yang bersudut siku-siku seperti gedung bertingkat dan lereng yang terjal. Bentuk pantulan sinyal radar pada setiap permukaan objek dijelaskan dalam Gambar 2.9.
2.4.5 Analisis Data
2.4.5.1 Analisis Korelasi
Analisis hubungan antara biomassa lapangan dengan nilai hamburan balik backscatter dilakukan dengan menyusun model hubungan antara biomassa atas
permukaan dengan nilai backscatter pada citra. Model yang diuji terdiri dari model linear, model logaritmik, ekxponensial, dan model regresi linear berganda.
Model tersebut dipilih karena dapat menggambarkan hubungan pertumbuhan antara nilai backscatter terhadap nilai biomassa. Bentuk model persamaan yang
digunakan dijelaskan pada Tabel 2.5. Tabel 2.5 Model yang diujicobakan dalam estimasi biomassa
Model Bentuk persamaan
Linear AGB = a + bHH
AGB = a + bHV AGB = a + bHHHV
Logaritmik AGB = alnHH + b
AGB = alnHV + b AGB = alnHHHV + b
Eksponensial AGB = a exp bHH
AGB = a exp bHV AGB = a exp bHHHV
Linear Berganda AGB = a + bHH + cHV
AGB = a + bHH + cHHHV AGB = a + bHV + cHHHV
Keterangan: AGB: above ground biomass, HH: polarisasi HH, HV: polarisasi HV
Kemudian akan dilakukan pemilihan model terbaik dengan melihat parameter koefisien determinasi R
2
yang paling tinggi. Koefisien determinasi menunjukan proporsi keragaman total nilai rata-rata peubah Y yang dapat
diterangkan oleh model yang digunakan Walpole 1993. Nilai koefisien determinasi dapat diketahui dengan persamaan:
R² = xᵢyᵢ
n i=1
− xᵢ
n i=1
yᵢ
n i=1
xᵢ²
n i=1
− xᵢ
n i=1
2
yᵢ²
n i=1
− yᵢ
n i=1
2
Keterangan: n
: Jumlah pengamatan y
ᵢ : Pengamatan Y
x ᵢ
: Pengamatan X
2.4.5.2 Uji Koefisien
Koefisien regresi diuji dengan menggunakan nilai P-value. Nilai P-value menunjukan pengaruh peubah bebas terhadap peubah terikat yang diharapkan,
hipotesis yang digunakan adalah: H
: Peubah bebas berpengaruh signifikan terhadap peubah terikat H
1
: Peubah bebas tidak berpengaruh signifikan terhadap peubah terikat Kaidah keputusan pada taraf nyata 95 adalah sebagai berikut:
Apabila P-value 0.05 maka Ho diterima. Apabila P-value 0.05 maka Ho ditolak
2.4.5.3 Uji Verifikasi
Setelah model terbangun dan secara statistik dapat diterima, maka dilakukan verifikasi terhadap hasil dari model tersebut. Pada penelitian ini
verifikasi dilakukan menggunakan Root Mean Square Error RMSE, bias ℮,
Simpangan Rata-rata Mean deviationSR, Simpangan Agregat Agregative DeviationSA, dan Uji-
χ². Uji verifikasi dilakukan pada 30 plot IHMB yang di ambil secara acak sampling untuk mengetahui pengaruh model yang diberikan.
Hubungan antara plot penelitian dan plot validasi plot IHMB diketahui dengan mengkorelasikan hasil biomassa pada plot peneltian dbh 10up dan hasil
biomassa pada plot IHMB dengan rumus biomassa dan ID plot yang sama. Persamaan korelasi tersebut digunakan untuk mengetahui jumlah di atas
permukaan pada plot validasi plot IHMB. Bentuk persamaan yang digunakan adalah:
= 1,003 + 7,355 Keterangan:
Y : Biomassa di atas permukaan plot IHMB X
: Biomassa dbh ≥ 10 cm plot IHMB Catatan : Persamaan ini diturunkan dari analisis regresi antara volume biomassa
dari plot IHMB dan biomassa dari hasil pengamatan plot penelitian.
Nilai RMSE merupakan akar dari rata-rata jumlah kuadrat sisa antara selisih nilai dugaan dengan nilai aktual. RMSE digunakan untuk mengetahui seberapa
besar error yang terjadi pada hasil perhitungan model jika dibandingkan dengan nilai aktual. Semakin kecil nilai RMSE, maka semakin kecil pula kesalahan yang
terjadi pada penggunaan model. Perhitungan RMSE dilakukan sesuai dengan rumus :
� =
[
ᵢ− ᵢ
ᵢ �=1
]² � 100
Keterangan : RMSE
: Root Mean Square Error ᵢ
: Nilai dugaan ᵢ
: Nilai aktual n
: Jumlah pengamatan verifikasi.
Bias ℮ merupakan kesalahan sistem yang dapat terjadi karena kesalahan dalam pengukuran, kesalahan teknis pengukuran maupun kesalahan karena alat
ukur. Bias ℮dapat bernilai positif dan negatif, nilai bias dikatakan baik apabila mendekati nilai 0. Bias dapat dihitung dengan persamaan:
� =
� − � �
� 100
�=1
Simpangan rata-rata adalah jumlah dari nilai mutlak selisih antara jumlah nilai dugaan Ht dan nilai aktual Ha, proporsional terhadap jumlah nilai dugaan
Ht. Nilai simpangan rata-rata yang baik adalah tidak lebih dari 10 Spurr 1952. Simpangan rata-rata dapat dihitung dengan persamaan:
= │
ᵢ− ᵢ ᵢ
│
�=1
�100
Simpangan agregat adalah selisih antara jumlah nilai aktual Ha dan nilai dugaan Ht sebagai presentase terhadap nilai dugaan Ht. Persamaan yang baik
memiliki simpangan agregat SA antara -1 sampai +1 Spurr 1952. Nilai SA dapat diketahui dengan persamaan:
= �
�=1
−
�=1
�
�=1
Pada penelitian ini, perhitungan Uji- χ² menunjukkan besarnya kecocokan
antara hasil perhitungan menggunakan model nilai harapan dengan perhitungan data lapangan nilai observasinilai aktual.
Jika nilai χ²-hitung lebih kecil dari nilai χ²-tabel pada taraf nyata 95, maka dapat dinyatakan bahwa hasil dugaan
menggunakan model terbangun tidak berbeda dengan perhitungan data lapangan nilai aktual.
Perhitungan χ² Walpole 1993 dapat dirumuskan sebagai berikut :
X
2
= Oᵢ − Eᵢ
2
E ᵢ
�=0
Keterangan : X
2
: Nilai Chi-square E
ᵢ : Nilai ekspetasidugaan O
ᵢ : Nilai observasiaktual.
Hipotesis yang digunakan adalah: H
: Biomassa Atas Permukaan BAP model sama dengan BAP lapangan H
1
: Biomassa Atas Permukaan BAP model tidak sama dengan BAP lapangan
2.4.6 Peta Sebaran Biomassa
