Tabel Volume Lokal Kayu Bulat Merbau (Intsia Spp.) Di Areal Kerja Iuphhka-Ha Pt Wijaya Sentosa Papua Barat
TABEL VOLUME LOKAL KAYU BULAT MERBAU
(Intsia spp.) DI AREAL IUPHHK-HA PT WIJAYA SENTOSA
PAPUA BARAT
NOPI ARDI
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2016
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Tabel Volume Lokal Kayu
Bulat Merbau (Intsia spp.) di Areal Kerja IUPHHK-HA PT Wijaya Sentosa Papua
Barat 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, Januari 2016
Nopi Ardi
NIM E14110094
ABSTRAK
NOPI ARDI. Tabel Volume Lokal Kayu Bulat Merbau (Intsia spp.) di Areal Kerja
IUPHHKA-HA PT Wijaya Sentosa Papua Barat. Dibimbing oleh BUDI
KUNCAHYO.
Merbau (Intsia spp.) merupakan satu diantara jenis pohon yang memiliki
nilai ekonomi tinggi dan populasinya menurun dari waktu ke waktu. Penyusunan
tabel volume lokal kayu bulat merbau untuk menduga besarnya volume potensial
kayu bulat yang dapat dikeluarkan dari hutan. PT Wijaya Sentosa merupakan
perusahaan yang melakukan pengelolaan hutan alam di Kabupaten Teluk
Wondama, Provinsi Papua Barat. Penelitian ini dilakukan dengan menyusun dan
memilih model persamaan tabel volume lokal kayu bulat dengan menggunakan
variable bebas berupa diameter setinggi dada atau 20 cm di atas banir pada 110
contoh pohon. Pemilihan model terbaik mempertimbangkan indikator nilai R2 dan
uji F untuk tahap penyusunan model dan nilai chi-square (χ2), SA, SR, Bias,
standard error (SE), dan RMSE untuk tahap validasi model. Model penduga
terbaik adalah V=0.000223872D2.39 dengan nilai R2 99.3%, nilai RMSE 8.81%,
dan nilai bias 0.33%. Hasil penelitian ini berupa tabel volume lokal kayu bulat
merbau dan diharapkan dapat menjadi sumber pertimbangan dalam pengelolaan
hutan.
Kata kunci: kayu bulat, model penduga, Intsia spp., tabel volume
ABSTRACT
NOPI ARDI. The local Volume Table of Merbau Logs (Intsia spp.) at IUPHHKHA PT Wijaya Sentosa West Papua. Supervised by BUDI KUNCAHYO.
Merbau is one of the species that has high economy value and its population
has been declining over time. The local volume table of merbau was made to
estimate the magnitude of the potential volume which is harvested from the forest.
PT Wijaya Sentosa is a company who manages natural forest in Kabupaten Teluk
Wondama, West Papua. The research was conducted by preparing and selecting
equality model from the local table volume of logs using independent variables
such as breast hogh diameter or 20 cm above banir at 110 tree samples. Best
model choosen considered value indicator such as R2 and F test, in model
arrangement step and the value of chi-square (χ2), SA, SR, bias, SE and RMSE in
model validation step bassed on available equation models. Best estimation model
is V=0.000223872D2.39 with R2 99.3%, RMSE values 8.81%, and bias values
0.33%. The result of researches is local table volume logs merbau and perhaps
become choosen sources in forest management.
Keywords: logs, estimation model, Intsia spp., volume table.
TABEL VOLUME LOKAL KAYU BULAT MERBAU (Intsia
spp.) DI AREAL KERJA IUPHHK-HA PT WIJAYA SENTOSA
PAPUA BARAT
NOPI ARDI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Kehutanan
pada
Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2016
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Karya ilmiah
ini berjudul Tabel Volume Lokal Kayu Bulat Merbau (Intsia spp.) di Areal
IUPHHK-HA PT Wijaya Sentosa Papua Barat.
Terima kasih penulis ucapkan kepada Bapak Dr Ir Budi Kuncahyo, MS
selaku dosen pembimbing. Di samping itu, penghargaan penulis sampaikan
kepada semua pihak di PT Wijaya Sentosa dan teman teman yang telah membantu
selama pengumpulan dan pengolahan data. Ungkapan terima kasih juga
disampaikan kepada orang tua dan teman teman Manajemen Hutan 48 dan
Fakultas Kehutanan 48 atas segala doa, kasih sayang dan semangatnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Januari 2016
Nopi Ardi
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
Ruang Lingkup Penelitian
1
METODE
2
Waktu dan Tempat Penelitian
2
Alat dan Bahan
2
Jenis dan Sumber Data
2
Metode Penelitian
2
HASIL DAN PEMBAHASAN
9
Keadaan Umum dan Lokasi Penelitian
9
Eksplorasi Data
10
Penyusunan Model Persamaan Regresi Penduga Volume
11
Pemeriksaan Asumsi
12
Pemeriksaan Pencilan
13
Validasi Model
13
Pemilihan Model Persamaan Regresi Terbaik
14
SIMPULAN DAN SARAN
16
Simpulan
16
Saran
16
DAFTAR PUSTAKA
17
LAMPIRAN
18
RIWAYAT HIDUP
22
DAFTAR TABEL
1.
2.
3.
4.
Sebaran kayu bulat contoh di PT Wijaya Sentosa Papua Barat
Persamaan penduga volume kayu bulat jenis merbau
Hasil uji validasi model
Scoring model regresi penduga volume
10
11
14
15
DAFTAR GAMBAR
1.
2.
3.
4.
Grafik penyebaran jumlah kayu bulat contoh pada masing masing kelas
diameter
Scatterplot antar peubah diameter setinggi dada (D) dan Volume (V)
Diagram tebar antara sisaan dengan probability normal pada persamaan
1 (a), persamaan 2 (b) dan persamaan 3 (c)
Diagram tebar antara sisaan dengan dugaan pada persamaan 1 (a),
persamaan 2 (b) dan persamaan 3 (c)
10
11
12
13
DAFTAR LAMPIRAN
1. Hasil pengolahan data dengan menggunakan software statistik
2. Tabel diameter dan tinggi pohon contoh
3. Foto pada saat pengambilan diameter kayu bulat
18
20
22
PENDAHULUAN
Latar Belakang
Merbau (Intsia spp.) merupakan satu diantara jenis tanaman yang
memiliki nilai ekonomi yang tinggi. Sebaran merbau di Indonesia cukup luas
mulai dari Sumatera sampai Papua. Namun saat ini populasinya hanya tersisa di
Papua dan sebagian Maluku dengan kondisi terus menurun dari waktu ke waktu
(Mahfduz et al. 2006).
Tabel volume pohon lokal merupakan bentuk khusus dari tabel volume
pohon, yaitu tabel yang memberikan nilai volume pohon dengan cukup
mengetahui hanya satu besaran saja dari pohon yang bersangkutan. Besaran
tersebut adalah yang paling mudah diukur yaitu diameter pohon setinggi dada atau
keliling pohon. Tabel volume kayu bulat berbeda dengan tabel volume pohon
karena tabel volume kayu bulat hanya memperhitungkan volume kayu potensial
yang dikeluarkan dari hutan tanpa mempertimbangkan limbah penebangan yang
ditinggalkan. Volume kayu bulat dapat diduga berdasarkan dimensi pohon melalui
model matematis yang menyatakan hubungan antara dimensi pohon (diameter
setinggi dada) atau diameter 20 cm di atas banir dengan volume kayu bulat yang
dimanfaatkan. Hasil model yang didapatkan nanti diharapkan dapat
menggambarkan dugaan volume kayu bulat secara cepat dan akurat dengan
peubah penduga diameter setinggi dada atau 20 cm di atas banir.
Penelitian dilaksanakan di PT Wijaya Sentosa Papua Barat dan
difokuskan pada jenis merbau. Tabel volume kayu bulat ini nantinya akan
menentukan targetan produksi yang diperoleh. Pembuatan tabel volume kayu
bulat merupakan satu diantara bentuk usaha penyederhanaan dari pekerjaan dalam
kegiatan pengelolaan hutan, namun tetap mempertahankan ketelitian yang dapat
dipertanggungjawabkan.
Tujuan Penelitian
Penelitian ini bertujuan menyusun model persamaan penduga volume
kayu bulat terbaik jenis merbau (Intsia spp.) di PT. Wijaya Sentosa, Papua Barat.
Manfaat Penelitian
Manfaat dari penelitian ini adalah menghasilkan alat bantu yang
memudahkan dan memberikan informasi penduga volume kayu bulat jenis
merbau (Intsia spp.) yang dikeluarkan dari hutan dan menjadi sumber
pertimbangan dalam pengambilan keputusan dalam pengelolaan hutan, khususnya
jenis merbau (Intsia spp.) di PT Wijaya Sentosa, Papua Barat.
2
Ruang Lingkup Penelitian
Pembuatan tabel volume lokal kayu bulat ini hanya mencakup satu
kelompok jenis pohon yaitu jenis merbau (Intsia spp.) dari Famili Leguminaceae
yang merupakan satu diantara jenis kayu komersil di PT Wijaya Sentosa, Papua
Barat.
METODE
Waktu dan Tempat Penelitian
Pengambilan data penelitian dimulai dari bulan April 2015 hingga bulan
Mei 2015 di areal kerja IUPHHK-HA PT Wijaya Sentosa, Papua Barat.
Alat dan Bahan
Alat yang digunakan dalam penelitian ini terdiri atas: alat tulis, peta areal
kerja, tally sheet, pita ukur, phi band, dan laptop yang dilengkapi program
software Minitab 16, dan Ms. Excel 2007 serta Ms. Word 2007. Sedangkan bahan
yang digunakan adalah diameter setinggi dada atau 20 cm di atas banir, diameter
per seksi dengan panjang seksi 2 m pada 110 sampel pohon jenis merbau (Intsia
spp.) yang telah rebah.
Jenis dan Sumber Data
Data dalam penelitian ini meliputi data primer dan data sekunder. Data
primer merupakan data yang diperoleh langsung dari hasil pengukuran di
lapangan yaitu pohon yang telah ditebang meliputi diameter pohon setinggi dada
atau 20 cm di atas banir dan diameter per seksi dengan panjang seksi 2 m dimulai
dari pangkal yang telah rebah hingga ujung bebas cabang. Data sekunder yang
diambil adalah data kondisi umum areal PT. Wijaya Sentosa, Papua Barat.
Metode Penelitian
Pengumpulan dan Pemilihan Data
Jumlah pohon contoh yang digunakan dalam penyusunan tabel volume ini
sebanyak 110 sampel kayu bulat merbau (pohon yang telah ditebang). Pemilihan
kayu bulat contoh menggunakan metode purposive sampling dengan
memperhatikan penyebaran tegakan dalam kelas diameter. Kriteria kayu bulat
yang diambil sebagai contoh antara lain kayu lurus tidak menggarpu, tidak pecah
ketika pohon telah rebah, kayu bulat sehat dan tidak ada cacat, dan tersebar pada
seluruh kelas diameter. Data pohon contoh digunakan untuk model persamaan
penduga volume dan validasi.
Pada setiap kayu bulat contoh yang terpilih, dilakukan tahapan pengukuran
sebagai berikut : (1) diameter setinggi dada atau 20 cm di atas banir. (2) diameter
per seksi (panjang seksi 2 m) dari pangkal rebah pohon sampai panjang bebas
3
cabang, untuk panjang ujung menyesuaikan dengan sisa panjang kayu bulat. Data
diameter setinggi dada atau 20 cm di atas banir digunakan untuk menduga volume
melalui model pendugaan volume kayu bulat. Sedangkan data diameter per seksi
(panjang seksi 2 m) digunakan untuk menghitung volume aktual dari kayu bulat
dengan cara menjumlahkan volume tiap seksi. Kayu bulat dibagi menjadi 9 kelas
diameter dengan interval kelas 10 cm. Kelas diameter dimulai dari kelas diameter
10-19.9 cm, 20-29.9 cm, 30-39.9 cm, 40-49.9 cm, 50-59.9 cm, 60-69.9 cm, 7079.9 cm, 80-89.9 cm, dan >90 cm.
Pengolahan Data
Volume aktual pohon contoh sampai bebas cabang dihitung dengan
menjumlahkan volume tiap seksi batang dari pohon contoh. Data yang digunakan
untuk menghitungnya adalah diameter per seksi yang memiliki panjang batang per
seksi sebesar 2 meter. Volume pohon per seksi dihitung menggunakan rumus
Smalian, yaitu:
Selanjutnya volume tiap seksi dijumlahkan untuk menghitung volume aktual
dengan menggunakan rumus :
Keterangan:
Va = volume aktual pohon (m3)
Vsi = volume seksi ke-i dari satu pohon (m3)
i
= urutan seksi ke-… (1,2,3,…,n)
n = jumlah seksi dalam satu pohon
Eksplorasi Data
Eksplorasi data dilakukan untuk melihat karakteristik data. Data diameter
setinggi dada divisualisasikan dalam bentuk scatterplot untuk membantu
memperjelas kecenderungan kurva antara peubah diameter setinggi dada (D)
dengan volume kayu (V). Hasil dari gambaran kecenderungan trend tersebut dapat
membantu dalam pemilihan model yang dicobakan.
Penyusunan Model Persamaan Regresi
Pendugaaan Parameter Model
Beberapa model persamaan regresi yang dicobakan dalam penyusunan
Tabel volume kayu bulat ini antara lain :
a. V = a + b D + c D²
(model Hohenadl-Krenn)
b. V = a + b D²
(model Kopezky-Gehrhardt)
c. V = a Dbhb
(model Berkhout)
4
Keterangan :
V
= volume pohon (m3)
Dbh
= diameter setinggi dada (cm)
a, b, c
= tetapan parametrik regresi
2
Model persamaan regresi linier untuk persamaan . V = a + bD + cD adalah
Yi = β0 + β1X1 + β2X2+ ε1 , diduga oleh : Yi = b0 + b1X1 + b2X2 + e1
Keterangan :
Yi = V
β0 = a
β1 = b
β2 = c
Di = X1i
2
b0 = penduga β0
b1 = penduga β1
b2 = penduga β2
i = 0,1,2,...n
ei = penduga εi
D i = X2i
εi = galat sisa
Model persamaan regresi linier untuk persamaan V = a + bD2 adalah Yi = β0 + β1X1 +
εi , diduga oleh : Yi = b0 + b1X1 + ei
Yi = V
β0 = a
β1 = b
εi = galat sisa
b0 = penduga β0
b1 = penduga β1
ei = penduga εi
i = 0,1,2,...n
2
D i = X1i
b
Sebelum menentukan model persamaan regresi V = aD , diilakukan
transformasi logaritmis dahulu, yaitu : Log V = Log a + b Log D . Model
persamaan regresinya adalah Yi = β0 + β1 X1 + ε1 , yang diduga oleh : Yi = b0 +b1
X1 + e1
Keterangan :
Y1 = Log V
Log a = β0
b = β1
Log D = X1i
εi = galat sisa
b0 = penduga β0
b1 = penduga β1
ei = penduga εi
i = 0,1,2,...n
Metode yang digunakan pada pendugaan parameter ini adalah metode jumlah
kuadrat terkecil yaitu penentuan penduga parameter yang membuat nilai jumlah
kuadrat sisaan minimum.
5
Pemeriksaan Asumsi
Suatu model regresi dapat dipergunakan untuk menduga secara baik apabila
salah satu asumsi dari nilai sisaan terpenuhi, maka perlu dilihat sebaran sisaan
tersebut apakah menyebar normal atau tidak. Asumsi yang digunakan adalah
kenormalan dan keaditifan nilai sisaan. Uji kenormalan merupakan pengujian
tentang kenormalan distribusi data. Apabila data berada di sekitar garis diagonal
maka model memenuhi syarat asumsi normalitas. Keaditifan dapat dilihat dengan
menampilkan plot tebaran nilai sisaan dengan nilai dugaan. Keaditifan model
terpenuhi apabila hasil tebaran tidak membentuk pola (Kuncahyo 1991).
Pemeriksaan Pencilan
Pencilan merupakan data observasi yang muncul dengan nilai pengamatan
berbeda dari kumpulan nilai pengamatan yang lain. Data pencilan dapat
ditentukan berdasarkan mutlak normal baku sisaan > 2 atau |Ze| > 2, yaitu:
Keterangan:
Ze = normal baku sisaan
ei
= nilai sisaan ke-i
s
= simpangan baku
Pemilihan Model
Kriteria Pemilihan Model Persamaan Regresi
Koefisien determinasi (R2). Perhitungan besarnya koefisien determinasi
(R2) dimaksudkan untuk mengukur kecukupan model regresi dalam menjelaskan
besarnya variasi peubah tak bebas yang dapat dijelaskan oleh peubah bebasnya
(Sembiring 1995). Nilai R2 menunjukkan tingkat ketelitian dan keeratan hubungan
antara peubah bebas dan tidak bebasnya. Oleh karena itu semakin besar R2 maka
akan semakin besar total keragaman yang dapat diterangkan oleh regresinya yang
2
berarti bahwa regresi yang diperoleh semakin baik. Rumus untuk menghitung R
adalah (Draper dan Smith 1992)
Keterangan :
JK Regresi = b1JHKx1y+b2JHKx2y
JK Total
=
Uji F (F-test). Uji F (F-test) merupakan uji keberartian model regresi
(overall fit test) untuk melihat peranan peubah bebas terhadap peubah tidak
6
bebasnya. Uji F dilakukan dengan membandingkan nilai antara Fhitung dengan
FTabel pada taraf nyata tertentu. Hipotesis yang diuji sebagai berikut:
H0: β= 0
H1: β ≠ 0
Kaidah keputusannya sebagai berikut :
Fhitung > FTabel maka tolak H0
Fhitung ≤ FTabel maka terima H0
Jika H0 diterima (tolak H1) maka regresi tersebut tidak nyata, artinya
persamaan regresi tidak dapat digunakan untuk menduga volume pohon
berdasarkan peubah bebasnya yaitu diameter pada taraf nyata tertentu.Namun jika
sebaliknya yaitu H1 diterima (tolak H0) maka regresi tersebut nyata yang artinya
ada keterkaitan antara diameter sebagai peubah bebas dengan volume sebagai
peubah tidak bebasnya pada taraf nyata tertentu.
Pengujian Validasi Model
Uji validasi dilakukan untuk memilih persamaan terbaik pada setiap
persamaan. Validasi merupakan proses penentuan apakah model konseptual
simulasi benar-benar merupakan representasi akurat dari sistem nyata yang
dimodelkan. Validasi model dapat pula dikatakan sebagai langkah dalam
memvalidasi atau menguji apakah model yang telah disusun dapat
merepresentasikan sistem nyata dengan benar. Langkah yang diambil pada tahap
uji validasi ini adalah melakukan perbandingan dari tiap model dengan kriteriakriteria sebagai berikut:
‘
Simpangan Agregat (SA) merupakan selisih antara jumlah volume dugaan
(Vti) dengan volume aktual (Vai) sebagai persentase terhadap volume dugaan (Vti).
Persamaan yang baik memiliki nilai Simpangan Agregat (SA) yang berkisar dari 1 sampai +1 (Spurr 1952). Nilai SA dapat dihitung dengan menggunakan rumus:
Keterangan :
Vti
= Volume taksiran kayu bulat ke-i (m3)
Vai
= Volume aktual kayu bulat ke-i (m3)
n
= Jumlah kayu bulat
SA = Simpangan agregat
Simpangan rata-rata (SR) merupakan rata-rata jumlah dari nilai mutlak
selisih antara jumlah volume dugaan (Vti) dan volume aktual (Vai), proporsional
terhadap jumlah volume dugaan (Vti). Nilai simpangan rata-rata yang baik adalah
tidak lebih dari 10% (Spurr 1952). Simpangan rata-rata dapat dihitung dengan
rumus:
7
Keterangan`:
Vti = volume taksiran kayu bulat ke-i (m3)
Vai = volume aktual kayu bulat ke-i (m3)
n = jumlah kayu bulat
SR = simpangan rata-rata
Root Mean Square Error (RMSE) menggambarkan besarnya selisih suatu
nilai dugaan terhadap nilai sebenarnya. Nilai RMSE yang lebih kecil
menunjukkan model persamaan penduga volume yang lebih baik. RMSE dapat
dihitung dengan menggunakan rumus:
Keterangan :
Vti
= volume taksiran kayu bulat ke-i (m3)
Vai
= volume aktual kayu bulat ke-i (m3)
n
= jumlah kayu bulat
RMSE = root mean square error
Bias adalah kesalahan sistematis yang dapat terjadi karena kesalahan dalam
pengukuran, kesalahan teknis pengukuran maupun kesalahan karena alat ukur
yang digunakan (Sembiring 1995). Suatu model dikatakan terbaik jika nilai bias
yang dihasilkan paling kecil. Nilai bias dapat dihitung dengan menggunakan
rumus (Akca dalam Muhdin 1999):
Keterangan :
Vti = volume taksiran kayu bulat ke-i (m3)
Vai = volume aktual kayu bulat ke-i (m3)
N
= jumlah kayu bulat
B
= bias
Uji χ2 (chi-square) merupakan alat untuk menguji perbedaan volume kayu
bulat yang diduga (Vti) dengan volume aktualnya (Vai) (Walpole 1995). Hipotesis
yang diuji sebagai berikut:
8
H0 : Vt = Va
H1 : Vt ≠ Va
Kriteria uji menggunakan rumus berikut:
Keterangan:
Vti
= volume taksiran kayu bulat ke-i (m3)
Vai
= volume aktual kayu bulat ke-i (m3)
n
= jumlah kayu bulat
2
χ
= uji chi-square
Kaidah keputusannya adalah sebagai berikut:
χ2 hitung > χ2 Tabel (α,n-1), maka terima H1
χ2 hitung ≤ χ2 Tabel (α,n-1), maka terima H0
Pemilihan Model Persamaan Regresi Penduga Terbaik
Kualitas Model. Model persamaan regresi untuk menyusun tabel volume
kayu bulat yang baik, adalah apabila salah satu dari semua model persamaan
tersebut memiliki nilai R2 besar, nilai SA berada diantara -1 sampai +1, nilai SR <
10%, nilai RMSE dan bias relatif kecil, hasil uji χ2 (chi-square) antara nilai ratarata yang diduga dengan tabel volume dengan nilai rata-rata nyata (aktual) tidak
menunjukan perbedaan yang nyata (H0 diterima).
Model Terbaik. Pemilihan model terbaik dilakukan dengan memilih
persamaan model terbaik saat tahap penyusunan model dan juga pengujian
validasi. Selanjutnya menjumlahkan peringkat hasil pemilihan persamaan terbaik
pada tahap penyusunan dan tahap validasi untuk setiap persamaan yang telah
dibuat untuk menentukan peringkat akhir. Peringkat terakhir dikatakan terbaik
apabila jumlah peringkat hasil pemilihan pada tahap penyusunan persamaan dan
validasi menunjukkan nilai terkecil.
9
HASIL DAN PEMBAHASAN
Keadaan Umum dan Lokasi Penelitian
Areal IUPHHK pada hutan alam PT Wijaya Sentosa termasuk ke dalam
kelompok hutan S. Kuri – S. Teluk Umar. Menurut wilayah administrasi areal PT.
Wijaya Sentosa sebagian besar termasuk ke dalam wilayah Distrik Wasior
Kabupaten Teluk Wondama, Provinsi Papua Barat. Sedangkan berdasarkan
administrasi pemangkuan hutan termasuk dalam wilayah Dinas Kehutanan
Kabupaten Teluk Wondama, Dinas Kehutanan Provinsi Papua Barat.
Areal kerja PT Wijaya Sentosa secara geografis terletak pada 3º 35’ - 3º 11’
LS dan 134º 16’ - 134º 11’ BT. Luas areal PT Wijaya Sentosa berdasarkan
Keputusan Menteri Kehutanan nomor SK.33/Menhut-II/2013 tanggal 15 Januari
2013 seluas ±130.755. Berdasarkan data iklim stasiun pencatat Wasior, curah
hujan rata-rata untuk wilayah PT Wijaya Sentosa sebesar 3.080 mm pertahun
dengan jumlah hari hujan 181 hari. Tipe iklim di lokasi tersebut termasuk dalam
golongan tipe iklim A. Distribusi hujan bulanan hampir merata sepanjang tahun
dengan curah hujan tertinggi terjadi pada bulan Februari sebesar 412 mm dan
terendah pada bulan Desember, rata-rata hari hujan bulanan sebesar 15.08 hari
dengan rata-rata curah hujan bulanan sebesar 256.6 mm.
Sumber mata pencaharian utama bagi sebagian besar penduduk di wilayah
desa sekitar hutan yaitu berladang berpindah, sebagai mata pencaharian yang
paling dikuasai dan dilakukan oleh masyarakat sekitar hutan yang merupakan
warisan tradisional secara turun temurun yang menjadi bagian tak terpisahkan dari
adat dan tradisi bagi masyarakat yang hidup di sekitar kawasan hutan.
Pengumpulan Data
Pengukuran dimensi pohon dilaksanakan pada areal penebangan dan lokasi
pembukaan wilayah hutan saat di lapangan. Jumlah pohon contoh yang digunakan
dalam penyusunan tabel volume kayu bulat ini sebanyak 110 sampel pohon
merbau yang telah ditebang. Pembagian kelas diameter dimulai dari diameter 10
cm hingga 90 cm up sehingga terwakili dari diameter kecil sampai diameter besar.
Pemilihan pohon contoh menggunakan metode purposive sampling. Kriteria kayu
bulat yang diambil sebagai contoh antara lain kayu lurus tidak menggarpu, tidak
pecah ketika pohon telah rebah, kayu bulat sehat dan tidak ada cacat, dan tersebar
pada seluruh kelas diameter. Sebaran diameter dan jumlah contoh kayu bulat
untuk penyusunan tabel volume kayu bulat jenis merbau berdasarkan diameter
setinggi dada disajikan pada Tabel 1 dan Gambar 1.
10
Tabel 1 Sebaran kayu bulat contoh di PT Wijaya Sentosa Papua Barat
Kelas Diameter (cm)
Jumlah pohon contoh
Persentase (%)
Jumlah kayu bulat
10-19.9
20-29.9
30-39.9
40-49.9
50-59.9
60-69.9
70-79.9
80-89.9
>90
Jumlah
35
30
25
20
15
10
5
0
5
5
4
3
4
13
29
24
23
110
4.55
4.55
3.64
2.73
3.64
11.82
26.36
21.82
2.73
100
29
24
20
13
5
5
4
3
4
3
Kelas Diameter
Gambar 1 Grafik penyebaran jumlah kayu bulat contoh pada masing-masing kelas
diameter
Eksplorasi Data
Data contoh kayu bulat disajikan dalam bentuk scatterplot (diagram tebar)
untuk memperjelas kecenderungan kurva antara peubah diameter setinggi dada (D)
dan volume (V), apakah mengikuti pola linear atau non linear. Hasil scatterplot
adalah untuk mengukur karakteristik nyata antara volume kayu bulat dengan diameter
yang digunakan dalam penyusunan tabel volume kayu bulat. Scatterplot antara D dan
V disajikan pada Gambar 2.
11
Gambar 2 Scatterplot antara peubah diameter setinggi dada (D) dan volume (V)
Diagram scatterplot menggambarkan pola penyebaran data yang hasilnya
dapat digunakan untuk membantu dalam pemilihan model. Berdasarkan Gambar 3
data D dan V yang diperoleh bahwa sebaran datanya tidak mengikuti garis lurus
melainkan mengikuti pola non-linear, sehingga dapat dibuat persamaan penduga
volumenya. Model yang digunakan untuk penyusunan tabel volume kayu bulat:
1. V =
2. V =
3. V =
+
+
+
2
2
(model Hohenadl – Krenn)
(model Kopezky – Gehrhardt)
(model Berkhout)
Penyusunan Persamaan Regresi Penduga Volume
Model persamaan penduga volume yang diperoleh dari perhitungan dengan
menggunakan Minitab 16 disajikan pada Tabel 2
Tabel 2 Persamaan penduga volume kayu bulat jenis merbau
No
1
2
3
Model
HohenadlKrenn
KopezkyGehrhardt
Berkhout
0.000*
R2
(%)
97.4
V = -0.039 - 0.0153D + 0.00144D2
2014.95
V = - 0.443 + 0.00132D2
4007.29
3.92
0.001*
97.4
V=0.000223872D2.39
14682.17
3.92
0.000*
99.3
Keterangan *=H0 ditolak pada taraf nyata α=0.05
F hitung
p-value
F Tabel
(α=5%)
3.92
Persamaan regresi
Perhitungan koefisien determinasi (R2) dimaksudkan untuk mengukur
kecukupan model regresi dalam mengetahui tingkat ketelitian dan keeratan
hubungan antara peubah bebas dengan peubah tak bebasnya. Berdasarkan hasil
analisis regresi, semua model persamaan yang dimasukkan menunjukkan nilai
koefisien determinasi (R2) yang tinggi. Namun model persamaan Berkhout
memiliki koefisien determinasi (R2) tertinggi sebesar 99.3% yang artinya peubah
diameter dapat menjelaskan 99.3% dari keragaman volumenya. Nilai koefisien
determinasi sebesar 50% merupakan batas minimal yang digunakan dalam
penyusunan model volume pohon yang dianggap cukup memadai (Suharlan et al
1976). Semakin besar nilai R2, maka persamaan regresi tersebut semakin baik.
Selanjutnya seperti disajikan dalam Tabel 2, nilai Fhitung model persamaan
12
Berkhout memiliki nilai paling besar dari FTabel pada taraf nyata 5% yang
menunjukkan bahwa peubah bebas berpengaruh sangat nyata dalam model.
Pemeriksaan Asumsi
(a)
(a)
(
b
)
(b)
(c)
Gambar 3 Diagram tebar antara sisaan dengan probability normal pada persamaan
1 (a), persamaan 2 (b), dan persamaan 3 (c)
Diagram di atas menyajikan plot hubungan sisaan dan peluang plot
normalnya yang digunakan sebagai uji kenormalan. Apabila nilai sisaan menyebar
normal maka asumsi kenormalan sisaan terpenuhi dan model dapat digunakan
dengan baik. Seperti disajikan pada Gambar 3 bahwa plot dari ketiga persamaan
tersebut menunjukkan titik-titik yang mengikuti arah garis diagonal, maka dapat
disimpulkan bahwa plot sisaan memenuhi asumsi kenormalan.
(a)
13
(b)
(c)
Gambar 4 Diagram tebar antara sisaan dengan dugaan pada persamaan 1 (a),
persamaan 2 (b) dan persamaan 3 (c)
Uji keaditifan model dapat dilihat dengan menampilkan plot tebaran nilai
sisaan dan nilai dugaan (Kuncahyo 1991). Sifat keaditifan sisaan dilihat dari
sebaran plot sisaan dengan nilai dugaan menunjukan pola acak atau tidak
membentuk pola. Hasil diagram hubungan antara nilai sisaan dan nilai dugaan
menunjukan bahwa ketiga persamaan tersebut memenuhi sifat keaditifan sisaan.
Namun memiliki bentuk yang cenderung berkelompok sebagian, hal ini
dikarenakan ketidaksempurnaan pola penyebaran contoh kayu bulat yang diambil.
Contoh kayu bulat yang diambil tidak menyebar secara merata diseluruh kelas
diameter.
Pemeriksaan Pencilan
Hasil dari pengolahan data ditemukan beberapa data yang tidak wajar
(unusual observations). Data tersebut termasuk pencilan karena memiliki nilai
mutlak normal baku sisaan lebih dari dua. Namun koefisien determinasi (R2) yang
didapatkan termasuk tinggi maka data pencilan jika ditiadakan tidak akan banyak
berpengaruh untuk nilai pada ketiga persaman terhadap setiap nilai penduganya.
Sehingga tidak ada data yang harus ditiadakan.
Validasi Model
Uji validasi model dilakukan untuk mengukur sejauh mana hasil model
mendekati kondisi sebenarnya. Semakin dekat hasil volume dalam model dengan
volume aktualnya, semakin valid model tersebut dalam menggambarkan kondisi
lapangnya. Menurut (Sugiyono 2011) hasil penelitian yang bersifat valid adalah
bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada objek yang diteliti. Validasi model persamaan
dilakukan dengan menghitung Simpangan Agregat (SA), Simpangan Rata-rata
(SR), Root Mean Square Error (RMSE), Bias (B), dan χ2 (chi-square).
14
Tabel 3 Hasil uji validasi model
No.
1
2
3
Bias (%)
χ2hitung
χ2Tabel
1.88
RMSE
(%)
10.46
-0.61
4.51
133.25
0.005255
17.99
26.44
-4.71
6.02
133.25
0.003665
0.46
8.81
0.33
5.03
133.25
Model
SA
SR (%)
HohenadlKrenn
KopezkyGehrhardt
Berkhout
0.000878
Keterangan * = H0 diterima pada taraf nyata α = 0.05
Ketelitian suatu persamaan regresi dapat dilihat dari besarnya simpangan
rata-rata yaitu sebesar < 10% dan simpangan agregat diantara -1 sampai dengan
+1 (Spurr 1952). Berdasarkan Tabel 3 dapat diketahui bahwa persamaanpersamaan penduga volume yang digunakan memiliki nilai simpangan agregat
diantara -1 sampai dengan +1 yang artinya ketiga persamaan penduga volume
yang digunakan telah memenuhi criteria model penduga volume kayu bulat yang
baik. Nilai simpangan rata-rata < 10% menunjukkan bahwa nilai penyimpangan
data indivduu dengan nilai rata-ratanya semakin baik. Hal tersebut terjadi pada
persamaan 1 dan 3 yang menunjukkan persamaan penduga volume kayu bulat
telah memenuhi kriteria penduga volume kayu bulat yang baik.
Kriteria lain untuk menguji tingkat ketepatan model penduga volume
didapatkan dengan menghitung Root Mean Square Error (RMSE). Berdasarkan
Tabel 3, nilai RMSE yang paling kecil dimiliki oleh persamaan 3 sebesar 8.81 %
yang menunjukkan bahwa persamaan 3 memiliki tingkat ketepatan yang lebih
baik.
Suatu model penduga volume dikatakan baik apabila nilai bias yang
dihasilkan semakin kecil. Bias adalah suatu eror sistematik yang berasal dari
kesalahan dalam pengukuran atau metode pengambilan contoh yang tidak benar
(Simon 2007). Persamaan penduga volume yang memiliki nilai bias terkecil
adalah model persamaan ketiga yaitu sebesar 0.33 %. Hal ini menunjukan bahwa
model persamaan ketiga memiliki tingkat ketepatan yang lebih baik dibandingkan
dengan model persamaan lainnya.
Pengujian validasi lainnya adalah pengujian validasi model persamaan
penduga volume kayu bulat dengan menggunakan uji χ2 (chi-square). Uji χ2 (chisquare) digunakan untuk menguji perbedaan volume yang diduga (Vt) dengan
volume aktualnya (Va) (Lestarian 2009). Uji χ2 (chi-square) menunjukkan bahwa
model-model penduga volume yang digunakan memiliki nilai χ2 (chi-square)
yang lebih kecil dibandingkan dengan nilai χ2Tabel pada taraf nyata 5% sehingga
keputusan yang diambil adalah terima H0. Hal ini menenjukkan bahwa modelmodel persamaan penduga volume yang digunakan menghasilkan nilai dugaan
volume yang tidak berbeda nyata dengan volume aktualnya.
Pemililhan Model Persamaan Regresi Terbaik
Untuk memilih persamaan model terbaik tidak hanya dilihat dari tahap
penyusunan model saja melainkan juga dari tahap validasi model yaitu dari
indikator-indikator yang ada pada berbagai tahap. Pada tahap pemyusunan model
ada dua indikator yang meliputi yaitu nilai Fhitung/ p-value dan koefisien
determinasi (R2). Sedangkan lima indikator dalam validasi model meliputi nilai
15
SA, SR, bias, RMSE dan chi-square (χ2). Sehingga dibuatlah peringkat untuk
msing-masing indicator yang nantinya akan menentukan model persamaan terbaik.
Adapun hasilnya seperti terlampir pada Tabel 4.
Tabel 4 Scoring model regresi penduga volume
Model
Hohenadl-Krenn
Kopezky-Gehrhardt
Berkhout
R2
2
2
1
Fhit
2
3
1
SA
1
3
2
SR
2
3
1
RMSE
2
3
1
Bias
2
3
1
χ2hit
1
3
2
Jumlah
12
20
9
Peringkat
2
3
1
Berdasarkan hasil scoring tersebut kemudian dilakukan pemberian peringkat
untuk masing-masing model. Peringkat pertama diberikan pada model persamaan
penduga volume terbaik. Model terbaik berdasarkan hasil statistik adalah model
Berkhout V=0.000223872D2.39. Hal ini menunjukkan bahwa model Berkhout adalah
model terbaik berdasarkan hasil uji statistik dalam pendugaan volume kayu bulat
jenis merbau di PT. Wijaya Sentosa Papua Barat.
16
SIMPULAN DAN SARAN
Simpulan
Model persamaan terbaik untuk menduga volume kayu bulat jenis merbau
(Intsia spp.) di areal IUPHHK-HA PT Wijaya Sentosa Papua Barat adalah model
Berkhout dengan persamaan V=0.000223872D2.39 . nilai R2 sebesar 99.3% dan
simpangan rata-rata 0.46%. Tingkat keakuratan model ini dianggap baik dengan
melihat nilai RMSE sebesar 8.81% dan nilai bias sebesar 0.33%.
Saran
Perlu dilakukan penelitian lanjutan mengenai tabel volume kayu bulat jenis
merbau untuk keterwakilan tempat pengamatan dan selanjutnya dibutuhkan
penelitian lain mengenai tabel volume lokal kayu bulat untuk jenis lain di PT
Wijaya Sentosa, Papua Barat.
17
DAFTAR PUSTAKA
Draper NR, H Smith. 1992. Analisis Regresi Terapan. Edisi 2. Sumantri H
penerjemah; Jakarta (ID): Gramedia. Terjemahan dari: Applied Regression
Analysis Second Edition.
Kuncahyo B. 1991. Analisis Regresi dengan MINITAB. Bogor: Laboratorium
Biometrika Hutan Jurusan Manajemen Hutan Fakultas Kehutanan Institut
Pertanian Bogor.
Lestarian R.2009. Penyusunan Tabel Volume Pohon dalam Rangka Pelaksanaan
IHMB di IUPHHL-HA PT.Ratah Timber Kalimantan Timur [skripsi].
Bogor (ID): Institut Pertanian Bogor
Mahfudz, Pudjiono S, Pudja TP, Batseba AS. 2006. Merbau (Instia spp) dan
Upaya Konservasinya. Yogyakarta: Departemen Kehutanan Badan
Penelitian dan Pengembangan Kehutanan.
Muhdin. 1999. Analisis Beberapa Rumus Penduga Volume Log: Studi Kasus pada
Jenis Meranti (Shore spp.) di areal HPH PT Siak Raya Timber, Propinsi
Riau. 5(2):33-34.
Sembiring. 1995. Analisis Regresi. Bandung (ID): Penerbit ITB.
Simon H. 2007. Metode Inventore Hutan.Yogyakarta (ID): Pustaka Pelajar.
Spurr SH. 1952. Forest Inventory. New York (US): The Ronald Press Company,
Inc.
Sugiyono. 2011. Statistika untuk Penelitian. Bandung (ID): Alfabeta.
Suharlan S, Boestami AS, dan Sumarna K. 1976. Tabel Volume Lokal Pinus
merkusii Jungh et de Vriese. Bogor (ID): Lembaga Penelitian Hutan.
Walpole RE. 1995. Pengantar Statistik. Edisi 3. Sumantri B, penerjemah. Jakarta
(ID): Gramedia. Terjemahan dari: Introduction to statistics 3rd edition.
18
Lampiran 1
Model Persamaan Hohenadl-Krenn
Regression Analysis: V versus D, D^2
The regression equation is
V = - 0.039 - 0.0153 D + 0.00144 D^2
Predictor
Constant
D
D^2
Coef
-0.0388
-0.01528
0.0014386
S = 0.570037
SE Coef
0.3472
0.01221
0.0001007
R-Sq = 97.4%
PRESS = 36.6796
T
-0.11
-1.25
14.29
P
0.911
0.213
0.000
R-Sq(adj) = 97.4%
R-Sq(pred) = 97.27%
Analysis of Variance
Source
Regression
Residual Error
Total
Source
D
D^2
DF
1
1
DF
2
107
109
SS
1309.49
34.77
1344.26
MS
654.74
0.32
F
2014.95
P
0.000
Seq SS
1243.15
66.33
Unusual Observations
Obs
10
12
13
22
43
51
60
86
94
100
101
102
103
D
20
16
19
90
90
110
71
90
95
80
19
18
19
V
0.2605
0.1385
0.2593
11.4662
11.5445
14.5876
4.8219
9.0688
12.9415
9.7023
0.2323
0.2144
0.2301
Fit
0.2311
0.0850
0.1709
10.2388
10.2388
15.6877
6.1284
10.2388
11.4932
7.9460
0.1902
0.1523
0.1902
SE Fit
0.1686
0.1961
0.1784
0.0787
0.0787
0.2258
0.0727
0.0787
0.1041
0.0614
0.1751
0.1818
0.1751
Residual
0.0294
0.0535
0.0884
1.2273
1.3057
-1.1001
-1.3065
-1.1701
1.4483
1.7563
0.0420
0.0622
0.0398
St Resid
0.05 X
0.10 X
0.16 X
2.17R
2.31R
-2.10RX
-2.31R
-2.07R
2.58R
3.10R
0.08 X
0.12 X
0.07 X
R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large leverage.
Model Persamaan Kopezky – Gehrhardt
Regression Analysis: V versus D^2
The regression equation is
V = - 0.443 + 0.00132 D^2
19
Predictor
Constant
D^2
Coef
-0.4430
0.00131527
S = 0.571532
SE Coef
0.1281
0.00002078
R-Sq = 97.4%
PRESS = 36.5357
T
-3.46
63.30
P
0.001
0.000
R-Sq(adj) = 97.4%
R-Sq(pred) = 97.28%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
1
108
109
SS
1309.0
35.3
1344.3
MS
1309.0
0.3
F
4007.29
P
0.000
Unusual Observations
Obs
22
25
43
51
60
86
94
100
D^2
8100
8281
8100
12100
5041
8100
9025
6400
V
11.4662
11.6011
11.5445
14.5876
4.8219
9.0688
12.9415
9.7023
Fit
10.2107
10.4487
10.2107
15.4717
6.1872
10.2107
11.4273
7.9747
SE Fit
0.0756
0.0783
0.0756
0.1461
0.0556
0.0756
0.0900
0.0571
Residual
1.2555
1.1524
1.3338
-0.8841
-1.3653
-1.1419
1.5142
1.7276
St Resid
2.22R
2.04R
2.35R
-1.60 X
-2.40R
-2.02R
2.68R
3.04R
R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large leverage.
Model Persamaan Berkhout
Regression Analysis: LOG V versus LOG D
The regression equation is
LOG V = - 3.65 + 2.39 LOG D
Predictor
Constant
LOG D
Coef
-3.65323
2.39192
S = 0.0392663
SE Coef
0.03617
0.01974
T
-101.01
121.17
R-Sq = 99.3%
PRESS = 0.174080
P
0.000
0.000
R-Sq(adj) = 99.3%
R-Sq(pred) = 99.24%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
1
108
109
Unusual Observations
Obs LOG D
LOG V
2
1.80
0.73916
SS
22.638
0.167
22.804
MS
22.638
0.002
Fit
0.65065
F
14682.17
SE Fit
0.00377
P
0.000
Residual
0.08852
St Resid
2.26R
20
Obs
6
7
8
10
12
13
60
100
101
102
103
104
106
107
LOG D
1.78
1.63
1.62
1.30
1.20
1.27
1.85
1.90
1.28
1.26
1.28
1.34
1.40
1.34
LOG V
0.69649
0.37557
0.35059
-0.58419
-0.85845
-0.58625
0.68322
0.98687
-0.63403
-0.66869
-0.63817
-0.44707
-0.30937
-0.41317
Fit
0.59996
0.25389
0.22945
-0.54127
-0.77307
-0.62226
0.77483
0.89881
-0.59456
-0.65072
-0.59456
-0.44226
-0.30947
-0.44226
SE Fit
0.00384
0.00528
0.00543
0.01095
0.01276
0.01158
0.00379
0.00407
0.01136
0.01180
0.01136
0.01019
0.00918
0.01019
Residual
0.09653
0.12168
0.12114
-0.04291
-0.08537
0.03601
-0.09161
0.08807
-0.03947
-0.01797
-0.04361
-0.00480
0.00010
0.02910
St Resid
2.47R
3.13R
3.12R
-1.14 X
-2.30RX
0.96 X
-2.34R
2.25R
-1.05 X
-0.48 X
-1.16 X
-0.13 X
0.00 X
0.77 X
R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large leverage.
Tabel 5 Diameter dan tinggi pohon contoh
no
dbh
(cm)
lenght
(m)
no
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
56
63
90
83
93
60
43
42
65
20
30
16
18.5
81
94
76
79
103
96
96
90
90
88
84
91
102
26
26
24
22.45
24.7
24.25
22.3
22
22.36
10.75
12.7
10.3
12.42
20.2
22.7
20
19.5
22.3
21.86
20.45
19.88
24.95
22.65
22.25
26
20.6
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
dbh
(cm)
58
64
83
71
77
86
67
66
70
80
78
66
83
82
74
80
90
70
72
77
79
84
84
94
110
90
lenght
(m)
24
22
24
24
24
26
24.6
24.2
24.2
24
22.4
23.4
23.4
25
24.2
22.3
26.5
24.3
22.9
24
26
24.5
25
24.8
22
24.6
no
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
dbh
(cm)
70
65
70
78
55
91
76
71
58
76
84
63
95
79
91
98
86
62
48
70
91
87
73
81
76
75
lenght
(m)
26
24.2
24
22.4
19.6
20.5
21.6
19.8
18.9
22
24.2
20.1
24
23
21
24
22
21.4
18.2
22.8
20
19.7
21.5
22.4
21.3
24.3
2
No
79
80
81
82
83
84
85
86
87
88
Dbh
(cm)
60
81
93
86
91
81
68
90
72
72
lenght
(m)
22.1
23.4
24
22.7
21.6
20
22.7
19.8
23.8
24.2
No
89
90
91
92
93
94
95
96
97
98
99
Dbh
(cm)
67
80
78
89
81
95
77
82
72
78
74
lenght
(m)
22.8
22.6
25.6
23.2
24.5
24.4
23.4
21.7
23.1
23.6
24.8
Foto pada saat pengambilan diameter kayu bulat
No
100
101
102
103
104
105
106
107
108
109
110
Dbh
(cm)
80
19
18
19
22
29
25
22
30
39
39
lenght
(m)
21.9
11
11
12
13
13.3
13
12.8
13.5
20.2
18.9
2
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 12 Agustus 1993. Penulis
merupakan anak kedua dari dua bersaudara pasang Bapak H Ningrat Sudrajat dan
Ibu Hj Aas Hasanah. Penulis menyelesaikan pendidikan di Sekolah Menengah
Pertama Negeri 1 Leuwiliang Kabupaten Bogor dan lulus pada tahun 2008.
Selanjutnya penulis lulus dari Sekolah Menengah Atas Negeri 1 Leuwiliang
Kabupaten Bogor pada tahun 2011, dan pada tahun yang sama penulis diterima di
Departemen Manajemen Hutan, Fakultas Kehutanan Institut Pertanian Bogor
melalui jalur SNMPTN Tulis.
Selama masa perkuliahan, penulis pernah menjadi Asisten Praktikum Mata
Kuliah Analisis Biaya. Selain itu penulis juga aktif dan ikut berpartisipasi dalam
Himpunan Profesi Departemen Manajemen Hutan yaitu Forest Management
Students’ Club sebagai Anggota Divisi Pengembangan Sumber Daya Mahasiswa
(PSDM) pada periode kepengurusan 2013-2014, serta sebagai Anggota Kelompok
Studi Perencanaan. Penulis juga pernah menjadi anggota Pengurus Cabang Sylva
Indonesia IPB di bagian Pengembangan Sumber Daya Mahasiswa (PSDM), selain
itu penulis juga aktif di kepanitian Bina Corps Rimbawan, Rakernas Pengurus
Pusat Sylva Indonesia. Penulis pernah menjabat sebagai Ketua Pelaksana kegiatan
Ecological Social Mapping pada tahun 2014.
Penulis telah melaksanakan Praktik Pengenalan Ekosistem Hutan (P2EH)
di Gunung Sawal dan Cagar Alam Pangandaran pada tahun 2013. Praktik
Pengelolaan Hutan (P2H) di Hutan Pendidikan Gunung Walat (HPGW), KPH
Cianjur, PGT Sindangwangi dan industri di Sukabumi Jawa Barat pada tahun
2014 serta Praktik Kerja Lapang (PKL) di IUPHHK-HA PT Wijaya Sentosa
Papua Barat 2015.
(Intsia spp.) DI AREAL IUPHHK-HA PT WIJAYA SENTOSA
PAPUA BARAT
NOPI ARDI
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2016
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Tabel Volume Lokal Kayu
Bulat Merbau (Intsia spp.) di Areal Kerja IUPHHK-HA PT Wijaya Sentosa Papua
Barat 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, Januari 2016
Nopi Ardi
NIM E14110094
ABSTRAK
NOPI ARDI. Tabel Volume Lokal Kayu Bulat Merbau (Intsia spp.) di Areal Kerja
IUPHHKA-HA PT Wijaya Sentosa Papua Barat. Dibimbing oleh BUDI
KUNCAHYO.
Merbau (Intsia spp.) merupakan satu diantara jenis pohon yang memiliki
nilai ekonomi tinggi dan populasinya menurun dari waktu ke waktu. Penyusunan
tabel volume lokal kayu bulat merbau untuk menduga besarnya volume potensial
kayu bulat yang dapat dikeluarkan dari hutan. PT Wijaya Sentosa merupakan
perusahaan yang melakukan pengelolaan hutan alam di Kabupaten Teluk
Wondama, Provinsi Papua Barat. Penelitian ini dilakukan dengan menyusun dan
memilih model persamaan tabel volume lokal kayu bulat dengan menggunakan
variable bebas berupa diameter setinggi dada atau 20 cm di atas banir pada 110
contoh pohon. Pemilihan model terbaik mempertimbangkan indikator nilai R2 dan
uji F untuk tahap penyusunan model dan nilai chi-square (χ2), SA, SR, Bias,
standard error (SE), dan RMSE untuk tahap validasi model. Model penduga
terbaik adalah V=0.000223872D2.39 dengan nilai R2 99.3%, nilai RMSE 8.81%,
dan nilai bias 0.33%. Hasil penelitian ini berupa tabel volume lokal kayu bulat
merbau dan diharapkan dapat menjadi sumber pertimbangan dalam pengelolaan
hutan.
Kata kunci: kayu bulat, model penduga, Intsia spp., tabel volume
ABSTRACT
NOPI ARDI. The local Volume Table of Merbau Logs (Intsia spp.) at IUPHHKHA PT Wijaya Sentosa West Papua. Supervised by BUDI KUNCAHYO.
Merbau is one of the species that has high economy value and its population
has been declining over time. The local volume table of merbau was made to
estimate the magnitude of the potential volume which is harvested from the forest.
PT Wijaya Sentosa is a company who manages natural forest in Kabupaten Teluk
Wondama, West Papua. The research was conducted by preparing and selecting
equality model from the local table volume of logs using independent variables
such as breast hogh diameter or 20 cm above banir at 110 tree samples. Best
model choosen considered value indicator such as R2 and F test, in model
arrangement step and the value of chi-square (χ2), SA, SR, bias, SE and RMSE in
model validation step bassed on available equation models. Best estimation model
is V=0.000223872D2.39 with R2 99.3%, RMSE values 8.81%, and bias values
0.33%. The result of researches is local table volume logs merbau and perhaps
become choosen sources in forest management.
Keywords: logs, estimation model, Intsia spp., volume table.
TABEL VOLUME LOKAL KAYU BULAT MERBAU (Intsia
spp.) DI AREAL KERJA IUPHHK-HA PT WIJAYA SENTOSA
PAPUA BARAT
NOPI ARDI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Kehutanan
pada
Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2016
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Karya ilmiah
ini berjudul Tabel Volume Lokal Kayu Bulat Merbau (Intsia spp.) di Areal
IUPHHK-HA PT Wijaya Sentosa Papua Barat.
Terima kasih penulis ucapkan kepada Bapak Dr Ir Budi Kuncahyo, MS
selaku dosen pembimbing. Di samping itu, penghargaan penulis sampaikan
kepada semua pihak di PT Wijaya Sentosa dan teman teman yang telah membantu
selama pengumpulan dan pengolahan data. Ungkapan terima kasih juga
disampaikan kepada orang tua dan teman teman Manajemen Hutan 48 dan
Fakultas Kehutanan 48 atas segala doa, kasih sayang dan semangatnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Januari 2016
Nopi Ardi
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
Ruang Lingkup Penelitian
1
METODE
2
Waktu dan Tempat Penelitian
2
Alat dan Bahan
2
Jenis dan Sumber Data
2
Metode Penelitian
2
HASIL DAN PEMBAHASAN
9
Keadaan Umum dan Lokasi Penelitian
9
Eksplorasi Data
10
Penyusunan Model Persamaan Regresi Penduga Volume
11
Pemeriksaan Asumsi
12
Pemeriksaan Pencilan
13
Validasi Model
13
Pemilihan Model Persamaan Regresi Terbaik
14
SIMPULAN DAN SARAN
16
Simpulan
16
Saran
16
DAFTAR PUSTAKA
17
LAMPIRAN
18
RIWAYAT HIDUP
22
DAFTAR TABEL
1.
2.
3.
4.
Sebaran kayu bulat contoh di PT Wijaya Sentosa Papua Barat
Persamaan penduga volume kayu bulat jenis merbau
Hasil uji validasi model
Scoring model regresi penduga volume
10
11
14
15
DAFTAR GAMBAR
1.
2.
3.
4.
Grafik penyebaran jumlah kayu bulat contoh pada masing masing kelas
diameter
Scatterplot antar peubah diameter setinggi dada (D) dan Volume (V)
Diagram tebar antara sisaan dengan probability normal pada persamaan
1 (a), persamaan 2 (b) dan persamaan 3 (c)
Diagram tebar antara sisaan dengan dugaan pada persamaan 1 (a),
persamaan 2 (b) dan persamaan 3 (c)
10
11
12
13
DAFTAR LAMPIRAN
1. Hasil pengolahan data dengan menggunakan software statistik
2. Tabel diameter dan tinggi pohon contoh
3. Foto pada saat pengambilan diameter kayu bulat
18
20
22
PENDAHULUAN
Latar Belakang
Merbau (Intsia spp.) merupakan satu diantara jenis tanaman yang
memiliki nilai ekonomi yang tinggi. Sebaran merbau di Indonesia cukup luas
mulai dari Sumatera sampai Papua. Namun saat ini populasinya hanya tersisa di
Papua dan sebagian Maluku dengan kondisi terus menurun dari waktu ke waktu
(Mahfduz et al. 2006).
Tabel volume pohon lokal merupakan bentuk khusus dari tabel volume
pohon, yaitu tabel yang memberikan nilai volume pohon dengan cukup
mengetahui hanya satu besaran saja dari pohon yang bersangkutan. Besaran
tersebut adalah yang paling mudah diukur yaitu diameter pohon setinggi dada atau
keliling pohon. Tabel volume kayu bulat berbeda dengan tabel volume pohon
karena tabel volume kayu bulat hanya memperhitungkan volume kayu potensial
yang dikeluarkan dari hutan tanpa mempertimbangkan limbah penebangan yang
ditinggalkan. Volume kayu bulat dapat diduga berdasarkan dimensi pohon melalui
model matematis yang menyatakan hubungan antara dimensi pohon (diameter
setinggi dada) atau diameter 20 cm di atas banir dengan volume kayu bulat yang
dimanfaatkan. Hasil model yang didapatkan nanti diharapkan dapat
menggambarkan dugaan volume kayu bulat secara cepat dan akurat dengan
peubah penduga diameter setinggi dada atau 20 cm di atas banir.
Penelitian dilaksanakan di PT Wijaya Sentosa Papua Barat dan
difokuskan pada jenis merbau. Tabel volume kayu bulat ini nantinya akan
menentukan targetan produksi yang diperoleh. Pembuatan tabel volume kayu
bulat merupakan satu diantara bentuk usaha penyederhanaan dari pekerjaan dalam
kegiatan pengelolaan hutan, namun tetap mempertahankan ketelitian yang dapat
dipertanggungjawabkan.
Tujuan Penelitian
Penelitian ini bertujuan menyusun model persamaan penduga volume
kayu bulat terbaik jenis merbau (Intsia spp.) di PT. Wijaya Sentosa, Papua Barat.
Manfaat Penelitian
Manfaat dari penelitian ini adalah menghasilkan alat bantu yang
memudahkan dan memberikan informasi penduga volume kayu bulat jenis
merbau (Intsia spp.) yang dikeluarkan dari hutan dan menjadi sumber
pertimbangan dalam pengambilan keputusan dalam pengelolaan hutan, khususnya
jenis merbau (Intsia spp.) di PT Wijaya Sentosa, Papua Barat.
2
Ruang Lingkup Penelitian
Pembuatan tabel volume lokal kayu bulat ini hanya mencakup satu
kelompok jenis pohon yaitu jenis merbau (Intsia spp.) dari Famili Leguminaceae
yang merupakan satu diantara jenis kayu komersil di PT Wijaya Sentosa, Papua
Barat.
METODE
Waktu dan Tempat Penelitian
Pengambilan data penelitian dimulai dari bulan April 2015 hingga bulan
Mei 2015 di areal kerja IUPHHK-HA PT Wijaya Sentosa, Papua Barat.
Alat dan Bahan
Alat yang digunakan dalam penelitian ini terdiri atas: alat tulis, peta areal
kerja, tally sheet, pita ukur, phi band, dan laptop yang dilengkapi program
software Minitab 16, dan Ms. Excel 2007 serta Ms. Word 2007. Sedangkan bahan
yang digunakan adalah diameter setinggi dada atau 20 cm di atas banir, diameter
per seksi dengan panjang seksi 2 m pada 110 sampel pohon jenis merbau (Intsia
spp.) yang telah rebah.
Jenis dan Sumber Data
Data dalam penelitian ini meliputi data primer dan data sekunder. Data
primer merupakan data yang diperoleh langsung dari hasil pengukuran di
lapangan yaitu pohon yang telah ditebang meliputi diameter pohon setinggi dada
atau 20 cm di atas banir dan diameter per seksi dengan panjang seksi 2 m dimulai
dari pangkal yang telah rebah hingga ujung bebas cabang. Data sekunder yang
diambil adalah data kondisi umum areal PT. Wijaya Sentosa, Papua Barat.
Metode Penelitian
Pengumpulan dan Pemilihan Data
Jumlah pohon contoh yang digunakan dalam penyusunan tabel volume ini
sebanyak 110 sampel kayu bulat merbau (pohon yang telah ditebang). Pemilihan
kayu bulat contoh menggunakan metode purposive sampling dengan
memperhatikan penyebaran tegakan dalam kelas diameter. Kriteria kayu bulat
yang diambil sebagai contoh antara lain kayu lurus tidak menggarpu, tidak pecah
ketika pohon telah rebah, kayu bulat sehat dan tidak ada cacat, dan tersebar pada
seluruh kelas diameter. Data pohon contoh digunakan untuk model persamaan
penduga volume dan validasi.
Pada setiap kayu bulat contoh yang terpilih, dilakukan tahapan pengukuran
sebagai berikut : (1) diameter setinggi dada atau 20 cm di atas banir. (2) diameter
per seksi (panjang seksi 2 m) dari pangkal rebah pohon sampai panjang bebas
3
cabang, untuk panjang ujung menyesuaikan dengan sisa panjang kayu bulat. Data
diameter setinggi dada atau 20 cm di atas banir digunakan untuk menduga volume
melalui model pendugaan volume kayu bulat. Sedangkan data diameter per seksi
(panjang seksi 2 m) digunakan untuk menghitung volume aktual dari kayu bulat
dengan cara menjumlahkan volume tiap seksi. Kayu bulat dibagi menjadi 9 kelas
diameter dengan interval kelas 10 cm. Kelas diameter dimulai dari kelas diameter
10-19.9 cm, 20-29.9 cm, 30-39.9 cm, 40-49.9 cm, 50-59.9 cm, 60-69.9 cm, 7079.9 cm, 80-89.9 cm, dan >90 cm.
Pengolahan Data
Volume aktual pohon contoh sampai bebas cabang dihitung dengan
menjumlahkan volume tiap seksi batang dari pohon contoh. Data yang digunakan
untuk menghitungnya adalah diameter per seksi yang memiliki panjang batang per
seksi sebesar 2 meter. Volume pohon per seksi dihitung menggunakan rumus
Smalian, yaitu:
Selanjutnya volume tiap seksi dijumlahkan untuk menghitung volume aktual
dengan menggunakan rumus :
Keterangan:
Va = volume aktual pohon (m3)
Vsi = volume seksi ke-i dari satu pohon (m3)
i
= urutan seksi ke-… (1,2,3,…,n)
n = jumlah seksi dalam satu pohon
Eksplorasi Data
Eksplorasi data dilakukan untuk melihat karakteristik data. Data diameter
setinggi dada divisualisasikan dalam bentuk scatterplot untuk membantu
memperjelas kecenderungan kurva antara peubah diameter setinggi dada (D)
dengan volume kayu (V). Hasil dari gambaran kecenderungan trend tersebut dapat
membantu dalam pemilihan model yang dicobakan.
Penyusunan Model Persamaan Regresi
Pendugaaan Parameter Model
Beberapa model persamaan regresi yang dicobakan dalam penyusunan
Tabel volume kayu bulat ini antara lain :
a. V = a + b D + c D²
(model Hohenadl-Krenn)
b. V = a + b D²
(model Kopezky-Gehrhardt)
c. V = a Dbhb
(model Berkhout)
4
Keterangan :
V
= volume pohon (m3)
Dbh
= diameter setinggi dada (cm)
a, b, c
= tetapan parametrik regresi
2
Model persamaan regresi linier untuk persamaan . V = a + bD + cD adalah
Yi = β0 + β1X1 + β2X2+ ε1 , diduga oleh : Yi = b0 + b1X1 + b2X2 + e1
Keterangan :
Yi = V
β0 = a
β1 = b
β2 = c
Di = X1i
2
b0 = penduga β0
b1 = penduga β1
b2 = penduga β2
i = 0,1,2,...n
ei = penduga εi
D i = X2i
εi = galat sisa
Model persamaan regresi linier untuk persamaan V = a + bD2 adalah Yi = β0 + β1X1 +
εi , diduga oleh : Yi = b0 + b1X1 + ei
Yi = V
β0 = a
β1 = b
εi = galat sisa
b0 = penduga β0
b1 = penduga β1
ei = penduga εi
i = 0,1,2,...n
2
D i = X1i
b
Sebelum menentukan model persamaan regresi V = aD , diilakukan
transformasi logaritmis dahulu, yaitu : Log V = Log a + b Log D . Model
persamaan regresinya adalah Yi = β0 + β1 X1 + ε1 , yang diduga oleh : Yi = b0 +b1
X1 + e1
Keterangan :
Y1 = Log V
Log a = β0
b = β1
Log D = X1i
εi = galat sisa
b0 = penduga β0
b1 = penduga β1
ei = penduga εi
i = 0,1,2,...n
Metode yang digunakan pada pendugaan parameter ini adalah metode jumlah
kuadrat terkecil yaitu penentuan penduga parameter yang membuat nilai jumlah
kuadrat sisaan minimum.
5
Pemeriksaan Asumsi
Suatu model regresi dapat dipergunakan untuk menduga secara baik apabila
salah satu asumsi dari nilai sisaan terpenuhi, maka perlu dilihat sebaran sisaan
tersebut apakah menyebar normal atau tidak. Asumsi yang digunakan adalah
kenormalan dan keaditifan nilai sisaan. Uji kenormalan merupakan pengujian
tentang kenormalan distribusi data. Apabila data berada di sekitar garis diagonal
maka model memenuhi syarat asumsi normalitas. Keaditifan dapat dilihat dengan
menampilkan plot tebaran nilai sisaan dengan nilai dugaan. Keaditifan model
terpenuhi apabila hasil tebaran tidak membentuk pola (Kuncahyo 1991).
Pemeriksaan Pencilan
Pencilan merupakan data observasi yang muncul dengan nilai pengamatan
berbeda dari kumpulan nilai pengamatan yang lain. Data pencilan dapat
ditentukan berdasarkan mutlak normal baku sisaan > 2 atau |Ze| > 2, yaitu:
Keterangan:
Ze = normal baku sisaan
ei
= nilai sisaan ke-i
s
= simpangan baku
Pemilihan Model
Kriteria Pemilihan Model Persamaan Regresi
Koefisien determinasi (R2). Perhitungan besarnya koefisien determinasi
(R2) dimaksudkan untuk mengukur kecukupan model regresi dalam menjelaskan
besarnya variasi peubah tak bebas yang dapat dijelaskan oleh peubah bebasnya
(Sembiring 1995). Nilai R2 menunjukkan tingkat ketelitian dan keeratan hubungan
antara peubah bebas dan tidak bebasnya. Oleh karena itu semakin besar R2 maka
akan semakin besar total keragaman yang dapat diterangkan oleh regresinya yang
2
berarti bahwa regresi yang diperoleh semakin baik. Rumus untuk menghitung R
adalah (Draper dan Smith 1992)
Keterangan :
JK Regresi = b1JHKx1y+b2JHKx2y
JK Total
=
Uji F (F-test). Uji F (F-test) merupakan uji keberartian model regresi
(overall fit test) untuk melihat peranan peubah bebas terhadap peubah tidak
6
bebasnya. Uji F dilakukan dengan membandingkan nilai antara Fhitung dengan
FTabel pada taraf nyata tertentu. Hipotesis yang diuji sebagai berikut:
H0: β= 0
H1: β ≠ 0
Kaidah keputusannya sebagai berikut :
Fhitung > FTabel maka tolak H0
Fhitung ≤ FTabel maka terima H0
Jika H0 diterima (tolak H1) maka regresi tersebut tidak nyata, artinya
persamaan regresi tidak dapat digunakan untuk menduga volume pohon
berdasarkan peubah bebasnya yaitu diameter pada taraf nyata tertentu.Namun jika
sebaliknya yaitu H1 diterima (tolak H0) maka regresi tersebut nyata yang artinya
ada keterkaitan antara diameter sebagai peubah bebas dengan volume sebagai
peubah tidak bebasnya pada taraf nyata tertentu.
Pengujian Validasi Model
Uji validasi dilakukan untuk memilih persamaan terbaik pada setiap
persamaan. Validasi merupakan proses penentuan apakah model konseptual
simulasi benar-benar merupakan representasi akurat dari sistem nyata yang
dimodelkan. Validasi model dapat pula dikatakan sebagai langkah dalam
memvalidasi atau menguji apakah model yang telah disusun dapat
merepresentasikan sistem nyata dengan benar. Langkah yang diambil pada tahap
uji validasi ini adalah melakukan perbandingan dari tiap model dengan kriteriakriteria sebagai berikut:
‘
Simpangan Agregat (SA) merupakan selisih antara jumlah volume dugaan
(Vti) dengan volume aktual (Vai) sebagai persentase terhadap volume dugaan (Vti).
Persamaan yang baik memiliki nilai Simpangan Agregat (SA) yang berkisar dari 1 sampai +1 (Spurr 1952). Nilai SA dapat dihitung dengan menggunakan rumus:
Keterangan :
Vti
= Volume taksiran kayu bulat ke-i (m3)
Vai
= Volume aktual kayu bulat ke-i (m3)
n
= Jumlah kayu bulat
SA = Simpangan agregat
Simpangan rata-rata (SR) merupakan rata-rata jumlah dari nilai mutlak
selisih antara jumlah volume dugaan (Vti) dan volume aktual (Vai), proporsional
terhadap jumlah volume dugaan (Vti). Nilai simpangan rata-rata yang baik adalah
tidak lebih dari 10% (Spurr 1952). Simpangan rata-rata dapat dihitung dengan
rumus:
7
Keterangan`:
Vti = volume taksiran kayu bulat ke-i (m3)
Vai = volume aktual kayu bulat ke-i (m3)
n = jumlah kayu bulat
SR = simpangan rata-rata
Root Mean Square Error (RMSE) menggambarkan besarnya selisih suatu
nilai dugaan terhadap nilai sebenarnya. Nilai RMSE yang lebih kecil
menunjukkan model persamaan penduga volume yang lebih baik. RMSE dapat
dihitung dengan menggunakan rumus:
Keterangan :
Vti
= volume taksiran kayu bulat ke-i (m3)
Vai
= volume aktual kayu bulat ke-i (m3)
n
= jumlah kayu bulat
RMSE = root mean square error
Bias adalah kesalahan sistematis yang dapat terjadi karena kesalahan dalam
pengukuran, kesalahan teknis pengukuran maupun kesalahan karena alat ukur
yang digunakan (Sembiring 1995). Suatu model dikatakan terbaik jika nilai bias
yang dihasilkan paling kecil. Nilai bias dapat dihitung dengan menggunakan
rumus (Akca dalam Muhdin 1999):
Keterangan :
Vti = volume taksiran kayu bulat ke-i (m3)
Vai = volume aktual kayu bulat ke-i (m3)
N
= jumlah kayu bulat
B
= bias
Uji χ2 (chi-square) merupakan alat untuk menguji perbedaan volume kayu
bulat yang diduga (Vti) dengan volume aktualnya (Vai) (Walpole 1995). Hipotesis
yang diuji sebagai berikut:
8
H0 : Vt = Va
H1 : Vt ≠ Va
Kriteria uji menggunakan rumus berikut:
Keterangan:
Vti
= volume taksiran kayu bulat ke-i (m3)
Vai
= volume aktual kayu bulat ke-i (m3)
n
= jumlah kayu bulat
2
χ
= uji chi-square
Kaidah keputusannya adalah sebagai berikut:
χ2 hitung > χ2 Tabel (α,n-1), maka terima H1
χ2 hitung ≤ χ2 Tabel (α,n-1), maka terima H0
Pemilihan Model Persamaan Regresi Penduga Terbaik
Kualitas Model. Model persamaan regresi untuk menyusun tabel volume
kayu bulat yang baik, adalah apabila salah satu dari semua model persamaan
tersebut memiliki nilai R2 besar, nilai SA berada diantara -1 sampai +1, nilai SR <
10%, nilai RMSE dan bias relatif kecil, hasil uji χ2 (chi-square) antara nilai ratarata yang diduga dengan tabel volume dengan nilai rata-rata nyata (aktual) tidak
menunjukan perbedaan yang nyata (H0 diterima).
Model Terbaik. Pemilihan model terbaik dilakukan dengan memilih
persamaan model terbaik saat tahap penyusunan model dan juga pengujian
validasi. Selanjutnya menjumlahkan peringkat hasil pemilihan persamaan terbaik
pada tahap penyusunan dan tahap validasi untuk setiap persamaan yang telah
dibuat untuk menentukan peringkat akhir. Peringkat terakhir dikatakan terbaik
apabila jumlah peringkat hasil pemilihan pada tahap penyusunan persamaan dan
validasi menunjukkan nilai terkecil.
9
HASIL DAN PEMBAHASAN
Keadaan Umum dan Lokasi Penelitian
Areal IUPHHK pada hutan alam PT Wijaya Sentosa termasuk ke dalam
kelompok hutan S. Kuri – S. Teluk Umar. Menurut wilayah administrasi areal PT.
Wijaya Sentosa sebagian besar termasuk ke dalam wilayah Distrik Wasior
Kabupaten Teluk Wondama, Provinsi Papua Barat. Sedangkan berdasarkan
administrasi pemangkuan hutan termasuk dalam wilayah Dinas Kehutanan
Kabupaten Teluk Wondama, Dinas Kehutanan Provinsi Papua Barat.
Areal kerja PT Wijaya Sentosa secara geografis terletak pada 3º 35’ - 3º 11’
LS dan 134º 16’ - 134º 11’ BT. Luas areal PT Wijaya Sentosa berdasarkan
Keputusan Menteri Kehutanan nomor SK.33/Menhut-II/2013 tanggal 15 Januari
2013 seluas ±130.755. Berdasarkan data iklim stasiun pencatat Wasior, curah
hujan rata-rata untuk wilayah PT Wijaya Sentosa sebesar 3.080 mm pertahun
dengan jumlah hari hujan 181 hari. Tipe iklim di lokasi tersebut termasuk dalam
golongan tipe iklim A. Distribusi hujan bulanan hampir merata sepanjang tahun
dengan curah hujan tertinggi terjadi pada bulan Februari sebesar 412 mm dan
terendah pada bulan Desember, rata-rata hari hujan bulanan sebesar 15.08 hari
dengan rata-rata curah hujan bulanan sebesar 256.6 mm.
Sumber mata pencaharian utama bagi sebagian besar penduduk di wilayah
desa sekitar hutan yaitu berladang berpindah, sebagai mata pencaharian yang
paling dikuasai dan dilakukan oleh masyarakat sekitar hutan yang merupakan
warisan tradisional secara turun temurun yang menjadi bagian tak terpisahkan dari
adat dan tradisi bagi masyarakat yang hidup di sekitar kawasan hutan.
Pengumpulan Data
Pengukuran dimensi pohon dilaksanakan pada areal penebangan dan lokasi
pembukaan wilayah hutan saat di lapangan. Jumlah pohon contoh yang digunakan
dalam penyusunan tabel volume kayu bulat ini sebanyak 110 sampel pohon
merbau yang telah ditebang. Pembagian kelas diameter dimulai dari diameter 10
cm hingga 90 cm up sehingga terwakili dari diameter kecil sampai diameter besar.
Pemilihan pohon contoh menggunakan metode purposive sampling. Kriteria kayu
bulat yang diambil sebagai contoh antara lain kayu lurus tidak menggarpu, tidak
pecah ketika pohon telah rebah, kayu bulat sehat dan tidak ada cacat, dan tersebar
pada seluruh kelas diameter. Sebaran diameter dan jumlah contoh kayu bulat
untuk penyusunan tabel volume kayu bulat jenis merbau berdasarkan diameter
setinggi dada disajikan pada Tabel 1 dan Gambar 1.
10
Tabel 1 Sebaran kayu bulat contoh di PT Wijaya Sentosa Papua Barat
Kelas Diameter (cm)
Jumlah pohon contoh
Persentase (%)
Jumlah kayu bulat
10-19.9
20-29.9
30-39.9
40-49.9
50-59.9
60-69.9
70-79.9
80-89.9
>90
Jumlah
35
30
25
20
15
10
5
0
5
5
4
3
4
13
29
24
23
110
4.55
4.55
3.64
2.73
3.64
11.82
26.36
21.82
2.73
100
29
24
20
13
5
5
4
3
4
3
Kelas Diameter
Gambar 1 Grafik penyebaran jumlah kayu bulat contoh pada masing-masing kelas
diameter
Eksplorasi Data
Data contoh kayu bulat disajikan dalam bentuk scatterplot (diagram tebar)
untuk memperjelas kecenderungan kurva antara peubah diameter setinggi dada (D)
dan volume (V), apakah mengikuti pola linear atau non linear. Hasil scatterplot
adalah untuk mengukur karakteristik nyata antara volume kayu bulat dengan diameter
yang digunakan dalam penyusunan tabel volume kayu bulat. Scatterplot antara D dan
V disajikan pada Gambar 2.
11
Gambar 2 Scatterplot antara peubah diameter setinggi dada (D) dan volume (V)
Diagram scatterplot menggambarkan pola penyebaran data yang hasilnya
dapat digunakan untuk membantu dalam pemilihan model. Berdasarkan Gambar 3
data D dan V yang diperoleh bahwa sebaran datanya tidak mengikuti garis lurus
melainkan mengikuti pola non-linear, sehingga dapat dibuat persamaan penduga
volumenya. Model yang digunakan untuk penyusunan tabel volume kayu bulat:
1. V =
2. V =
3. V =
+
+
+
2
2
(model Hohenadl – Krenn)
(model Kopezky – Gehrhardt)
(model Berkhout)
Penyusunan Persamaan Regresi Penduga Volume
Model persamaan penduga volume yang diperoleh dari perhitungan dengan
menggunakan Minitab 16 disajikan pada Tabel 2
Tabel 2 Persamaan penduga volume kayu bulat jenis merbau
No
1
2
3
Model
HohenadlKrenn
KopezkyGehrhardt
Berkhout
0.000*
R2
(%)
97.4
V = -0.039 - 0.0153D + 0.00144D2
2014.95
V = - 0.443 + 0.00132D2
4007.29
3.92
0.001*
97.4
V=0.000223872D2.39
14682.17
3.92
0.000*
99.3
Keterangan *=H0 ditolak pada taraf nyata α=0.05
F hitung
p-value
F Tabel
(α=5%)
3.92
Persamaan regresi
Perhitungan koefisien determinasi (R2) dimaksudkan untuk mengukur
kecukupan model regresi dalam mengetahui tingkat ketelitian dan keeratan
hubungan antara peubah bebas dengan peubah tak bebasnya. Berdasarkan hasil
analisis regresi, semua model persamaan yang dimasukkan menunjukkan nilai
koefisien determinasi (R2) yang tinggi. Namun model persamaan Berkhout
memiliki koefisien determinasi (R2) tertinggi sebesar 99.3% yang artinya peubah
diameter dapat menjelaskan 99.3% dari keragaman volumenya. Nilai koefisien
determinasi sebesar 50% merupakan batas minimal yang digunakan dalam
penyusunan model volume pohon yang dianggap cukup memadai (Suharlan et al
1976). Semakin besar nilai R2, maka persamaan regresi tersebut semakin baik.
Selanjutnya seperti disajikan dalam Tabel 2, nilai Fhitung model persamaan
12
Berkhout memiliki nilai paling besar dari FTabel pada taraf nyata 5% yang
menunjukkan bahwa peubah bebas berpengaruh sangat nyata dalam model.
Pemeriksaan Asumsi
(a)
(a)
(
b
)
(b)
(c)
Gambar 3 Diagram tebar antara sisaan dengan probability normal pada persamaan
1 (a), persamaan 2 (b), dan persamaan 3 (c)
Diagram di atas menyajikan plot hubungan sisaan dan peluang plot
normalnya yang digunakan sebagai uji kenormalan. Apabila nilai sisaan menyebar
normal maka asumsi kenormalan sisaan terpenuhi dan model dapat digunakan
dengan baik. Seperti disajikan pada Gambar 3 bahwa plot dari ketiga persamaan
tersebut menunjukkan titik-titik yang mengikuti arah garis diagonal, maka dapat
disimpulkan bahwa plot sisaan memenuhi asumsi kenormalan.
(a)
13
(b)
(c)
Gambar 4 Diagram tebar antara sisaan dengan dugaan pada persamaan 1 (a),
persamaan 2 (b) dan persamaan 3 (c)
Uji keaditifan model dapat dilihat dengan menampilkan plot tebaran nilai
sisaan dan nilai dugaan (Kuncahyo 1991). Sifat keaditifan sisaan dilihat dari
sebaran plot sisaan dengan nilai dugaan menunjukan pola acak atau tidak
membentuk pola. Hasil diagram hubungan antara nilai sisaan dan nilai dugaan
menunjukan bahwa ketiga persamaan tersebut memenuhi sifat keaditifan sisaan.
Namun memiliki bentuk yang cenderung berkelompok sebagian, hal ini
dikarenakan ketidaksempurnaan pola penyebaran contoh kayu bulat yang diambil.
Contoh kayu bulat yang diambil tidak menyebar secara merata diseluruh kelas
diameter.
Pemeriksaan Pencilan
Hasil dari pengolahan data ditemukan beberapa data yang tidak wajar
(unusual observations). Data tersebut termasuk pencilan karena memiliki nilai
mutlak normal baku sisaan lebih dari dua. Namun koefisien determinasi (R2) yang
didapatkan termasuk tinggi maka data pencilan jika ditiadakan tidak akan banyak
berpengaruh untuk nilai pada ketiga persaman terhadap setiap nilai penduganya.
Sehingga tidak ada data yang harus ditiadakan.
Validasi Model
Uji validasi model dilakukan untuk mengukur sejauh mana hasil model
mendekati kondisi sebenarnya. Semakin dekat hasil volume dalam model dengan
volume aktualnya, semakin valid model tersebut dalam menggambarkan kondisi
lapangnya. Menurut (Sugiyono 2011) hasil penelitian yang bersifat valid adalah
bila terdapat kesamaan antara data yang terkumpul dengan data yang
sesungguhnya terjadi pada objek yang diteliti. Validasi model persamaan
dilakukan dengan menghitung Simpangan Agregat (SA), Simpangan Rata-rata
(SR), Root Mean Square Error (RMSE), Bias (B), dan χ2 (chi-square).
14
Tabel 3 Hasil uji validasi model
No.
1
2
3
Bias (%)
χ2hitung
χ2Tabel
1.88
RMSE
(%)
10.46
-0.61
4.51
133.25
0.005255
17.99
26.44
-4.71
6.02
133.25
0.003665
0.46
8.81
0.33
5.03
133.25
Model
SA
SR (%)
HohenadlKrenn
KopezkyGehrhardt
Berkhout
0.000878
Keterangan * = H0 diterima pada taraf nyata α = 0.05
Ketelitian suatu persamaan regresi dapat dilihat dari besarnya simpangan
rata-rata yaitu sebesar < 10% dan simpangan agregat diantara -1 sampai dengan
+1 (Spurr 1952). Berdasarkan Tabel 3 dapat diketahui bahwa persamaanpersamaan penduga volume yang digunakan memiliki nilai simpangan agregat
diantara -1 sampai dengan +1 yang artinya ketiga persamaan penduga volume
yang digunakan telah memenuhi criteria model penduga volume kayu bulat yang
baik. Nilai simpangan rata-rata < 10% menunjukkan bahwa nilai penyimpangan
data indivduu dengan nilai rata-ratanya semakin baik. Hal tersebut terjadi pada
persamaan 1 dan 3 yang menunjukkan persamaan penduga volume kayu bulat
telah memenuhi kriteria penduga volume kayu bulat yang baik.
Kriteria lain untuk menguji tingkat ketepatan model penduga volume
didapatkan dengan menghitung Root Mean Square Error (RMSE). Berdasarkan
Tabel 3, nilai RMSE yang paling kecil dimiliki oleh persamaan 3 sebesar 8.81 %
yang menunjukkan bahwa persamaan 3 memiliki tingkat ketepatan yang lebih
baik.
Suatu model penduga volume dikatakan baik apabila nilai bias yang
dihasilkan semakin kecil. Bias adalah suatu eror sistematik yang berasal dari
kesalahan dalam pengukuran atau metode pengambilan contoh yang tidak benar
(Simon 2007). Persamaan penduga volume yang memiliki nilai bias terkecil
adalah model persamaan ketiga yaitu sebesar 0.33 %. Hal ini menunjukan bahwa
model persamaan ketiga memiliki tingkat ketepatan yang lebih baik dibandingkan
dengan model persamaan lainnya.
Pengujian validasi lainnya adalah pengujian validasi model persamaan
penduga volume kayu bulat dengan menggunakan uji χ2 (chi-square). Uji χ2 (chisquare) digunakan untuk menguji perbedaan volume yang diduga (Vt) dengan
volume aktualnya (Va) (Lestarian 2009). Uji χ2 (chi-square) menunjukkan bahwa
model-model penduga volume yang digunakan memiliki nilai χ2 (chi-square)
yang lebih kecil dibandingkan dengan nilai χ2Tabel pada taraf nyata 5% sehingga
keputusan yang diambil adalah terima H0. Hal ini menenjukkan bahwa modelmodel persamaan penduga volume yang digunakan menghasilkan nilai dugaan
volume yang tidak berbeda nyata dengan volume aktualnya.
Pemililhan Model Persamaan Regresi Terbaik
Untuk memilih persamaan model terbaik tidak hanya dilihat dari tahap
penyusunan model saja melainkan juga dari tahap validasi model yaitu dari
indikator-indikator yang ada pada berbagai tahap. Pada tahap pemyusunan model
ada dua indikator yang meliputi yaitu nilai Fhitung/ p-value dan koefisien
determinasi (R2). Sedangkan lima indikator dalam validasi model meliputi nilai
15
SA, SR, bias, RMSE dan chi-square (χ2). Sehingga dibuatlah peringkat untuk
msing-masing indicator yang nantinya akan menentukan model persamaan terbaik.
Adapun hasilnya seperti terlampir pada Tabel 4.
Tabel 4 Scoring model regresi penduga volume
Model
Hohenadl-Krenn
Kopezky-Gehrhardt
Berkhout
R2
2
2
1
Fhit
2
3
1
SA
1
3
2
SR
2
3
1
RMSE
2
3
1
Bias
2
3
1
χ2hit
1
3
2
Jumlah
12
20
9
Peringkat
2
3
1
Berdasarkan hasil scoring tersebut kemudian dilakukan pemberian peringkat
untuk masing-masing model. Peringkat pertama diberikan pada model persamaan
penduga volume terbaik. Model terbaik berdasarkan hasil statistik adalah model
Berkhout V=0.000223872D2.39. Hal ini menunjukkan bahwa model Berkhout adalah
model terbaik berdasarkan hasil uji statistik dalam pendugaan volume kayu bulat
jenis merbau di PT. Wijaya Sentosa Papua Barat.
16
SIMPULAN DAN SARAN
Simpulan
Model persamaan terbaik untuk menduga volume kayu bulat jenis merbau
(Intsia spp.) di areal IUPHHK-HA PT Wijaya Sentosa Papua Barat adalah model
Berkhout dengan persamaan V=0.000223872D2.39 . nilai R2 sebesar 99.3% dan
simpangan rata-rata 0.46%. Tingkat keakuratan model ini dianggap baik dengan
melihat nilai RMSE sebesar 8.81% dan nilai bias sebesar 0.33%.
Saran
Perlu dilakukan penelitian lanjutan mengenai tabel volume kayu bulat jenis
merbau untuk keterwakilan tempat pengamatan dan selanjutnya dibutuhkan
penelitian lain mengenai tabel volume lokal kayu bulat untuk jenis lain di PT
Wijaya Sentosa, Papua Barat.
17
DAFTAR PUSTAKA
Draper NR, H Smith. 1992. Analisis Regresi Terapan. Edisi 2. Sumantri H
penerjemah; Jakarta (ID): Gramedia. Terjemahan dari: Applied Regression
Analysis Second Edition.
Kuncahyo B. 1991. Analisis Regresi dengan MINITAB. Bogor: Laboratorium
Biometrika Hutan Jurusan Manajemen Hutan Fakultas Kehutanan Institut
Pertanian Bogor.
Lestarian R.2009. Penyusunan Tabel Volume Pohon dalam Rangka Pelaksanaan
IHMB di IUPHHL-HA PT.Ratah Timber Kalimantan Timur [skripsi].
Bogor (ID): Institut Pertanian Bogor
Mahfudz, Pudjiono S, Pudja TP, Batseba AS. 2006. Merbau (Instia spp) dan
Upaya Konservasinya. Yogyakarta: Departemen Kehutanan Badan
Penelitian dan Pengembangan Kehutanan.
Muhdin. 1999. Analisis Beberapa Rumus Penduga Volume Log: Studi Kasus pada
Jenis Meranti (Shore spp.) di areal HPH PT Siak Raya Timber, Propinsi
Riau. 5(2):33-34.
Sembiring. 1995. Analisis Regresi. Bandung (ID): Penerbit ITB.
Simon H. 2007. Metode Inventore Hutan.Yogyakarta (ID): Pustaka Pelajar.
Spurr SH. 1952. Forest Inventory. New York (US): The Ronald Press Company,
Inc.
Sugiyono. 2011. Statistika untuk Penelitian. Bandung (ID): Alfabeta.
Suharlan S, Boestami AS, dan Sumarna K. 1976. Tabel Volume Lokal Pinus
merkusii Jungh et de Vriese. Bogor (ID): Lembaga Penelitian Hutan.
Walpole RE. 1995. Pengantar Statistik. Edisi 3. Sumantri B, penerjemah. Jakarta
(ID): Gramedia. Terjemahan dari: Introduction to statistics 3rd edition.
18
Lampiran 1
Model Persamaan Hohenadl-Krenn
Regression Analysis: V versus D, D^2
The regression equation is
V = - 0.039 - 0.0153 D + 0.00144 D^2
Predictor
Constant
D
D^2
Coef
-0.0388
-0.01528
0.0014386
S = 0.570037
SE Coef
0.3472
0.01221
0.0001007
R-Sq = 97.4%
PRESS = 36.6796
T
-0.11
-1.25
14.29
P
0.911
0.213
0.000
R-Sq(adj) = 97.4%
R-Sq(pred) = 97.27%
Analysis of Variance
Source
Regression
Residual Error
Total
Source
D
D^2
DF
1
1
DF
2
107
109
SS
1309.49
34.77
1344.26
MS
654.74
0.32
F
2014.95
P
0.000
Seq SS
1243.15
66.33
Unusual Observations
Obs
10
12
13
22
43
51
60
86
94
100
101
102
103
D
20
16
19
90
90
110
71
90
95
80
19
18
19
V
0.2605
0.1385
0.2593
11.4662
11.5445
14.5876
4.8219
9.0688
12.9415
9.7023
0.2323
0.2144
0.2301
Fit
0.2311
0.0850
0.1709
10.2388
10.2388
15.6877
6.1284
10.2388
11.4932
7.9460
0.1902
0.1523
0.1902
SE Fit
0.1686
0.1961
0.1784
0.0787
0.0787
0.2258
0.0727
0.0787
0.1041
0.0614
0.1751
0.1818
0.1751
Residual
0.0294
0.0535
0.0884
1.2273
1.3057
-1.1001
-1.3065
-1.1701
1.4483
1.7563
0.0420
0.0622
0.0398
St Resid
0.05 X
0.10 X
0.16 X
2.17R
2.31R
-2.10RX
-2.31R
-2.07R
2.58R
3.10R
0.08 X
0.12 X
0.07 X
R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large leverage.
Model Persamaan Kopezky – Gehrhardt
Regression Analysis: V versus D^2
The regression equation is
V = - 0.443 + 0.00132 D^2
19
Predictor
Constant
D^2
Coef
-0.4430
0.00131527
S = 0.571532
SE Coef
0.1281
0.00002078
R-Sq = 97.4%
PRESS = 36.5357
T
-3.46
63.30
P
0.001
0.000
R-Sq(adj) = 97.4%
R-Sq(pred) = 97.28%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
1
108
109
SS
1309.0
35.3
1344.3
MS
1309.0
0.3
F
4007.29
P
0.000
Unusual Observations
Obs
22
25
43
51
60
86
94
100
D^2
8100
8281
8100
12100
5041
8100
9025
6400
V
11.4662
11.6011
11.5445
14.5876
4.8219
9.0688
12.9415
9.7023
Fit
10.2107
10.4487
10.2107
15.4717
6.1872
10.2107
11.4273
7.9747
SE Fit
0.0756
0.0783
0.0756
0.1461
0.0556
0.0756
0.0900
0.0571
Residual
1.2555
1.1524
1.3338
-0.8841
-1.3653
-1.1419
1.5142
1.7276
St Resid
2.22R
2.04R
2.35R
-1.60 X
-2.40R
-2.02R
2.68R
3.04R
R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large leverage.
Model Persamaan Berkhout
Regression Analysis: LOG V versus LOG D
The regression equation is
LOG V = - 3.65 + 2.39 LOG D
Predictor
Constant
LOG D
Coef
-3.65323
2.39192
S = 0.0392663
SE Coef
0.03617
0.01974
T
-101.01
121.17
R-Sq = 99.3%
PRESS = 0.174080
P
0.000
0.000
R-Sq(adj) = 99.3%
R-Sq(pred) = 99.24%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
1
108
109
Unusual Observations
Obs LOG D
LOG V
2
1.80
0.73916
SS
22.638
0.167
22.804
MS
22.638
0.002
Fit
0.65065
F
14682.17
SE Fit
0.00377
P
0.000
Residual
0.08852
St Resid
2.26R
20
Obs
6
7
8
10
12
13
60
100
101
102
103
104
106
107
LOG D
1.78
1.63
1.62
1.30
1.20
1.27
1.85
1.90
1.28
1.26
1.28
1.34
1.40
1.34
LOG V
0.69649
0.37557
0.35059
-0.58419
-0.85845
-0.58625
0.68322
0.98687
-0.63403
-0.66869
-0.63817
-0.44707
-0.30937
-0.41317
Fit
0.59996
0.25389
0.22945
-0.54127
-0.77307
-0.62226
0.77483
0.89881
-0.59456
-0.65072
-0.59456
-0.44226
-0.30947
-0.44226
SE Fit
0.00384
0.00528
0.00543
0.01095
0.01276
0.01158
0.00379
0.00407
0.01136
0.01180
0.01136
0.01019
0.00918
0.01019
Residual
0.09653
0.12168
0.12114
-0.04291
-0.08537
0.03601
-0.09161
0.08807
-0.03947
-0.01797
-0.04361
-0.00480
0.00010
0.02910
St Resid
2.47R
3.13R
3.12R
-1.14 X
-2.30RX
0.96 X
-2.34R
2.25R
-1.05 X
-0.48 X
-1.16 X
-0.13 X
0.00 X
0.77 X
R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large leverage.
Tabel 5 Diameter dan tinggi pohon contoh
no
dbh
(cm)
lenght
(m)
no
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
56
63
90
83
93
60
43
42
65
20
30
16
18.5
81
94
76
79
103
96
96
90
90
88
84
91
102
26
26
24
22.45
24.7
24.25
22.3
22
22.36
10.75
12.7
10.3
12.42
20.2
22.7
20
19.5
22.3
21.86
20.45
19.88
24.95
22.65
22.25
26
20.6
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
dbh
(cm)
58
64
83
71
77
86
67
66
70
80
78
66
83
82
74
80
90
70
72
77
79
84
84
94
110
90
lenght
(m)
24
22
24
24
24
26
24.6
24.2
24.2
24
22.4
23.4
23.4
25
24.2
22.3
26.5
24.3
22.9
24
26
24.5
25
24.8
22
24.6
no
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
dbh
(cm)
70
65
70
78
55
91
76
71
58
76
84
63
95
79
91
98
86
62
48
70
91
87
73
81
76
75
lenght
(m)
26
24.2
24
22.4
19.6
20.5
21.6
19.8
18.9
22
24.2
20.1
24
23
21
24
22
21.4
18.2
22.8
20
19.7
21.5
22.4
21.3
24.3
2
No
79
80
81
82
83
84
85
86
87
88
Dbh
(cm)
60
81
93
86
91
81
68
90
72
72
lenght
(m)
22.1
23.4
24
22.7
21.6
20
22.7
19.8
23.8
24.2
No
89
90
91
92
93
94
95
96
97
98
99
Dbh
(cm)
67
80
78
89
81
95
77
82
72
78
74
lenght
(m)
22.8
22.6
25.6
23.2
24.5
24.4
23.4
21.7
23.1
23.6
24.8
Foto pada saat pengambilan diameter kayu bulat
No
100
101
102
103
104
105
106
107
108
109
110
Dbh
(cm)
80
19
18
19
22
29
25
22
30
39
39
lenght
(m)
21.9
11
11
12
13
13.3
13
12.8
13.5
20.2
18.9
2
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 12 Agustus 1993. Penulis
merupakan anak kedua dari dua bersaudara pasang Bapak H Ningrat Sudrajat dan
Ibu Hj Aas Hasanah. Penulis menyelesaikan pendidikan di Sekolah Menengah
Pertama Negeri 1 Leuwiliang Kabupaten Bogor dan lulus pada tahun 2008.
Selanjutnya penulis lulus dari Sekolah Menengah Atas Negeri 1 Leuwiliang
Kabupaten Bogor pada tahun 2011, dan pada tahun yang sama penulis diterima di
Departemen Manajemen Hutan, Fakultas Kehutanan Institut Pertanian Bogor
melalui jalur SNMPTN Tulis.
Selama masa perkuliahan, penulis pernah menjadi Asisten Praktikum Mata
Kuliah Analisis Biaya. Selain itu penulis juga aktif dan ikut berpartisipasi dalam
Himpunan Profesi Departemen Manajemen Hutan yaitu Forest Management
Students’ Club sebagai Anggota Divisi Pengembangan Sumber Daya Mahasiswa
(PSDM) pada periode kepengurusan 2013-2014, serta sebagai Anggota Kelompok
Studi Perencanaan. Penulis juga pernah menjadi anggota Pengurus Cabang Sylva
Indonesia IPB di bagian Pengembangan Sumber Daya Mahasiswa (PSDM), selain
itu penulis juga aktif di kepanitian Bina Corps Rimbawan, Rakernas Pengurus
Pusat Sylva Indonesia. Penulis pernah menjabat sebagai Ketua Pelaksana kegiatan
Ecological Social Mapping pada tahun 2014.
Penulis telah melaksanakan Praktik Pengenalan Ekosistem Hutan (P2EH)
di Gunung Sawal dan Cagar Alam Pangandaran pada tahun 2013. Praktik
Pengelolaan Hutan (P2H) di Hutan Pendidikan Gunung Walat (HPGW), KPH
Cianjur, PGT Sindangwangi dan industri di Sukabumi Jawa Barat pada tahun
2014 serta Praktik Kerja Lapang (PKL) di IUPHHK-HA PT Wijaya Sentosa
Papua Barat 2015.