sederhana. Dalam penerapan pemakainnya famili sebaran normal memiliki peubah acak normal baku z dimana sebaran peluang dapat dicari menggunakan
tabel. Famili sebaran lognormal kadang-kadang dikatakan sebagai sebaran
antilognormal. Sebaran lognormal terbagi dua, yaitu : memiliki 2 parameter dan 3 parameter yang membedakan keduanya adalah parameter teta . Dalam famili
sebaran lognormal dengan 2 parameter, nilai teta ini dianggap 0 sedangkan yang lain tidak. Distribusi lognormal sama seperti distribusi normal memiliki 2
distribusi parameter, yaitu : µ dan σ. Parameter µ dikenal dengan sebutan
parameter skala dan σ parameter bentuk. Peubah acak x dinotasikan dengan x
log µ, σ.
Famili sebaran gamma memiliki 2 parameter, yaitu : parameter alfa α dan
parameter bentuk beta ß. Peubah acak x yang menyebar gamma dinotasikan dengan x G ß,
α. Ketika α = 1 maka sebaran gamma akan menjadi sebaran eksponensial dengan
α = 1ß. Famili sebaran eksponensial negatif merupakan salah satu distribusi dengan
konstanta lamda sama dengan konstanta =C. Famili sebaran eksponensial negatif hanya memiliki satu parameter yakni parameter teta yang disimbolkan
dengan . Peubah acak x yang menyebar secara eksponensial negatif dinotasikan dengan x E . Suatu peubah acak x dikatakan mempunyai sebaran eksponensial
negatif dengan parameter teta Prihanto 1987.
2.3. Kegunaan Struktur Tegakan Hutan
Tegakan yang tumbuh setelah gangguan yang besar telah dideskripsikan sebagai tegakan usia merata, karena semua komponen pohon telah diasumsikan
untuk meregenerasi tidak lama setelah gangguan. Bahkan dapat berlanjut beregenerasi untuk beberapa dekade, dimana pertumbuhannya pelan sebelum
spasi pertumbuhan yang tersedia ditempati ulang yang menghasilkan kisaran umur yang rentang pada tegakan Oliver Larson 1990.
Menurut Prihanto 1987 kegunaan struktur tegakan yang mungkin dikembangkan di hutan tanaman digunakan untuk penentuan kerapatan pohon
pada berbegai kelas diameter, penentuan luas bidang dasar tegakan, penentuan volume tegakan, serta penentuan biomassa.
2.5. Ukuran Kemenjuluran Data
Kemenjuluran atau kecondongan skewness adalah tingkat ketidaksimetrisan atau kejauhan simetri dari sebuah distribusi. Sebuah distribusi
yang tidak simetris akan memiliki rata-rata, median, dan modus yang tidak sama besarnya X
≠ Me ≠ Mo, sehingga distribusi akan terkonsentrasi pada salah satu sisi dan kurvanya akan tidak simetris. Jika distribusi memiliki ekor yang lebih
panjang ke kanan daripada yang ke kiri, maka distribusi disebut condong ke kanan atau memiliki kecondongan positif. Sebaliknya, jika distribusi memiliki ekor lebih
panjang ke kiri daripada yang ke kanan, maka distribusi disebut condong ke kiri atau memiliki kecondongan negatif Hasan 1999.
Metode perhitungan nilai skewness dengan metode Koefesien Kemencengan Pearson merupakan nilai selisih rata-rata dengan modus dibagi simpangan baku.
Koefesien kemencengan pearson dirumuskan Hasan 1999 :
Keterangan : X
= harga rata-rata hitung dari sebaran kelas umur Mo =
modus s
= standard deviasi SK
= koefesien kemencengan pearson Nilai koefesien skewness untuk sebaran yang setangkup sempurna, nilai
tengah dan mediannya identik oleh SK bernilai nol. Bila sebarannya menjulur ke kiri, nilai tengahnya lebih kecil daripada mediannya, sehingga SK negatif. Tetapi
bila sebarannya menjulur ke kanan, nilai tengahnya lebih besar daripada mediannya, sehingga SK positif. Secara umum SK terletak antara -3 dan +3.
Ukuran kemenjuluran data skewness dirumuskan sebagai berikut Walpole 1992 :
Keterangan : = nilai tengah
σ = simpangan baku
Me = median
SK = skewness
SK = X-Mo s
SK = 3 – Me σ
BAB III METODE PENELITIAN
