Hasil HASIL DAN PEMBAHASAN

Gambar 10 Kontur metode interpolasi Spline. Gambar 11 Kontur metode interpolasi Kriging circular. 35 Gambar 12 Kontur metode interpolasi Kriging exponential. Gambar 13 Kontur metode interpolasi Kriging gaussian. 36 Gambar 14 Kontur metode interpolasi Kriging linier with sill. Gambar 15 Kontur metode interpolasi Kriging spherical. 37 Pada Gambar 11 sampai Gambar 15 disajikan bentuk kontur dan sebaran variasi warna yang berbeda dengan metode Kriging. Hal itu disebabkan oleh model semivariogram yang berbeda saat sebelum melakukan interpolasi. Ketepatan hasil dugaan dari Kriging bergantung pada model semivariogram yang dilakukan. Tampilan bobot method Gaussian hampir sama dengan metode Spline yang memiliki nilai dugaan bernilai negatif, sehingga menghasilkan nilai sebaran volumeha di luar selang yang ada overestimate dan underestimate. Berdasarkan analisis Sistem Informasi Geografis SIG, hasil interpolasi serta sebarannya untuk masing-masing metode pada semua jenis kayu dapat berdasarkan bobot terbaik dapat dilihat pada Gambar 16 sampai Gambar 39. Hasil yang ditampilkan berupa perbandingan interpolasi pada ketiga metode interpolasi dengan bobot terbaiknya. Perbandingan yang dijabarkan adalah berupa gradasi warna dan perubahan spasialnya. Setiap metode interpolasi memiliki perubahan spasial yang berbeda dan sebaran gradasi warna yang berbeda pula. Masing-masing cakupan warna mewakili sebuah nilai yang tidak sama. Nilai itu merupakan sebaran volume per hektarnya. Berdasarkan hasil interpolasi masing-masing metode pada semua jenis kayu, dipilih metode dengan bobot terbaik seperti ditampilkan pada Gambar 16 sampai dengan Gambar 39. 38 Gambar 16 Hasil interpolasi metode IDW bobot terbaik pada kayu indah dbh 10 cm. Gambar 17 Hasil interpolasi metode Spline bobot terbaik pada kayu indah dbh 10 cm. Gambar 18 Hasil interpolasi metode Kriging bobot terbaik pada kayu indah dbh 10 cm. Gambar 19 Hasil interpolasi metode IDW bobot terbaik pada kayu indah dbh 40 cm. Gambar 20 Hasil interpolasi metode Spline bobot terbaik pada kayu indah dbh 40 cm. Gambar 21 Hasil interpolasi metode Kriging bobot terbaik pada kayu indah dbh 40 cm. Gambar 22 Hasil interpolasi metode IDW bobot terbaik pada kayu lindung dbh 10 cm. Gambar 23 Hasil interpolasi metode Spline bobot terbaik pada kayu lindung dbh 10 cm. Gambar 24 Hasil interpolasi metode Kriging bobot terbaik pada kayu lindung dbh 10 cm. Gambar 25 Hasil interpolasi metode IDW bobot terbaik pada kayu lindung dbh 40 cm. Gambar 26 Hasil interpolasi metode Spline bobot terbaik pada kayu lindung dbh 40 cm. Gambar 27 Hasil interpolasi metode Kriging bobot terbaik pada kayu lindung dbh 40 cm. Gambar 28 Hasil interpolasi metode IDW bobot terbaik pada kayu meranti dbh 10 cm. Gambar 29 Hasil interpolasi metode Spline bobot terbaik pada kayu meranti dbh 10 cm. Gambar 30 Hasil interpolasi metode Kriging bobot terbaik pada kayu meranti dbh 10 cm. Gambar 31 Hasil interpolasi metode IDW bobot terbaik pada kayu meranti dbh 40 cm. Gambar 32 Hasil interpolasi metode Spline bobot terbaik pada kayu meranti dbh 40 cm. Gambar 33 Hasil interpolasi metode Kriging bobot terbaik pada kayu meranti dbh 40 cm. Gambar 34 Hasil interpolasi metode IDW bobot terbaik pada kayu rimba dbh 10 cm. Gambar 35 Hasil interpolasi metode Spline bobot terbaik pada kayu rimba dbh 10 cm. Gambar 36 Hasil interpolasi metode Kriging bobot terbaik pada kayu rimba dbh 10 cm. Gambar 37 Hasil interpolasi metode IDW bobot terbaik pada kayu rimba dbh 40 cm. Gambar 38 Hasil interpolasi metode Spline bobot terbaik pada kayu rimba dbh 40 cm. Gambar 39 Hasil interpolasi metode Kriging bobot terbaik pada kayu rimba dbh 40 cm. 4.2 Pembahasan 4.2.1 Analisis Data Data yang sudah divalidasi selanjutnya dianalisis kelogisannya terhadap data dilapangan. Maksud dari kelogisan disini adalah mengetahui seberapa besar data model bisa mendekati atau menggambarkan nilai aktual di lapangan. Berdasarkan nilai minimal, maksimum, rata-rata, dan standar deviasi data dapat dibandingkan sebarapa jauh data model dari masing-masing metode terbaik dapat mendekati nilai sebenarnya di lapangan data validasi. Pada Tabel 11 disajikan nilai minimum, maksimum, dan rata-rata untuk metode terbaik pada jenis kayu komersial Kayu Meranti dbh 40 cm. Tabel 11 Nilai minimum, maksimum, rata-rata, dan SD data model Metode Volume Min Max Rata-rata SD IDW 24,930 262,990 102,280522 59,515 Spline -533,200 951,500 102,146185 742,350 Kriging 37,400 234,600 100,784739 49,300 Nilai aktual 6,060 519,124 100,420273 128,266 -800 -600 -400 -200 200 400 600 800 1000 1200 IDW Spline Kriging Nilai aktual min max rata - rata SD Gambar 40 Diagram perbandingan sebaran volume model dengan volume aktual. 51 Volume m 3 ha Metode Interpolasi Pada Tabel 11 diketahui bahwa seberapa besar data model dapat mengestimasi dugaan volume di lapangan dengan data aktual validasi di lapangan. Berdasarkan nilai minimum, maksimum, rata-rata, dan SD volumeha dibandingkan hasil dugaan volumeha antara ketiga metode interpolasi dengan volumeha aktual lapangan. Sedangkan pada Gambar 40 menunjukkan perbandingan volumeha yang ditampilkan dalam bentuk diagram. Berdasarkan nilai minimal, interpolasi dengan metode IDW paling mendekati nilai aktualnya. Begitu juga dengan metode Kriging yang juga mendekati nilai aktual. Berbeda halnya dengan kedua metode tersebut, metode Spline menghasilkan nilai minimal yang sangat jauh dari nilai aktualnya. Nilai yang dihasilkan sampai bernilai negatif underestimate. Nilai maksimal yang dihasilkan metode Spline jauh melebihi overestimate dari nilai aktulnya dibandingkan metode IDW dan metode Kriging yang lebih mendekati nilai aktual. Metode Kriging paling mendekati nilai aktualnya dilihat dari nilai rata-rata. Sedangkan dari nilai SD Standar Deviasi, metode IDW yang paling mendekati dibandingkan dengan metode lainnya dan metode Spline menghasilkan nilai SD yang sangat jauh dari nilai SD aktual. Pada diagram perbandingan sebaran volume dapat dilihat volume dugaan yang dihasilkan dengan metode Spline sangat mencolok. Besarnya volume dugaan maksimum yang diperoleh melebihi nilai volume aktual overestimate dan volume dugaan minimum berada jauh dibawah nilai volume aktual underestimate. Selain itu yang paling mencolok adalah nilai negatif yang dihasilkan oleh metode Spline dalam menduga volume per hektar. Hal itu menyebabkan ketidaklogisan data volume dan mempunyai error yang cukup besar dibandingkan kedua metode lainnya. Oleh karena itu, interpolasi dengan metode Spline tidak disarankan untuk digunakan dalam mengestimasi sediaan tegakan berbasis IHMB. Berbeda halnya dengan metode Spline, metode IDW lebih dapat mendekati nilai volume aktualnya. Begitu juga dengan hasil volume dugaan menggunakan metode Kriging. Dilihat dari volume rata-rata ketiga metode interpolasi, metode Kriging paling mendekati nilai volume aktualnya dengan selisih volume sebesar 0,365ha.