Nilai koefisien determinasi R² yang dihasilkan pada setiap ukuran sampel plot dan citra hasil filtering memiliki nilai yang berbeda-beda. Pada
ukuran sampel plot 1x1 terlihat terjadi peningkatan nilai koefisien determinasi, hal tersebut menunjukan terjadi hubungan antar peubah yang lebih kuat pada citra
dengan melakukan perlakuan speckle suppression. Hal yang berbeda terlihat pada ukuran sampel plot 3x3 dan ukuran sampel plot 5x5 yang memiliki
kecenderungan menurun. Nilai biomassa lapang yang dikorelasikan dengan nilai backscatter merupakan nilai biomassa pada plot pengukuran 20 meter x 20 meter
di lapangan, sehingga akan lebih relevan jika di korelasikan dengan nilai backscatter pada citra dengan ukuran sampel plot 1x1 50 meter x 50 meter.
Matrix korelasi dijelaskan pada Tabel 4.6. Tabel 4.6 Matrix korelasi nilai backscatter dan biomassa lapangan pada setiap
ukuran sampel plot Ukuran
Sampel Citra Citra tanpa
Speckle Filtering Image dengan
kernel 3x3 Filtering Image dengan
kernel 5x5 1X1
0,585 0,603
0,614 3X3
0,600 0,596
0,590 5X5
0,569 0,559
0,564
4.5 Uji Verifikasi
Model-model yang telah terbangun diverifikasi atau divalidasi dengan melakukan perhitungan Mean Deviation Simpangan Rata-rataSR, Agregative
Deviation Simpangan AgregatSA, Root Mean Square Error RMSE , bias ℮,
dan uji- χ² untuk menguji model terpilih. Uji verifikasi dilakukan pada plot IHMB
IUPHHK PT. Trisetia Intiga, dengan jumlah plot verifikasi sebanyak 30 plot. Plot verifikasi dipilih secara acak sampling di areal sekitar plot pengamatan dan
menyebar. Hal tersebut dilakukan berdasarkan tingkat kehomogenan dan keterwakilan dari plot pengamatan.
Namun, terdapat perbedaan teknis pengukuran antara data penelitian dengan data pengukuran IHMB. Data IHMB merupakan data tegakan berdiameter ≥ 10
cm, sedangkan data penelitian merupakan data keseluruhan biomassa di atas permukaan above ground biomass sehingga perlu dilakukan konversi dari nilai
biomassa IHMB menjadi nilai keseluruhan biomassa di atas permukaan. Konversi dilakukan dengan menggunakan persamaan yang dibentuk dari korelasi biomassa
tegakan diameter ≥ 10 cm dari data penelitian, dan biomassa data IHMB pada plot yang sama. Korelasi tersebut menghasilkan persamaan yang digunakan untuk
mengkonversi nilai biomassa data IHMB untuk plot verifikasi menjadi nilai keseluruhan biomassa di atas permukaan. Persamaan konversi tersebut
digambarkan dalam grafik korelasi pada Gambar 4.4.
Gambar 4.3 Korelasi biomassa penelitian ≥ 10 cm dan biomassa IHMB
Simpangan agregat aggregative deviation menunjukan persentase biomassa aktual terhadap biomassa dugaan, persamaan yang baik memiliki nilai simpangan
agregat SA berkisar antas -1 sampai +1 Spurr 1952. Hasil penelitian menunjukan keseluruhan model persamaan memenuhi kaidah SA dengan nilai SA
berkisar antara -0,13 sampai 0,02. Uji simpangan rata-rata mean deviation dilakukan untuk mengetahui rata-rata jumlah dari nilai mutlak selisih antara
jumlah biomassa dugaan dengan biomassa aktual, nilai simpangan rata-rata dikatakan baik jika tidak lebih dari 10 Spurr 1952. Hasil yang diperoleh dari
uji verifikasi dengan simpangan rata-rata terdapat empat model persamaan yang SA kurang dari 10. Dari empat model tersebut, model persamaan berbentuk
logaritmik menggunakan citra asli dengan ukuran sampel plot 1x1 dan peubah bebas nilai hamburan balik polarisasi HH, serta polarisasi HV dengan persamaan:
= 995,80944 exp 0,23618 HH ; dengan SR sebesar 9,02
= 3880,40614 exp 0,25018 HV ; dengan SR sebesar 4,00
= 492,56387 exp −0,018323 HH² dengan SR sebesar 9,64
= 1022,27051 exp −0,011446 HV² dengan SR sebesar 4,27
Keterangan: AGB : Above ground biomass tonha
y = 1.003x + 7.355 R² = 0.996
100 200
300 400
500 600
700
200 400
600
B iom
as sa
K es
el ur
uh an
t on
ha
Biomassa 10up IHMB tonha
Selanjutnya, dilakukan pengujian terhadap model-model yang telah terbangun dengan uji RMSE Root Mean Square Erorr yang merupakan
kombinasi antara bias dengan ketelitian. RMSE menggambarkan jauh dekatnya nilai -nilai hasil pengamatan terhadap nilai yang sebenarnya. Nilai RMSE yang
semakin kecil menunjukan bahwa model penduga biomassa yang terbangun lebih akurat dalam menduga biomassa. Pada penelitian ini dihasilkan nilai RMSE pada
selang 0,47 sampai 4,10 , dari nilai tersebut dapat dijelaskan bahwa keseluruah model yang terpilih memiliki nilai kesalahan error yang rendah.
Kemudian dilakukan uji bias yang merupakan uji kesalahan sistematis yang dapat terjadi karena kesalahan dalam pengukuran, meliputi kesalahan teknis dan
kesalahan karena alat ukur. Suatu model bisa dikatakan akurat apabila nilai biasnya semakin kecil, pengukuran bias yang dilakukan terhadap 62 model
persamaan terpilih memiliki bias yang relatif rendah berkisar antara 4,03 - 32,43 sehingga berdasarkan uji bias keseluruhan model persamaan terpilih dapat
digunakan. Uji verifikasi terakhir adalah uji- χ², uji-χ² merupakan alat untuk
menguji apakah biomassa yang diduga dengan model penduga biomassa Bt berbeda dengan biomassa aktualnya Ba. Uji beda rata-rata chi-square ini
digunakan sebagai dasar pengambilan keputusan model terbaik. Kaidah keputusan dalam uji -
χ² adalah apabila χ² hitung ≤ χ²tabel, maka terima H
o
artinya biomassa yang diduga dengan model penduga biomassa tidak berbeda dengan biomassa
aktualnya. Hasil uji verifikasi menunjukan bahwa dari 62 model yang terbangun, model persamaan yang memenuhi beda rata-rata tidak signifikan adalah model
persamaan pada ukuran sampel plot 1x1 dengan persamaan: = 3880,40614 exp
0,25018HV = 1022,27051 exp
−0,01145 HV
2
Hasil uji verifikasi model terpilih dijelaskan dalam Tabel 4.7.
Tabel 4.7 Verifikasi model persamaan terpilih
Jenis citra
Buffer No
Persamaan X²
hitung X²
tabel RMSE
SA Bias
SR Citra
Asli 1x1
1 AGB = 3880,40614 exp 0,25018 HV 12,94
42,56 0,47
0,01 4,03 4,00
1x1 2 AGB = 1022,27051 exp -0,01145 HV²
17,57 42,56
0,55 0,02
4,32 4,27 3x3
3 AGB = 5985,67504 exp 0,288 HV 969,02
42,56 3,34
-0,03 25,67
28,44 3x3
4 AGB = 1241,77807 exp -0,01295 HV² 1002,94
42,56 3,54
-0,02 27,66
29,96 5x5
5 AGB = 1592,667 exp -0,01491 HV² 1141,53
42,56 3,44
-0,03 26,90
31,45 Speckle
Supressi on
Kernel 3x3
1x1 6 AGB = 5280,31468 exp 0,27809 HV
940,71 42,56
3,39 -0,03
26,14 28,44
1x1 7 AGB = 1172,31637 exp -0,0126 HV²
972,94 42,56
3,60 -0,02
27,98 29,77
3x3 8 AGB = 181,48905 exp 7,88238 HHHV exp
0,64797 HH 1202,07
42,56 3,93
0,00 30,84
33,47 3x3
9 AGB = 1381,22322 exp -0,0139 HV² 1054,19
42,56 3,49
-0,03 27,29
30,67 5x5
10 AGB = 119,63351 exp 10,12192 HHHV exp 0,77360 HH
1393,84 42,56
3,87 0,00
30,28 34,70
5x5 11 AGB = 1702,11148 exp -0,01551 HV²
1174,31 42,56
3,38 -0,04
26,48 31,65
Speckle Supressi
on Kernel
5x5 1x1
12 AGB = 138,57076 exp 8,99611 HHHV exp 0,70627 HH
1145,67 42,56
3,92 0,01
30,65 33,16
1x1 13 AGB = 1430,94365 exp -0,01426 HV²
1026,83 42,56
3,44 -0,03
26,95 30,40
3x3 14 AGB = 97,09194 exp 10,73173 HHHV exp
0,79905 HH 1276,46
42,56 3,92
0,01 30,73
34,11 3x3
15 AGB = 224,19659 exp 7,30916 HHHV² exp -0,0538 HH²
1339,32 42,56
4,10 0,02
32,43 36,29
5x5 16 AGB = 69,59417 exp 12,46986 HHHV exp
0,89461 HH 1410,96
42,56 3,84
0,01 30,20
34,75
Keterangan: = Tidak Berbeda Nyata; = Simpangan Rata-rata diterima
Analisis uji verifikasi menghasilkan dua model persamaan yang dapat dijadikan model terbaik. Kedua model persamaan memiliki perbedaan pada nilai
koefisien determinasi R
2
dan nilai RMSE yang dihasilkan, sehingga biomassa hutan lahan kering IUPHHK-HA PT. Trisetia dapat diduga dengan model
persamaan: 1.
= 3880,40614 exp 0,25018HV
2. = 1022,27051 exp
−0,01145 HV
2
4.6 Peta Sebaran Biomassa