Uji χ² chi-square menunjukkan bahwa pada persamaan nomor 1 sampai dengan persamaan nomor 4 memiliki nilai χ² chi-square yang lebih kecil
dibanding nilai χ² tabel pada taraf nyata 5 dan 1, hal ini berarti bahwa persamaan nomor 1 sampai dengan persamaan nomor 4 menunjukkan bahwa
antara pendugaan volume dengan persamaan regresi tersebut tidak berbeda nyata dengan volume aktualnya.
5.3.2 Validasi model regresi untuk resak Vatica spp.
Berikut disajikan hasil uji validasi pada model persamaan penduga untuk resak.
Tabel 11 Uji validasi model regresi resak
No Persamaan Penduga
SA SR
RMSE bias
χ² hit χ²
α=5 χ²
α=1 1
V = - 0.214+0.00106 Dbh
2
0.208 67.96
43.25 -1.78
3.53 38.885
45.642 2
V= 0.096-0.0197Dbh+0.00133 Dbh
2
0.083 33.44
36.62 0.39
3.32
3 V= 0.0001387Dbh
2.49
0.063 31.55
33.44 -1.62
3.05
4 V=0.0003572Dbh
2.08
10
0.00585Dbh
0.093 33.30
34.20 -1.72
3.92
Berdasarkan Tabel 11, persamaan regresi yang diujikan memiliki nilai SA diantara -1 dan +1, dan nilai SR nya lebih dari 10 . Persamaan nomor 3
V= 0.0001387dbh
2.49
memiliki nilai RMSE terkecil. Nilai bias untuk persamaan 1, 3 dan 4 bernilai negatif, yang berarti bahwa pendugaan volume dengan persamaan
regresi cenderung underestimate. Uji χ² chi-square menunjukkan bahwa pada persamaan nomor 1 sampai
dengan persamaan nomor 4 memiliki nilai χ² chi-square yang lebih kecil dibanding nilai χ² tabel pada taraf nyata 5 dan 1, hal ini berarti bahwa
persamaan nomor 1 sampai dengan persamaan nomor 4 menunjukkan bahwa antara pendugaan volume dengan persamaan regresi tersebut tidak berbeda nyata
dengan volume aktualnya.
5.4 Pemilihan Persamaan Regresi Terbaik
Pemilihan model persamaan regresi terbaik dilihat dari nilai-nilai statistik saat penyusunan model regresi dan uji validasi model. Nilai-nilai statistik yang
dipakai pada proses penyusunan model regresi meliputi koefisien determinasi
R², simpangan baku s dan nilai F hitung. Persamaan yang paling baik adalah yang memiliki nilai koefisien determinasi R² terbesar, simpangan baku s dan
nilai F hitung yang terbesar. Uji validasi yang digunakan sebagai kriteria dalam pemilihan model regresi
terbaik meliputi nilai SR, RMSE, bias dan χ²chi-square. Persamaan yang paling baik adalah yang memiliki nilai SR, RMSE dan bias dan nilai χ² terkecil.
Tabel 12 Penentuan model persamaan regresi terbaik untuk jenis
MersawaAnisoptera spp.
No MODEL
VALIDASI R-sq
Fhit S
Jumlah SA
SR RMSE
Bias χ²
jumlah Total
Peringkat 1
4 3
3 10
1 4
4 1
3 13
23 3
2 3
4 4
11 2
2 3
4 1
12 23
3 3
1 1
1 3
4 3
1 2
4 14
17 2
4 1
2 2
5 3
1 2
3 2
11 16
1
Tabel 13 Penentuan model persamaan regresi terbaik untuk jenis ResakVatica spp.
No MODEL
VALIDASI R-sq
Fhit S
Jumlah SR
RMSE Bias
χ² jumlah
Total Peringkat
1 2
1 4
7 4
4 1
3 12
19 2
2 1
3 3
7 3
3 4
2 12
19 2
3 4
2 1
7 1
1 3
1 6
13 1
4 3
4 2
9 2
2 2
4 10
19 2
Berdasarkan Tabel 12, model persamaan regresi yang terbaik untuk jenis mersawa
Anisoptera spp.
adalah persamaan
nomor 4
yaitu
V= 0.0001636Dbh
2.49
10
-0.00111Dbh
dengan nilai R sebesar 97,9. Jumlah peringkat baik pada proses penyusunan model regresi dan uji validasi persamaan 4memiliki nilai
yang paling kecil. Persamaan model regresi terbaik berdasarkan Tabel 13 untuk jenis resak
Vatica spp. adalah persamaan nomor 3 yaitu
V= 0.0001387dbh
2.49
.
Jumlah peringkat baik pada proses penyusunan model regresi dan uji validasi persamaan 3
memiliki nilai yang paling kecil.
5.5 Penggabungan Persamaan Regresi
Pohon mersawa dan resak sama-sama dikelompokkan ke dalam kelompok jenis meranti yang termasuk pada famili Dipterocarpaceae. Karena masih dalam
satu famili dan memiliki karakteristik pohon misalnya: ukuran yang hampir sama, persamaan tabel volumenya memungkinkan untuk digabungkan.
Penggabungan persamaan regresi dilakukan dengan asumsi bahwa faktor jenis tidak berpengaruh dalam penyusunan persamaan regresi, sehingga data bisa
digabungkan dan dibuat persamaan regresi dari data gabungan tersebut. Penggabungan dilakukan dengan memakai persamaan Berkhout. Sebelum
dilakukan penggabungan persamaan regresi, dilakukan uji keseragaman model regresi menggunakan analisis kovarian.
Berdasarkan hasil uji keseragaman, diperoleh nilai F hitung lebih kecil dari F tabel pada α=5 dan α=1, maka terima Ho.
Jika H diterima, faktor kelompok tidak
memberikan peranan yang nyata dan tidak memiliki perbedaan model yang nyata sehingga persamaan regresi memenuhi syarat untuk digabungkan.
Persamaan regresi gabungan yang dihasilkan antara mersawa dan resak adalah V= 0.0001584 Dbh
2.46
dengan nilai simpangan baku sebesar 0.105 dan koefisien determinasi sebesar 96.5 serta nilai F hitung yang lebih besar dari F
tabel pada α=5 dan α=1. Uji validasi pada persamaan gabungan ini memberikan nilai
SA= 0.158, SR = 32.3, RMSE= 50.78, bias = 16.158 dan
χ²
=11.998 valid pada
α=5 dan α=1.
5.6 Aplikasi persamaan terbaik dari komposisi persamaan regresi