6

BAB II

METODOLOGI PENELITIAN

2.1 Waktu dan Tempat Penelitian

Gambar 2 Peta kawasan hutan KPH Madiun Perum perhutani Unit II Jatim.

Pengambilan data penelitian ini dilakukan pada bulan Oktober sampai

dengan bulan November 2011 di dua lokasi, yaitu: BKPH Dungus dan BKPH

Dagangan yang merupakan bagian dari KPH Madiun Perum Perhutani Unit II,

Jawa Timur. Pengolahan dan analisis data dilakukan pada bulan November 2011

sampai dengan bulan Februari 2012 di Laboratorium Remote Sensing dan GIS

Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor.

7

2.2 Alat dan Data Penelitian

2.2.1 Alat yang digunakan di lapangan

Alat yang digunakan selama di lapangan adalah sebagai berikut:

1. Peta desain sampling

2. Global Positioning System (GPS)

3. Kompas

4. Kamera dijital dan kamera SLR dengan lensa fish eye

5. Haga hypsometer

6. Suunto clinometers

7. Meteran

8. Tali tambang.

2.2.2 Software dan Hardware untuk Pengolahan Data

Penelitian ini menggunakan hardware komputer yang dilengkapi dengan

seperangkat periferalnya. Software yang digunakan adalah MS Excel dengan

fungsi analysis data, SPSS, Erdas Imagine, Hemiview, dan ArcView dengan

sistem pendukung ekstensi image analysis, geoprocessing, graticules and

measured grid, projection utility wizard, xtools, dan ekstensi IHMB-Jaya versi 6.

2.2.3 Data Penelitian

1. Data Utama

a. Citra Dijital Non-metrik

Citra yang digunakan dalam penelitian ini adalah citra dijital non-metrik

resolusi tinggi KPH Madiun Perum Perhutani Unit II Jawa Timur yang direkam

menggunakan pesawat tak berawak (Unmaned aircraft). Perekaman citra

dilakukan pada bulan April 2011. Citra ini memiliki resolusi tinggi sampai dengan

20 cm.

b. Data Hasil Pengukuran Lapangan dan Hasil Interpretasi

Data yang digunakan dari hasil pengukuran lapangan dan interpretasi citra

pada penelitian ini, yaitu: kerapatan tajuk (C), diameter tajuk (D), dan jumlah

pohon setiap plot contoh (N).

8

2. Data Pendukung

Data pendukung yang digunakan dalam penelitian ini adalah peta desain

sampling, peta jaringan jalan, peta areal kerja, dan peta kelas hutan KPH Madiun.

9

Gambar 3 Peta citra dijital non-metrik BKPH Dagangan.

9

10

Gambar 4 Peta citra dijital non-metrik BKPH Dungus.

10

11

Gambar 5 Peta jaringan jalan.

11

12

2.3 Metode Penelitian

2.3.1 Persiapan

1. Koreksi Geometrik

Tahapan persiapan penelitian ini diawali dengan koreksi geometrik atau

rektifikasi. Koreksi geometrik adalah suatu proses memproyeksikan data pada

suatu bidang, sehingga mempunyai proyeksi yang sama dengan proyeksi peta.

Koreksi ini dilakukan untuk memudahkan pengecekan objek citra di lapangan,

memudahkan penggabungan citra dengan sumber data lain agar tidak mengalami

distorsi luas atau memungkinkan dilakukan perbandingan piksel demi piksel (Jaya

2002).

Rektifikasi dilakukan dengan proses resampling yang merupakan suatu

proses transformasi citra dengan memberikan nilai piksel terkoreksi. Pelaksanaan

resampling dilakukan dengan proses transformasi dari suatu sistem koordinat ke

sistem koordinat lain, sedangkan metode yang digunakan adalah Nearest

Neighbour. Tahapan melakukan rektifikasi adalah sebagai berikut:

a. Memilih titik kontrol lapangan (Ground control point). GCP tersebut sedapat

mungkin adalah titik-titik atau obyek yang tidak mudah berubah dalam jangka

waktu lama. GCP harus tersebar merata pada citra yang akan dikoreksi.

Pemilihan GCP dilakukan secara visual pada lokasi yang dirasa cukup jelas dan

mudah dijangkau. GCP yang digunakan pada lokasi BKPH Dagangan adalah

sebanyak 10 GCP dan pada lokasi Dungus sebanyak 7 GCP. GCP dibuat untuk

mempermudah menemukan titik plot pada lokasi penelitian dan untuk

memperoleh akurasi geometri ketika foto udara telah dibuat atau sedang

digunakan dalam penyiapan peta. Jumlah minimum GCP yang ditentukan di

lapangan tergantung pada beberapa faktor termasuk tujuan survey, luasan

wilayah yang diliput, serta kondisi medan.

b. Membuat persamaan transformasi yang digunakan untuk melakukan interpolasi

spasial. Persamaan ini umumnya berupa persamaan polynomial baik orde 1, 2,

dan 3, pada penelitian ini digunakan orde 1.

13

Orde I disebut juga Affine transformation (diperlukan minimal 3 GCP):

�′ � �� � ��� � �� ……………………………………………………………(1)

′ � �� � ��� � �� ............................................................................................. (2)

Keterangan :

p' dan l' = posisi piksel pada citra yang belum terkoreksi

X dan Y = posisi koordinat peta (geodetik)

��, �� = koefisien elevasi

��, � = koefisien regresi

c. Menghitung kesalahan RMSE (root mean squared error) dari GCP yang

terpilih. Nilai RMSE tidak boleh lebih dari 0,5 piksel. Kesalahan rata-rata dari

rektifikasi ini dihitung dengan rumus 3.

���� � ���� � ��� � ��� � ��� ……………………………………………..(3)

2. Pemilihan Titik Lokasi Pengamatan

Lokasi sebaran titik pengamatan lapangan ditentukan melalui metode Simple

Random Sampling yang diawali dengan penggunaan Ekstensi IHMB-Jaya Versi 6

pada ArcView. Langkah pertama dilakukan pembuatan grid menggunakan tools

IHMB membuat grid, selanjutnya dibuat titik batas wilayah seperti yang dapat

dilihat pada gambar 5. Pada pembuatan grid diperlukan beberapa informasi yang

harus ditentukan, sebagai berikut :

a. Bilangan acak yang digunakan adalah 56 untuk (x) dan 65 untuk (y).

b. Jarak antar plot untuk pembuatan grid adalah selebar 75 m × 75 m.

Setelah grid terbentuk, ditambahkan titik–titik plot dengan tools IHMB

membuat plot pada setiap pertemuan antara garis barat-timur dan garis utara-

selatan untuk kemudian dipilih n plot contoh yang tersebar menurut kelas umur

dan bonita. Gambar 6 dan Gambar 7 merupakan tampilan lebih jelas untuk hasil

tahapan penambahan plot pada grid yang telah dibuat.

14

Gambar 6 Hasil pembuatan grid dan titik batas menggunakan ekstensi IHMB-

Jaya Versi 6, ArcView.

15

Gambar 7 Plot hasil pembuatan grid BKPH Dagangan.

15

16

Gambar 8 Plot hasil pembuatan grid BKPH Dungus.

16

17

Pada kedua lokasi penelitian dilakukan pemilihan 76 plot contoh untuk

tahapan perama (n) dari titik-titik yang telah didapat dari proses tersebut.

Pemilihan plot ini bertujuan untuk memperoleh data pada citra dan juga

memudahkan pemilihan plot contoh yang diteliti di lapangan. Plot contoh yang

digunakan berbentuk lingkaran dengan luasan sesuai dengan KU (Kelas umur).

a. KU I – II dilakukan pengukuran dengan plot lingkaran seluas 0,02 ha

b. KU III – IV dilakukan pengukuran dengan plot lingkaran seluas 0,04 ha

c. KU V – Up dilakukan pengukuran dengan plot lingkaran seluas 0,1 ha.

Pemilihan plot contoh tahapan ke-dua (m) dalam penelitian ini dilakukan

dengan memilih setengah dari jumlah plot contoh pada tahapan pertama, dengan

kata lain dipilih m sebanyak 38 plot contoh. Seperti pemilihan plot contoh tahap

pertaman (n), pemilihan pada tahap ke-dua ini dilakukan secara acak menyebar

menurut bonita dan umur tegakan plot contoh tahapan pertama. Plot contoh ini

selanjutnya menjadi plot yang dilakukan survey lapangan. Pemilihan sampel yang

relatif kecil memberikan hasil sampling yang baik pada double sampling. Menurut

Sutarahardja (1999), pengukuran parameter pada potret dapat dilakukan sebanyak

mungkin dan diusahakan agar konsisten untuk mengurangi kesalahan dalam

penaksiran. Sedangkan pengukuran di lapangan cukup beberapa plot contoh saja,

asalkan mewakili seluruh kondisi tegakan.

Setelah dilakukan pemilihan plot contoh untuk survey lapangan, dilakukan

pembentukan titik ikat pada areal yang mudah dijangkau dan berdekatan dengan

plot contoh. Titik ikat digunakan untuk mempermudah jangkauan menuju plot

contoh yang ingin diteliti.

18

Gambar 9 Peta sebaran plot contoh BKPH Dagangan.

18

19

Gambar 10 Peta sebaran plot contoh BKPH Dungus.

19

20

3. Pembuatan Peta Desain Sampling

Peta desain sampling dibuat sebagai alat bantu pengamatan di lapangan.

Peta desain sampling dibuat melalui proses layout dari overlay antara citra, lokasi

penelitian, dan peta jaringan jalan yang dibuat pada tahapan sebelumnya. Semua

informasi yang telah diperoleh pada tahapan sebelumnya seperti sebaran plot

contoh yang diteliti di lapangan (m), GCP dan titik ikat digunakan dalam

pembuatan peta desain sampling ini. Peta desain sampling kemudian dicetak pada

kertas A3 dengan skala 1: 6500.

2.3.2 Pengambilan Data Lapangan

Plot contoh yang diteliti di lapangan (m) adalah sejumlah 38 plot yang telah

ditentukan pada tahap persiapan. Data yang diambil di lapangan, sebagai berikut:

1. Nomor plot

2. Keliling pohon setinggi dada

3. Keliling pohon setinggi 0,5 meter

4. Tinggi total pohon

5. Tinggi bebas cabang (tbc).

6. Diameter tajuk

7. Jarak dan sudut azimuth setiap pohon dari titik pusat plot

8. Koordinat plot contoh

9. Koordinat pohon

Untuk data pembantu, diambil juga beberapa foto lapangan dan foto

kerapatan tajuk menggunakan kamera SLR berlensa fish eye. Semua data tersebut

dicatat pada tally sheet yang telah dipersiapkan pada tahapan persiapan.

21

2.3.3 Pengolahan Data

1. Interpretasi Citra

Menurut Jaya (2006), klasifikasi diartikan sebagai suatu proses

mengelompokkan piksel ke dalam kelas-kelas atau kategori-kategori yang telah

ditentukan berdasarkan nilai kecerahan piksel yang bersangkutan. Klasifikasi

dapat dilakukan dengan dua pendekatan, yaitu pendekatan kuantitatif dan

kualitatif. Pada penelitian ini yang digunakan adalah pendekatan kualitatif.

Klasifikasi pendekatan kualitatif merupakan suatu kegiatan untuk mendeteksi dan

mengidentifikasi objek-objek permukaan bumi yang tampak pada citra, baik

potret udara maupun citra satelit dengan cara mengenalinya atas dasar

karakteristik spasial, spektral, dan temporal. Interpretasi merupakan suatu

tindakan untuk mengidentifikasi gambar di atas foto sesuai dengan tujuan menguji

dan mengecek kebenarannya (Simon 1993). Interpretasi dapat digunakan dalam

bermacam hal, Wolf (1993) menyatakan bahwa interpretasi foto dapat membantu

dalam pemetaan spesies pohon, penentuan umur, kerapatan dan ukuran pohon,

dan juga pemecahan masalah lain yang berkaitan dengan kehutanan seperti

evaluasi kerusakan oleh kebakaran hutan, hama, dan penyakit.

Pada penelitian ini dilakukan penentuan persen kerapatan tajuk pada citra

(Cctr), diameter tajuk pada citra (Dctr), dan jumlah pohon pada citra (Nctr).

Penentuan persen ketiga peubah bebas tersebut dilakukan menggunakan

interpretasi visual. Menurut Howard (1996), analisis citra visual didefinisikan

sebagai aktivitas visual untuk mengkaji citra yang menunjukkan gambaran muka

bumi yang tergambar dalam foto tersebut untuk tujuan identifikasi obyek dan

menilai maknanya. Rahaju (1997) membenarkan bahwa penentuan kerapatan

tajuk dapat diestimasi dengan menggunakan bantuan penglihatan. Teknik

interpretasi visual menggunakan kemampuan pikir manusia yang paling baik

untuk melakukan evaluasi kualitatif pada daerah kajian, akan tetapi teknik ini

memiliki keterbatasan yaitu memerlukan latihan ekstensif dan bersifat intensif

tenaga. Penyebabnya adalah keterbatasan kemampuan manusia untuk

memisahkan nilai rona pada citra dan adanya kesulitan bagi penafsir untuk

menganalisis beberapa citra pada waktu yang sama (Lillesand & Kiefer 1990).

22

Tahapan penentuan kerapatan tajuk dalam penelitian ini dilakukan dengan

on screen digitations untuk membedakan luasan bertajuk dan non-tajuk pada tiap

plot yang telah diambil. Setelah luasan wilayah bertajuk didapat, kemudian luasan

tersebut dibagi dengan luas plot contoh dan dikalikan 100%.

%���� � � �� !"!# $%��! &'� ( )� �)*�)#

+100% .............................................................. (4)

Gambar 11 Cara melakukan on screen digitations untuk menghitung kerapatan

tajuk.

Diameter tajuk didapatkan dengan mengukur citra secara langsung

menggunakan tools measure pada Arcview yang kemudian diambil rata-rata

diameter tajuk setiap plot. Penentuan diameter tajuk diperlukan ketelitian yang

tinggi dalam membedakan tajuk yang berada dalam suatu plot. Menurut Spurr

(1960), kesalahan terbesar terjadi dalam pengukuran diameter tajuk pohon pada

potret udara apabila tajuk pohon terlihat kecil-kecil dan berkelompok, sehingga

sukar ditentukan batas antara tajuk yang satu dengan lainnya.

Gambar 12 Cara perhitungan diameter tajuk.

Arah pengukuran

diameter tajuk

Areal tutupan tajuk

Gap tajuk

23

Seperti pengukuran kerapatan dan diameter tajuk, maka perhitungan jumlah

pohon citra dalam setiap plot juga dilakukan secara visual dengan menghitung

langsung jumlah pohon yang ada di citra. Gambar 12 menunjukkan bahwa jumlah

pohon pada plot tersebut adalah 9 pohon.

Gambar 13 Cara menghitung jumlah pohon.

2. Pengolahan Data Lapangan

Setelah data lapangan diperoleh, maka dilakukan pemetaan data ke dalam

citra menggunakan software Arcview. Data yang dipetakan antara lain koordinat

plot contoh, koordinat pohon, dan diameter tajuk. Sebelum dilakukan pemetaan

data mengunakan Arcview, dilakukan pengunduhan dari GPS menggunakan

komputer untuk memperoleh semua data yang telah didapatkan di lapangan. Dari

pemetaan data koordinat pohon, didapatkan jumlah pohon di lapangan (Nlap) pada

setiap plotnya.

Diameter tajuk lapangan (Dlap) yang diperoleh, digunakan untuk

menghitung kerapatan tajuk citra di lapangan (Clap). Nilai diameter digunakan

untuk membuat buffer tajuk pohon yang bertitik pusat pada koordinat pohon.

Setelah buffer terbentuk dan didapatkan luasannya, kemudian luasan tersebut

dibagi dengan luas plot contoh dan dikalikan 100%.

Nilai sediaan tegakan lapangan didapat dengan sebelumnya dilakukan

perhitungan sediaan tiap pohon menggunakan rumus 5. Setelah nilai sediaan

setiap pohon didapat, kemudian dilakukan penjumlahan sediaan pohon yang

berada pada plot yang sama dengan menggunakan perhitungan rumus 6. Nilai

Posisi Pohon

24

sediaan yang didapatkan ini merupakan sediaan tegakan lapangan pada tiap plot

contoh.

tbc×dbh××4

1=Vbc2

i π ................................................................................. (5)

∑=

=n

i

iplot VbcVbc1

Keterangan :

Vbci = Volume tiap pohon (m3)

Vbcplot = Volume pohon tiap plot (m3/plot)

Dbh = Diameter pohon bebas cabang (m)

Tbc = Tinggi pohon bebas cabang (m)

n = Jumlah pohon setiap plot

3. Koefisien Determinasi (R2) antar Peubah

Data yang didapat dari survey lapangan yang baik paling tidak hampir

mendekati nilai dari data hasil interpretasi citra dan keduanya memliliki selisih

yang konsisten. Untuk itu perlu dilakukan perhitungan koefisien determinasi (R2)

untuk mengetahui konsistensi antar peubah. Koefisien determinasi dilakukan

untuk mengetahui seberapa besar suatu peubah dapat menjelaskan peubah lainnya

(Walpole 1982). Semakin tinggi nilai R2, menunjukkan bahwa semakin tinggi

kemampuan suatu peubah dalam menjelaskan peubah lainnya, dan juga

sebaliknya. Koefisien determinasi dapat diperoleh melalui pembuatan scatter plot.

Perhitungan koefisien determinasi dilakukan antara Nctr dengan Nlap, Dctr

dengan Dlap, dan juga Cctr dengan Clap. Selain peubah-peubah tersebut, dilakukan

juga perhitungan R2 antara peubah Vbc dengan Nctr, Vbc dengan Dctr, dan Vbc

dengan Cctr untuk melihat seberapa besar peubah citra dapat menjelaskan nilai

Vbc yang diperoleh pada tahapan sebelumnya.

………………………………………………………….…..(6)

25

4. Pendugaan model

Model yang didapat dari pengambilan dan pengolahan data yang dilakukan

bersama Eri Septyawardani dan Sri Wahyuni terdapat pada Tabel 1.

Tabel 1 Model dengan peubah N, D, dan C

No. Model R2(%)

1 BKPH Dagangan

Vbc= -10,164+1,027Nctr+1,752Dctr+0,081Cctr 85,70

2 BKPH Dungus

Vbc= 1,499E-5Cctr

2,693 Dctr

1,159 Nctr

0,267 73,70

Dari kedua model tersebut dapat diketahui bahwa peubah bebas yang dicari

untuk melakukan perhitungan teknik double sampling pada lokasi KPH Madiun

adalah peubah bebas C (kerapatan tajuk), D (diameter tajuk), dan N (jumlah

pohon). Selain menggunakan model dengan peubah N, D, dan C, pada penelitian

ini juga menggunakan model dengan satu peubah sebagai pembanding.

Tabel 2 Model dengan satu peubah

No. Model R2(%)

1 BKPH Dagangan

Vbc=10,361+1,169Nctr 56,40

2 BKPH Dungus

Vbc= -62,221+1,266Cctr 57,20

Diperlukan satu peubah untuk menduga sediaan tegakan dengan

menggunakan model ini, yaitu: N (jumlah pohon) untuk lokasi BKPH Dagangan

dan C (kerapatan tajuk) untuk lokasi BKPH Dungus.

Model yang didapatkan ini kemudian digunakan untuk mengetahui nilai

sediaan tegakan di citra pada tiap plot. Sediaan tegakan di citra didapat dengan

cara memasukkan informasi nilai peubah citra yang menyusun model tersebut.

26

5. Perhitungan Double Sampling

Hasil iterpretasi citra dan hasil pengukuran di lapangan selanjutnya

digunakan untuk menduga nilai estimasi sediaan tegakan menggunakan teknik

double sampling (Paine 1981) :

)(ˆmnmdslr XXbYY −+=

Keterangan :

dslrY

= Volume estimasi menggunakan teknik double sampling with linear

regression (dslr)

mY = Rata-rata volume tegakan hasil pengukuran dari m plot di lapangan

pada fase ke-dua

nX = Rata-rata volume tegakan hasil estimasi melalui potret udara dari n plot

pada fase pertama

mX = Rata-rata volume tegakan hasil estimasi melalui potret udara dari m plot

pada fase ke-dua

b = Slope dari regresi.

Koefisien regresi dari persamaan yang didapat dihitung menggunakan

metode kuadrat terkecil (least squared method). Ragam dari pengambilan contoh

ganda (S2ydslr) ini dihitung dengan rumus sebagaimana disarankan oleh DeVries

(1986) dalam Shiver and Borders (1996) :

−−−=

22

2 11 rn

mn

m

ySyS m

dslr

dimana :

1

)(1 1

22

2

−

−

=

∑ ∑= =

m

myy

yS

m

i

m

i

ii

m

…………………………………………...………………………..…...(7)

…………………………………………………..….....(8)

…………………………..………………………………………..…...(9)

27

2/12

1

12

2/12

1

12

1 11

−

−

−

=

∑∑

∑∑

∑ ∑∑

=

=

=

=

= ==

m

i

m

i

i

i

m

i

m

i

i

i

m

i

m

i

m

i

iii

m

y

ym

x

x

myixyx

r

Keterangan:

dslryS 2 = Penduga ragam bagi nilai tengah populasi

myS 2 = Penduga ragam bagi nilai tengah contoh

m = Jumlah plot di lapangan (fase 2)

n = Jumlah plot di citra (fase 1)

r = Koefisien korelasi

x = Nilai dugaan volume pada citra

y = Nilai volume dari lapangan.

a. Selang kepercayaan (1-α)×100% bagi nilai tengah (rata-rata) populasi ( dslry )

Berdasarkan nilai dugaan rata-rata populasi dan ragamnya dapat dibuat

penduga selang bagi nilai tengah populasi dengan rumus 11.

)( 2

),2

( dslrdbfdslr ySty ×± α

b. Penduga total populasi ( dslrY )

Nilai dugaan bagi total populasi dapat dihitung berdasarkan nilai dugaan

rata-rata populasi dan luas wilayah (N) dengan rumus 12.

dslrdslr yNY ×=ˆ

c. Penduga ragam bagi total populasi ( dslrYS ˆ2

)

Nilai dugaan bagi ragam total populasi dapat dihitung dengan rumus 13.

dslrydslrY SNS 22ˆ

2×=

………………………………...(10)

…………………………………………………………..…...(11)

…………………………………………………………..……………….…....(12)

……………………………………………………………….…...(13)

28

d. Selang kepercayaan (1-α)×100% bagi total populasi

Berdasarkan nilai dugaan bagi populasi, nilai t-student (t(α/2.dbf)) dan

ragamnya, dapat dibuat penduga selang bagi total populasi dengan rumus 14.

dslrmdslr SytY );(ˆ

α±

e. Kesalahan penarikan contoh (SE)

Untuk mengetahui ketelitian pendugaan parameter populasi dengan metode

penduga regresi untuk double sampling, dapat dihitung besarnya sampling error

berdasarkan nilai dugaan bagi populasi, nilai t-student (t(α/2.dbf)) dan ragamnya

dengan rumus 15.

%100ˆ);(

xY

SytSE

dslr

dslrmα= Koefisien Variasi (CV)

Koefisien variasi adalah perbandingan antara simpangan standar dengan nilai

rata-rata yang dinyatakan dengan persentase. Koefisien variasi berguna untuk

melihat sebaran data dari rata-rata hitungnya.

%100ˆ

×=

dslr

dslr

Y

SyCV

f. Alokasi optimum dan efisiensi relatif

Alokasi optimum digunakan untuk menentukan jumlah plot contoh yang

optimum yang akan diamati di citra dan di lapangan. Untuk melakukan

optimalisasi dapat dilakukan salah satunya dengan metode Multiplier Langrange

(Paine 1981).

( )( )[ ]

+=

pf

f

sfCRCE

Cnn .....................................................................(17)

( )Rnn fp =

…………………………………………………..……………….…....(14)

……………………………………………..……………….....(15)

……………………………………………..……………………….....(16)

……………………………………………..……………………………………………........(18)

29

Dimana :

( )2

%

22 )()(

DSE

tCVns =

( )2

21

/

+

−

=

rC

Cr

CCE

p

f

pf

dan

−

=

f

p

C

C

r

rR

2

21

1

.

Keterangan :

nf = Alokasi plot optimum di lapangan

np = Alokasi plot optimum di citra

ns = Jumlah plot yang harus dibuat jika pengamatan hanya di lapangan

Cp = Biaya pengamatan di citra

Cf = Biaya pengamatan di lapangan

R = Rasio optimum antara jumlah plot di citra dengan di lapangan

E = Efisiensi

CV = Koefisien variasi

DSE% = Kesalahan sampling yang diharapkan.

Biaya yang dikeluarkan dalam penelitian ini terdiri dari dua jenis, yaitu:

biaya pengamatan di citra dan biaya pengamatan di lapangan. Biaya pengamatan

di citra adalah semua biaya yang dikeluarkan mulai dari pembelian citra,

pengolahan atau interpretasi citra, sampai dengan biaya-biaya lain termasuk biaya

cetak citra menjadi peta. Sedangkan biaya pengamatan di lapangan meliputi biaya

transportasi, pemberian upah pekerja, dan lain sebagainya. Biaya yang

dikeluarkan untuk pengamatan di lapangan harus lebih tinggi daripada biaya

pengamatan di citra untuk mencapai nilai efisiensi teknik double sampling yang

tinggi.

……………………………………………..…………………………………….......(19)

………………………………..…………………………………….(20)

………………………………..……………………………..………....(21)

30

Tabel 3 Perhitungan upah pekerja

Lokasi Jumlah Pekerja Jml hari kerja Upah satuan Upah

(orang) (hari) (Rp/orang/hari) (Rp)

BKPH

Dagangan 6 4 40.000 960.000

BKPH

Dungus 6 4 40.000 960.000

Tabel 4 Perhitungan biaya lapangan

Lokasi Pengeluaran Biaya (Rp.)

BKPH

Dagangan Upah pekerja 960000

Transportasi Bogor - Madiun 420000

total

1380000

BKPH

Dungus Upah pekerja 960000

Transportasi Madiun - Bogor 420000

total

1380000

Biaya lapangan per hektar

( ) ( )363.157.

1,038

000.380.1.

plotluasan plotjumlah

UpahRp

Rp=

×=

×

Pada Tabel 4 dapat diketetahui bahwa biaya yang dikeluarkan untuk survey

lapangan antara lokasi BKPH Dagangan dan BKPH Dungus adalah sama, sebesar

Rp. 1.380.000 untuk tiap lokasinya. Hal ini dikarenakan adanya kesamaan jumlah

pekerja, hari kerja, dan upah pekerja pada setiap lokasi seperti yang dapat dilihat

pada Tabel 3. Setelah dilakukan perhitungan lebih lanjut, didapat biaya lapangan

per hektar (ha) sebesar Rp. 363.157.

31

Tabel 5 Perhitungan biaya citra

Lokasi Pengeluaran Harga Satuan Banyak Biaya

(Rp) (Rp)

BKPH

Dagangan Pembelian citra 20.000/ha 172,3 ha 3.446.200

Cetak peta ukuran A3 5.000/peta 3 15.000

Cetak peta ukuran A0 10.000/peta 1 10.000

Interpretasi 2.000/ha 172,3 ha 344.620

Total biaya 3.815.820

Biaya per ha 22.145

BKPH

Dungus Pembelian citra 20.000/ha 169 ha 3.380.000

Cetak peta ukuran A3 5.000 3 15.000

Cetak peta ukuran A0 10.000 1 10.000

Interpretasi 2.000/ha 169 ha 338.000

Total biaya 3.743.000

Biaya per ha 22.148

Biaya citra (Cp) dapat dilihat pada Tabel 5. Pada kedua lokasi penelitian,

biaya citra yang dikeluarkan hampir sama, yaitu: Rp.22.145 untuk lokasi BKPH

Dagangan dan Rp.22.148 untuk BKPH Dungus.

Efisiensi relatif (ER) dalam penelitian ini adalah rasio antara biaya yang

dikeluarkan dengan metode pengambilan contoh acak sederhana.

%100×+

=ffpp

fs

CnCn

CnER

………………………………..…………………….……...(22)

32

2.3.4 Tahapan Penelitian

Gambar 14 Diagram alur metode penelitian.

Selesai

Data pendukung

(peta areal kerja,

peta jalan, dsb)

Citra dijital

non-metrik

resolusi

tinggi Koreksi citra

Pengecekan lapangan

Interpretasi visual(Interpretasi,

dijitasi, klasifikasi)

Analisis statistik (pendugaan model)

Persiapan

Mulai

Data hasil cek

lapang (n)

Data hasil

interpretasi citra (m)

Analisis plot optimum dan efisiensi

relatif

Perhitungan double

sampling

Efisiensi Relatif

teknik double

sampling