasil observasi dan fakta yang didasarkan secara teoritis (yang
diharapkan) (Supangat 2010). Uji validasi yang dilakukan adalah pengujian
terhadap perhitungan hasil model regresi dengan perhitungan hasil data lapangan
(aktual). Perhitungan hasil model regresi menggunakan sebaran nilai NDVI dari
setiap plot contoh di lapangan. Nilai NDVI diperoleh dari deteksi oleh citra satelit
terhadap titik pusat setiap plot contoh. Sedangkan perhitungan hasil data lapangan
menggunakan rumus alometrik tegakan Eucalyptus grandis dari hasil pengukuran
diameter pohon. Berikut hasil uji validasi yang disajikan pada Tabel 11.

17

No.
1
2
3
4
5

Tabel 11 Hasil validasi model menggunakan uji Chi-square
Model Persamaan Regresi
X2-hitung
X2-tabel
Y = - 3.53 + 10.9 NDVI
Y = -0.25-5.6 NDVI + 20.3 NDVI2
Y= - 1.38 + 13.5 NDVI2
Y= 0.000363*e (18.3*NDVI)
Y= 478.1861*NDVI7.34

6.97
6.44
6.57
6.35
6.23

30.14
30.14
30.14
30.14
30.14

Berdasarkan hasil perhitungan uji validasi menunjukkan bahwa nilai X2hitung < X2-tabel dengan selang kepercayaan 95% yang menyatakan bahwa hasil
uji terima H0 berarti adanya kecocokan antara hasil model regresi dengan hasil
data lapangan (aktual) atau hasil model regresi tidak berbeda nyata dengan hasil
data lapangan (aktual). Oleh karena itu, model regresi yang dibentuk dapat
digunakan untuk menduga simpanan karbon di lokasi Hutan Tanaman Industri PT.
Toba Pulp Lestari.
Model Persamaan Regresi Terpilih
Model persamaan regresi terpilih dengan beberapa kriteria yaitu memiliki
simpangan baku yang kecil, memiliki R2 dan R2-adj yang besar dan nilainya tidak
berbeda jauh, memiliki uji hipotesis yang antara kedua variabel saling
berhubungan (berpengaruh satu sama lain), dan uji validasi yang hasil perhitungan
model regresi tidak berbeda nyata dengan hasil perhitungan data lapangan.
Berdasarkan kriteria tersebut, model persamaan regresi yang terpilih adalah model
kuadratik dengan persamaan model Y= - 1.38 + 13.5 NDVI2 karena model kuadratik
memiliki simpangan baku terkecil sebesar 0.25; memiliki nilai R2 dan R2-adj yang
tidak berbeda jauh yaitu 81% dan 80.4% meskipun model kuadratik tidak
memiliki nilai R2 tertinggi tetapi memiliki nilai R2-adj tertinggi dan perbedaan
nilai R2 dan R2-adj tidak terlalu signifikan; saling berpengaruh antara dua variabel
dan memiliki kecocokan antara hasil model regresi dan hasil data lapangan.
Sehingga model kuadratik dapat digunakan untuk pemetaan dan pendugaan
simpanan karbon di HTI PT. Toba Pulp Lestari.
Pemetaan Sebaran Simpanan Karbon Hutan Tanaman Industri
Model yang sudah terpilih yaitu model kuadratik selanjutnya digunakan
untuk pemetaan simpanan karbon di Hutan Tanaman Industri PT. Toba Pulp
Lestari. Pemetaan simpanan karbon dilakukan di seluruh areal IUPHHK-HTI PT.
Toba Pulp Lestari yang terdiri dari 4 sektor yaitu sektor Aek Nauli, sektor Aek
Raja, sektor Habinsaran, dan sektor Tele. Berdasarkan pemetaan model regresi
terpilih diperoleh 4 kelas simpanan karbon HTI yaitu non vegetasi, simpanan
karbon dengan kelas rendah, simpanan karbon dengan kelas sedang, dan simpanan
karbon dengan kelas tinggi, dengan masing-masing kelas dihitung luasnya. Hasil
pemetaan simpanan karbon di seluruh areal HTI akan disajikan pada Gambar 3
sampai dengan Gambar 6. Selain itu, kriteria nilai simpanan karbon di seluruh
areal kerja PT. Toba Pulp Lestari disajikan pada Tabel 12 dan kriteria nilai
simpanan karbon berdasarkan sektor wilayah kerja disajikan pada Tabel 13 .

20
Tabel 12 Kriteria nilai simpanan karbon di IUPHHK-HTI PT. Toba Pulp Lestari
No. Simpanan Karbon (ton/ha)
Luas (ha)
Luas (%)
Kriteria
1
0
43647.09
23.74
Non Vegetasi
2
> 0 – 19.5
46801.23
25.4
Rendah
3
> 19.5 – 42.93
77953.23
42.39
Sedang
4
>42.93
15450.57
8.4
Tinggi
Tabel 13 Kriteria nilai simpanan karbon berdasarkan sektor wilayah kerja di
IUPHHK-HTI PT. Toba Pulp Lestari
No. Simpanan Karbon
Luas (ha)
(ton/ha)
Aek Nauli
Aek Raja
Tele
Habinsaran
1
0
5317.58
2807.90
6142.66
7997.08
2
> 0 – 19.5
7483.00
12187.59 17966.26
9152.07
3 > 19.5 – 42.93
7024.97
26695.96 35359.83
8860.38
4
>42.93
552.83
4090.66 10058.65
748.68
Tabel 12 menjelaskan bahwa kriteria sedang memiliki total simpanan
karbon yang paling besar yaitu berkisar antara >19.5-42.93 ton/ha dengan
persentase luas 42.39% sedangkan total simpanan karbon yang paling rendah
adalah kriteria tinggi sebesar >42.93 ton/ha dengan persentase luas 8.4%. Hal ini
disebabkan kelas kelas umur tanaman 5 tahun sudah banyak dilakukan
penebangan sehingga mengurangi nilai biomassa suatu tegakan. Hasil pada Tabel
12 dijabarkan pada Tabel 13 menurut kriteria simpanan karbon yang terdapat pada
keempat sektor yaitu sektor Aek Nauli, Habinsaran, Aek Raja, dan Tele. Tabel 13
menjelaskan bahwa nilai simpanan karbon tinggi pada kriteria kelas sedang tidak
menyebar merata pada keempat sektor. Sektor Aek Nauli dan Sektor Habinsaran
memiliki nilai simpanan karbon tinggi pada kriteria kelas rendah. Namun
perbedaan luas areal yang menyimpan karbon antara kriteria kelas sedang dan
kriteria kelas rendah tidak signifikan sehingga hasil kumulatif kriteria kelas
simpanan karbon yang memiliki simpanan karbon paling tinggi adalah kelas
sedang.
Menurut Rauf (2011), biomassa dan karbon total tegakan (vegetasi) dalam
suatu kawasan atau unit lahan menggambarkan berapa besar kemampuan kawasan
tersebut dalam menyerap (menambat) CO2 dari udara dan sekaligus
menggambarkan energi tersimpan (potensial) yang berada atau dimiliki oleh
kawasan atau unit lahan tersebut. Semakin lebat vegetasi suatu kawasan, akan
semakin tinggi kemampuan penambatan CO2 udara dan energi tersimpan dalam
kawasan itu, demikian sebaliknya. Penelitian yang telah dilakukan menunjukkan
bahwa jenis tanaman Eucalyptus grandis hybrid pada hutan tanaman industri
(HTI) PT Toba Pulp Lestari cukup memberikan kontribusi terhadap penyerapan
gas rumah kaca khususnya gas CO2 dari udara. Berdasarkan hasil penelitian
pemetaan simpanan karbon di hutan alam (Andreas 2013) bahwa hutan alam
menyimpan karbon rata-rata sebesar 200 ton/ha. Meskipun karbon yang disimpan
tidak sebesar pada hutan alam tetapi dari hasil penelitian ini Hutan Tanaman
Industri mampu menyimpan karbon hingga mencapai 42.93 ton/ha setiap rotasi.
Menurut Brown dan Gaton dalam Salim (2005) bahwa karbon merupakan
komponen penting dalam penyusunan biomassa tanaman yang dilakukan dalam
proses fotosintesis. Umumnya biomassa terdiri dari 45-50 % karbon. Biomassa

21
tanaman yang paling banyak menyerap karbon adalah batang. Sehingga HTI
berbagai kelas umur dengan pertumbuhan diameter yang cukup besar berkisar
antara 2-18cm dapat menghasilkan simpanan karbon yang cukup besar pula.
Akurasi Pemetaan Simpanan Karbon Hutan Tanaman Industri
Pengujian akurasi pemetaan dilakukan dengan supervised classification
(klasifikasi terbimbing). Pengujian akurasi ini bertujuan untuk mengetahui
ketelitian dari hasil klasifikasi. Akurasi sering dianalisis menggunakan suatu
matriks kontingensi yaitu suatu matrik bujur sangkar yang memuat jumlah piksel
yang diklasifikasi. Matrik ini sering disebut dengan error matrix atau confusion
matrix (Jaya 2010). Pengujian akurasi pemetaan ini menggunakan metode
confusion matrix. Berikut hasil dari pengujian akurasi pemetaan yang disajikan
pada Tabel 14.
Tabel 14 Hasil pengujian akurasi pemetaan dengan metode confusion matrix
Data
K_rendh
K_sedang K_tinggi
Non_htn row total
UA (%)
K_ rendah
244
8
0
0
252
96.82
K_sedang
0
352
0
0
352
100
K_tinggi
0
2
533
0
535
99.62
Non_htn
4
0
0
667
671
99.40
Kolom Total
248
362
533
667
1810
PA (%)
98.38
97.23
100
100
*keterangan : UA = User’s Accuracy ; PA = Producer’s Accuracy
Berdasarkan Tabel 14 bahwa data hasil uji akurasi dapat menghitung
besarnya user’s accuracy, producer’s accuracy, dan overall accuracy. User’s
accuracy (akurasi pengguna) adalah akurasi yang diperoleh dengan membagi
jumlah piksel yang benar dengan total piksel dalam kolom. Producer’s accuracy
(akurasi pembuat) adalah akurasi yang diperoleh dengan membagi piksel yang
benar dengan jumlah total piksel training area per kelas. Hasil user’s accuracy
pada Tabel 14 menunjukkan bahwa nilai terbesar terdapat pada klasifikasi
menurut kelas simpanan karbon sedang sebesar 100% sedangkan nilai terkecil
terdapat pada klasifikasi kelas simpanan karbon rendah sebesar 96.82%. Hasil
producer’s accuracy menunjukkan bahwa nilai terbesar terdapat pada kelas
simpanan karbon tinggi dan non vegetasi sebesar 100% sedangkan nilai terkecil
terdapat pada kelas simpanan karbon sedang sebesar 97.23%. Untuk mengetahui
keseluruhan akurasi maka digunakan uji akurasi umum (overall accuracy).
Berdasarkan hasil perhitungan uji akurasi umum diperoleh nilai akurasi umum
sebesar 99.22% yang menggambarkan bahwa uji akurasi pemetaan ini sudah
memenuhi syarat minimal tingkat ketelitian pemetaan menggunakan penginderaan
jauh sebesar 85%. Akan tetapi, akurasi ini umumnya overestimate sehingga jarang
digunakan sebagai indikator yang baik untuk pengklasifikasian karena hanya
menggunakan piksel yang terletak pada diagonal suatu matrik kontingensi. Oleh
karena itu, pengujian akurasi dilakukan lagi dengan menggunakan kappa
accuracy. Tabel 14 menunjukkan bahwa diperoleh nilai uji kappa accuracy
sebesar 98.92%. Hasil uji kappa accuracy menjelaskan bahwa hasil uji akurasi
klasifikasi pemetaan cukup tinggi sehingga peta simpanan karbon tersebut dapat
digunakan.

22
SIMPULAN DAN SARAN
Simpulan
Pendugaan simpanan karbon aktual berdasarkan tahun tanam 2010-2014 di
Hutan Tanaman Industri PT. Toba Pulp Lestari diperoleh nilai karbon pada tahun
2010 sebesar 38.66 ton/ha, nilai karbon pada tahun tanam 2011 sebesar 30.64
ton/ha, nilai karbon pada tahun tanam 2012 sebesar 23.92 ton/ha, nilai karbon
pada tahun tanam 2013 sebesar 13.54 ton/ha dan nilai karbon pada tahun tanam
2014 sebesar 2.84 ton/ha. Model penduga karbon yang terpilih adalah model
persamaan kuadratik yaitu Y= - 1.38 + 13.5 NDVI2. Berdasarkan hasil uji korelasi
menjelaskan bahwa nilai NDVI dan simpanan karbon memiliki hubungan (saling
berpengaruh) dengan nilai korelasi lebih dari 0,8. Hasil uji validasi menunjukkan
bahwa X2-hitung < X2-tabel berarti adanya kecocokan antara hasil model regresi
dengan data lapangan. Model penduga karbon yang terpilih menghasilkan peta
simpanan karbon yang terdiri dari 3 kriteria yaitu kriteria rendah, sedang, dan
tinggi. Kriteria rendah memiliki nilai simpanan kabon berkisar antara 0-19.5
ton/ha, kriteria sedang berkisar antara 19.5-42.93 ton/ha, dan kriteria tinggi lebih
besar dari 42.93 ton/ha.
Saran
1.