PENYUSUNAN TABEL VOLUME LOKAL TEGAKAN HUTAN ALAM PADA AREAL IUPHHK PT. TRISETIA INTIGA DI KABUPATEN LAMANDAU, KALIMANTAN TENGAH MOHAMAD FATAH NOOR DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2009 PENYUSUNAN TABEL VOLUME LOKAL TEGAKAN HUTAN ALAM PADA AREAL IUPHHK PT. TRISETIA INTIGA DI KABUPATEN LAMANDAU, KALIMANTAN TENGAH Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan Pada Fakultas Kehutanan Institut Pertanian Bogor MOHAMAD FATAH NOOR E14104058 DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2009 RINGKASAN MohamadFatahNoor.PenyusunanTabelVolumeLokalTegakanHutanAlam padaArealIUPHHKPT.TrisetiaIntigadiKabupatenLamandauKalimantan Tengah. Dibimbing oleh BUDI KUNCAHYO dan I NENGAH SURATI JAYA. BerdasarkanperaturanMenteriKehutanannomorP34/Menhut-II/2007 tentang pedoman inventarisasi hutan menyeluruh berkala bahwa setiap Izin Usaha PemanfaatanHasilHutanKayudalamHutanAlamdanIzinUsahaPemanfaatan HasilHutanKayudalamHutanTanamanIUPHHKdiwajibkanmenyusun RencanaKerjaUsahaPemanfaatanHasilHutanKayusepuluhtahunan(Pasal73 dan75PeraturanPemerintahNomor6Tahun2007)berdasarkanhasil InventarisasiHutanMenyeluruhBerkala.Dalamkegiataninventarisasihutan, dilakukanpengukuranterhadapdimensi-dimensipohonmaupuntegakan,yang kadang-kadangsulitdantidakpraktis.Olehkarenaitu,ketersediaanalatbantu dalaminventarisasi hutan adalah sangat diperlukan, untukmempercepatkegiatan danmemperkecilkesalahanyangterjadidalampengukuran.Alatbantuyang dimaksud antara lain kurva tinggi pohon, tabel volume pohon dan kurva diameter tajukyangberkaitanlangsungdengankegiataninventarisasihutanmenyeluruh berkala yang dilakukan. Tujuanutamadaripenelitianiniadalahuntukpenyusunantabelvolume padaarealUPHHKPT.TrisetiaIntiga.Tabelvolumeyangdisusun dikelompokkanmenjadikelompokjenismerantidannon-meranti(rimba campuran).Datadianalisismenggunakanseperangkatkomputeryangdilengkapi denganperangkatlunakMinitab14.Alat-alatbantuyangdigunakanselama pengambilandatadilapanganmencakupGPS,Phi-band,Sonin,Haglof,kamera dijitaldanmeteran.Rangkaianmetodepenelitianterdiridaripenentuanjumlah danpemilihanpohoncontoh,pengukuran,penentuanvolumepohoncontoh,dan analisis data. Berdasarkankriteriapemilihanmodelyaitubesarnyanilaikoefisien determinasi, simpangan baku, uji F, uji diagnostik baris, maka model yang terpilih untukjenismerantiadalahsebagaiberikutV=0.0000562D 2.87 10 -0.0041D, sedangkan untuk kelompok jenis non-meranti diperoleh persamaan terbaik yaitu V =0.0000724D 2.69 10 -0.00175D.Selanjutnyadaripersamaanterbaikuntuklokasi arealPT.TrisetiaIntiga,dilakukanperbandinganterhadappersamaanpenduga volumepohonPropinsiKalimantanTengah.Kriteriayangdiujiadalahnilai simpanganagregatrelative,nilaisimpanganrata-rata,RMSE,Bias,dannilai X2hitungdiperolehpersamaanterbaikuntuklokasiarealPT.TrisetiaIntiga adalah:0.0000562D 2.87 10 -0.0041Duntukkelompokjenismeranti,sedangkan persamaan regresi untuk kelompok jenis non-meranti adalah V = 0.0000724 D 2.69 10 -0.00175 D Kata kunci: Sediaan tegakan, Purposive sampling method, kelompok jenis meranti dan non-meranti. SUMMARY MOHAMAD FATAH NOOR. Establishing Local Volume Table For Natural ForestinAreaofPT.TrisetiaIntigainKalimantanTengah.Under Supervision of Budi Kuncahyo and I Nengah Surati Jaya BasedontheMinisterofForestrysdecreenoP34/Menhut-II/2007on implementationofforestinventoryforwholearea(IHMB)ofeachconcession area (IUPHHK) either for natural forest or plantation forest, the concession holder is obligated to establish work plan for forest product utilization (section 73 and 75 GovernmentRegulationNo.6Year2007)onthebasisoftheresultofIHMB. Duringimplementationoftreemeasurementinthefield,alltreedimensions shouldbemeasured.Thisfieldmeasurementmightbeimpracticalandsomehow difficulttobeimplemented.Thus,tofacilitatedthismeasurement,aswellasto reducehumanerror,itisneededtoestablishsupportingtoolsthatincludetree height curve, tree volume table and crown diametre curve. Themainobjectiveofthisresearchistoestablishvolumetablefor concession area of PT. Trisetia Intiga. The developed volume tables are classified intomeranticlassesandnon-meranticlasses.Thedatawereanalyzedusing computer with minitab-14s software. The supporting equipments that used during datameasurementinthefieldareGPS,Phi-band,Sonindistancemeasurement tool,Haglofheightmeasurementtool,digitalcameraandothermeasuringtools. Theprocedureofthisresearchincludesdatacollectionandselectionoftree sample, measurement of tree dimension, data analysis and reporting. Thecriteriaofmodeldeterminationusedarecofficientofdetermination, standarddeviation,F-testandlinediagnostictest.TheselectedmodelsareV= 0.0000562 D 2.87 10 -0.0041 D for meranti class and V = 0.0000724 D 2.69 10 -0.00175 D fornon-meranticlass.Thenbasedoncomparisonanalysiswiththeestimation modelforKalimantanTengahProvinceusingagregatdeviationvalue,RMSE, bias,X2(Khi-kuadrat),thebestmodelsareV=0.0000562D 2.87 10 -0.0041D for meranti and V = 0.0000724 D 2.69 10 -0.00175 D for non-meranti classes. Key words: Standing stock, Purposive sampling method, meranti and non-meranti classes Hak cipta milik IPB, tahun 2009 Hak cipta dilindungi Dilarang mengutip dan memperbanyak tanpa izin tertulis dari Institut Pertanian Bogor, sebagian atau seluruhnya dalam bentuk apapun, baik cetak, fotokopi, mikrofilm, dan sebagainya PERNYATAAN DenganinisayamenyatakanbahwaskripsiberjudulPenyusunanTabel VolumeLokalTegakanHutanAlampadaArealIUPHHKPT.TrisetiaIntigadi KabupatenLamandau,KalimantanTengahadalahbenar-benarhasilkaryasaya sendiridenganbimbingandosenpembimbingdanbelumpernahdigunakan sebagaikaryailmiahpadaPerguruanTinggiataulembagamanapun.Sumber informasiyangberasalataudikutipdarikaryayangditerbitkanmaupuntidak diterbitkandaripenulislaintelahdisebutkandalamteksdandicantumkandalam Daftar Pustaka di bagian akhir skripsi ini. Bogor, April 2009 Mohamad Fatah Noor NRP. E14104058 Judul : Penyusunan Tabel Volume Lokal Tegakan Hutan Alam pada Areal IUPHHK PT. Trisetia Intiga di Kabupaten Lamandau, Kalimantan Tengah Nama Mahasiswa: Mohamad Fatah Noor Nomor Pokok: E14104058 Departemen: Manajemen Hutan Menyetujui: Komisi Pembimbing Ketua, Anggota, Dr.Ir Budi Kuncahyo,MSProf. Dr. Ir. I Nengah Surati Jaya, M.Agr NIP. 131 578 798 NIP. 131 578 785 Mengetahui : Dekan Fakultas Kehutanan Institut Pertanian Bogor Dr. Ir. Hendrayanto , M. Agr NIP. 131 578 788 Tanggal : pHPJKkM2S(BFjSPpHLKprogram StraDalaHutanpadaPengelolaanJawaTengaKorintiga HuSelamkemahasiswMahasiswa 2005-2006, StudentsClu(UKM)PersBinaCorps ForestManjugaaktifsSukabumi paSebaProgramStupenulis menHutanAlaLamandau,Kuncahyo, ManakkPuar(Sekolapadat(Selekata 1 Departammasastuatahun20nHutandiDah.Tahun utani KabupmamenuntuwaanyaitusProfesiForKetuaPresiub(HimprosatuanTeniRimbawan nagementStuebagaiasistada tahun 20agai salah satudiManajemnyusun skripampadaA,KalimantaMS dan ProfRIWAPenulisdilkeduadarie(alm)danIahMenengatahun2001-ksiPenerimtemen Manajudinyapenu007diBatuDesaGetas, 2008penulpaten Lamanutilmudi sebagaiKeprestManageidiumHimpFMSC)tahsMejaIPB(BCR)dan udentsClubtenpraktek 008. tu syarat untmenHutan, si berjudul ArealIUPHanTengahf. Dr. Ir. I NeAYAT HIDlahirkandi empatbersaIbuMimmyahUmumIs-2004,pada maanMahasajemen Hutanulismengikuraden-CilacKecamatanlismengikundau, KalimaIPB,penupalabidang ementStudepunanMahashun2006,aBtahun200KetuaUmub(HimproFpengelolaantuk memperoFakultasKePenyusunaHHKPT. hdibawahengah Surati DUP Jakarta28Jaudaradari ySudarni.PslamTerpadtahun2004iswaBaru)n. kutikegiatancap,Jawa nRandublatuutipraktek antan TengahulisaktifdiMedikomdentsClub(HsiswaProfesanggotaUnit6-2007,SteeumHimpunFMSC)tahunhutan(P2oleh gelar Saehutanan,Insan Tabel VoTrisetiaInhbimbingani Jaya, M. AJuni1986,mpasanganBPenulismenduNurulFi4melaluija)penulisdnPraktekPTengahdaung,Kabupakerjalapanh.isejumlah danHublu HimproFMsiForestMtKegiatanMeringCommnanMahasisun2006-2002H)diGunuarjana KehustitutPertanolume LokantigadiKnBapakDgr merupakan BapakAnis nyelesaikan ikriDepok alurSPMB diterimadi Pengenalan anPraktek atenBlora, ngdiPT. organisasi Himpunan MSC)tahun Management Mahasiswa mittee(SC) waProfesi 07.Penulis ungWalat, utanan Pada nianBogor, al Tegakan Kabupaten Dr.IrBudi UCAPAN TERIMA KASIH SegalapujihanyalahmilikAllahSWT.karenahanyadengankasih sayang-NyaakhirnyaskripsidenganjudulPenyusunanTabelVolumeLokalTegakan Hutan Alam pada Areal IUPHHK PT. Trisetia Intiga di Kabupaten Lamandau, Kalimantan Tengah dapat diselesaikan.Keberhasilanpenulisdalammenyelesaikankaryainitentunyatidak terlepasdaridukunganberbagaipihak.Padakesempataninipenulisingin mengucapkan terimakasih kepada: 1.Keduaorangtua,mamaMimmySudarniataskasihsayang,nasihathidup, kesabarandanlantunandoayangtakpernahputushinggatakterhitung tetesanairmatadankeringatyangtelahdikeluarkan.AlmarhumBapakAnis Puar atas segala ajaran nilai, etika, dan moral kehidupan.2.Abang dan kedua adik, bang Lutfi, Umar dan Falah atas senyuman yang selalu menghiasi kehidupan sehari-hari penulis. 3.BapakDr.Ir.BudiKuncahyo,MSsebagaipembimbingIyangtelah memberikan nasihat, bimbingan dan arahan dalam penyelesaian skripsi ini. 4.Bapak Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr sebagai pembimbing II yang telahmemberikannasihat,bimbingandanarahansertakesabarandalam penyelesaian skripsi ini. 5.Bapak Dr. Ir. I Wayan Darmawan, MS selaku dosen penguji dari Departemen HasilHutandanBapakDr.Ir.AgusHikmat,MSselakudosenpengujidari DepartemenKonservasiSumberdayaHutandanEkowisataatassaran perbaikan dan nasehat yang disampaikan kepada penulis. 6.PakUusdanMasEdwineatassemuailmu,bantuandanmotivasiyangtelah diberikan. 7.BapakDR.KimYoungCheol,DirekturPT.TrisetiaIntiga,Kalimantan Tengah atas ijin dan kesempatannya untuk melakukan penelitian di areal kerja PT. Trisetia Intiga. 8.BapakMargono,stafDivisiKehutananPT.TrisetiaIntiga,Kalimantan Tengahatasbantuankomunikasisehinggapenelitianinidapatterlaksana dengan lancar. 9.Bapak Rifky Arifiyanto, S.Hut selaku manajer perencanaan PT. Trisetia Intiga atas semua bantuannya selama pengambilan data. 10. Bapak Soni dan keluarga besar Camp Palikodan yang telah mengisi kehidupan sehari-hari penulis selama pengambilan data. 11. KeluargabesarLab.RemoteSensing:Bejo,Baki,Pipitbesar,Pipitkecil, Nyotiyangtelahmengisikehidupansehari-haripenulisdalampenyelesaian skripsi. 12. Rekan-rekanManajemenHutan41:Nurlita,Christina,Khalifah,Topan, Babeh, Fitri, Ayu, , Clod, Nayu, Linda, Edo, Nur, Ilyas, Venti, Topan, Sudiah, Priyo,Amri,Iis,Pampam,Sandi,Dodo,Juli,Satrio,Budi,Eko,Rejos,Puji, Wati,Feridansemuayangtidakdisebutkan,terimakasihatasdukungandan empati yang diberikan selama studi. 13. RizkiNugraha,PriyodanAhmadZamhariyangtelahikhlaslaptop,kamera dijitaldanprinternyadipinjamkanuntukmengerjakanpenelitianiniserta bantuanlainnya.SertaFitroh,Ariyanto,DewiR,Fenoy,Islamy,Bayudan Cindera,ataslantunando,adandukunganmoralselamamengerjakan penelitian ini. 14. Keluarga besar Pondok Ar-Razak, Padepokan Bukit Tengkorak (PBT), Wisma MadinahdanDarESyabaabataskekeluargaandanpengertiannyaselama hidup dalam satu atap. 15. Seluruhrekan-rekanyangpernahberjuangbersamadiHIMPROForest ManagementStudentsClub2006/2007atasdedikasidanpersahabatanyang terjalin selama berorganisasi. 16. Kepadasemuapihakyangtidakdapatdisebutkansatupersatuyangturut memberikan sumbangsihnya yang tidak ternilai. i KATA PENGANTAR Puji syukur penulis panjatkan kehadirat Allah SWT atas segala Rahmat dan Hidayah-Nya,sehinggapenyusunanTugasAkhirinidapatdiselesaikan.Tugas akhirinidisusunsebagaisalahsatusyaratuntukmemperolehgelarSarjana KehutananpadaDepartemenManajemenHutanFakultasKehutananInstitut Pertanian Bogor. Tema yang dipilih dalam penelitian ini adalah Penyusunan Tabel VolumeLokalTegakanHutanAlampadaArealIUPHHKPT.TrisetiaIntigadi KabupatenLamandau,KalimantanTengahdibawahbimbinganDr.Ir.Budi Kuncahyo, MS dan Prof. Dr. Ir. I Nengah Surati Jaya, M. Agr. Penyusunan Tugas Akhiriniadalahsebagaiwahanabagipenulisuntukmelatihketerampilandan wawasanpenulisdalammenyusunsebuahKaryaIlmiah.Kritikdansaranyang bersifatmembangunbagi penyusun tulisanini sangat diharapkan. Semoga Tugas Akhir ini dapat bermanfaat bagi pembangunan hutan di Indonesia. Bogor,April 2009 Penulis ii DAFTAR ISI Halaman KATA PENGANTAR......................................................................................iDAFTAR ISI.....................................................................................................ii DAFTAR TABEL............................................................................................iiiDAFTAR GAMBAR .........................................................................................v DAFTAR LAMPIRAN .....................................................................................vi BAB I PENDAHULUAN 1.1Latar Belakang............................................................................ 1 1.2Tujuan .......................................................................................... 21.3Manfaat ........................................................................................ 2BAB IIMETODE PENELITIAN 2.1Waktu dan Tempat...................................................................... 3 2.2Data dan Alat............................................................................... 3 2.3Metode Penelitian ......................................................................... 5 BAB IIIKEADAAN UMUM LOKASI PENELITIAN 3.1Letak dan Luas IPHHK ................................................................ 19 3.2Geologi dan tanah ........................................................................ 19 3.3Keadaan Hutan ........................................................................... 20 3.4Topografi Lahan.......................................................................... 21 BAB IVHASIL DAN PEMBAHASAN4.1Penentuan Pohon Contoh ............................................................. 23 4.2Penyusunan Model Persamaan Regresi ....................................... 23 4.3Validasi Model ........................................................................... 36 4.4Validasi Model Propinsi Kalimantan Tengah............................. 39 BAB V KESIMPULAN 5.1Kesimpulan.................................................................................. 43 5.2Saran............................................................................................ 43 DAFTAR PUSTAKA....................................................................................... 44 LAMPIRAN...................................................................................................... 46 iii DAFTAR TABEL No. Halaman 1Analisa keragaman pengujian regresi ....................................................... 13 2. Formasi geologi areal IUPHHK PT. Trisetia Intiga ................................. 20 3. Jenis tanah yang terdapat di areal IUPHHK PT. Trisetia Intiga ............... 20 4. Wilayah IUPHHK PT. Trisetia Intiga yang overlap penggunaannya dengan perkebunan................................................................................. 21 5. Kondisi topografi lahan ............................................................................ 21 6. Sebaran data pohon contoh ....................................................................... 23 7. Nilai R2, r persamaan regresi dan hasil uji transformasi Z-fisher ............ 24 8. Persamaan regresi yang diperoleh untuk kelompok jenis meranti ........... 25 9. Persamaan regresi yang diperoleh untuk jenis non- meranti .................... 25 10. Nilai F hitung dan F tabel jenis meranti ................................................... 26 11. Nilai F hitung dan F tabel jenis non-meranti ............................................ 26 12. Nilai simpangan baku dan Press untuk jenis meranti ............................... 27 13. Nilai simpangan baku dan Press untuk jenis non-meranti ........................ 27 14. Uji pengamatan pencilan Tresid jenis meranti ............................................ 32 15. Uji pengamatan pencilan Tresid jenis non-meranti .................................... 32 16. Uji pengamatan leverage (Hi) terhadap nilai Hi tabel jenis meranti ........ 33 17. Uji pengamatan leverage (Hi) terhadap nilai Hi tabel untuk...................kelompok jenis non-meranti ..................................................................... 33 18. Uji pengamatan berpengaruh (Ci) terhadap nilai tabel CookD jenis meranti ...................................................................................................... 34 19. Uji pengamatan berpengaruh (Ci) terhadap nilai tabel CookD jenis non-meranti ............................................................................................... 34 iv 20. Persamaan regresi jenis meranti setelah pengamatan pencilan ................dihilangkan ............................................................................................... 35 21. Penentuan peringkat model penduga volume pohon terbaik berdasarkan kriteria nilai R2, simpangan baku (s), dan Fhitung jenis meranti ............. 35 22. Penentuan peringkat model penduga volume pohon terbaik berdasarkan kriteria nilai R2, simpangan baku (s), dan Fhitung jenis non-meranti ...... 35 23. Simpangan agregat relatif (SAA) dan simpangan rata-rata relatif (SAR) jenis meranti ............................................................................................. 36 24. Simpangan agregat relatif (SAA) dan simpangan rata-rata relatif ...........(SAR) jenis non-meranti ........................................................................... 36 25. Nilai simpangan baku (s), RMSE, bias dan Khi-kuadrat jenis meranti .... 37 26. Nilai simpangan baku (s), RMSE, bias dan Khi-kuadrat jenis................non-meranti ............................................................................................... 37 27. Penentuan peringkat model penduga volume pohon terbaik berdasarkan kriteria nilai RMSE, Simpangan baku(s), dan bias (e) untuk jenis meranti 38 28. Penentuan peringkat model penduga volume pohon terbaik berdasarkan kriteria nilai RMSE, Simpangan baku(s), dan bias (e) untuk jenis non- meranti ...................................................................................................... 38 29. Penentuan peringkat gabungan untuk kelompok jenis meranti ................ 38 30. Penentuan peringkat gabungan untuk kelompok jenis non-meranti ......... 38 31. Nilai SAR dan SRR untuk kelompok jenis meranti ................................. 39 32. Nilai SAR dan SRR untuk kelompok jenis non-meranti .......................... 40 33. Nilai simpangan baku (s), bias dan Khi-kuadrat jenis meranti ................. 40 34. Nilai simpangan baku (s), bias dan Khi-kuadrat jenis non-meranti ......... 40 35. Nilai Root mean Square (RMSE) kelompok jenis meranti ...................... 41 36. Nilai Root mean Square (RMSE) kelompok jenis non-meranti ............... 41 37. Peringkat persamaan penduga volume kelompok jenis meranti .............. 42 38. Peringkat persamaan penduga volume kelompok jenis non-meranti ....... 42 v DAFTAR GAMBAR NoHalaman 1.(a) Sonin alat ukur jarak dijital, (b) Haglof alat ukur tinggi dijital ........... (c) GPS Trimble Juno ST Pasaman ........................................................... 4 2.Diagram alir penelitian .............................................................................. 18 3.Peta kelas lereng PT. Trisetia Intiga, Kalimantan Tengah ........................ 22 4.Peta penutupan lahan PT. Trisetia Intiga, Kalimantan Tengah ................. 22 5.Diagram pencar hubungan antara sisaan dengan plot peluang ..................normalnya untuk kelompok jenis meranti ................................................. 29 6.Diagram pencar hubungan antara sisaan dengan plot peluang ..................normalnya untuk kelompok jenis non-meranti .......................................... 29 7.Diagram pencar hubungan antara sisaan dengan Y duga untuk ................kelompok jenis meranti ............................................................................. 30 8. Diagram pencar hubungan antara sisaan dengan Y duga untuk .................kelompok jenis non-meranti ...................................................................... 31 vi DAFTAR LAMPIRAN No Halaman 1.Analisis regresi kelompok jenis meranti ...................................................47 2.Analisis regresi kelompok jenis non-meranti ............................................50 3.Data pohon contoh kelompok jenis meranti ..............................................53 4.Data pohon contoh kelompok jenis non-meranti .......................................56 5.Data validasi kelompok jenis meranti .......................................................58 6.Data validasi kelompok jenis non-meranti ................................................60 7.Tabel volume lokal kelompok jenis meranti .............................................61 8.Tabel volume lokal kelompok jenis non-meranti ......................................62 9.Daftar sidik ragam .....................................................................................63 BAB I PENDAHULUAN 1.1Latar Belakang BerdasarkanPeraturanMenteriKehutanannomorP.34/Menhut-II/2007 tentang pedoman inventarisasi hutan menyeluruh berkala bahwa setiap Izin Usaha PemanfaatanHasilHutanKayu(IUPHHK)dalamHutanAlamdanIUPHHK dalam Hutan Tanaman, diwajibkan menyusun Rencana Kerja Usaha Pemanfaatan Hasil Hutan Kayu sepuluh tahunan (Pasal 73 dan 75 Peraturan Pemerintah Nomor 6Tahun2007)yangdisusunberdasarkaninventarisasihutanberkalasepuluh tahunanyangselanjutnyadisebutsebagaiInventarisasiHutanMenyeluruh Berkala. Kegiataninventarisasihutanmerupakansalahsatukegiatanyangsangat pentingdalamperencanaanhutan.Inventarisasihutanadalahkegiatanyang dilaksanakanuntukmengetahuidanmemperolehdatasertainformasitentang sumberdaya,potensikekayaanalamhutansertalingkungannyasecaralengkap. Adalahhalyangmutlakbahwapengelolaanarealhutansecaraberkelanjutan membutuhkanjumlahinformasiyangbesardankeberlanjutandariberagam informasi. Ini adalah kenyataan untuk beberapa pengurusan hutan dan juga untuk produksikayu.Dalampengertianiniinventarisasihutanadalahusahauntuk menguraikan kuantitas dan kulitas pohon-pohon hutan serta berbagai karakteristik areal tanah tempat tumbuhnya. Salah satu tujuan dari kegiatan inventarisasi hutan adalah untuk menyajikan taksiran-taksirankuantitaskayudihutanmenurutsuatuurutanklasifikasiseperti jenisataukelompokjenis,ukuran,kualitasdansebagainya.Dalamkegiatan inventarisasihutan,untukmencapaitujuantersebutdilakukanpengukuran terhadapdimensi-dimensipohonmaupuntegakan,yangkadang-kadangsulitdan tidak praktis diukur secara langsung dilapangan. Oleh karena itu, ketersediaan alat bantudalaminventarisasihutanadalahsangatdiperlukan,untukmempercepat kegiatan dan memperkecil kesalahan yang terjadi dalam pengukuran.2 Pengertianalatbantudalaminventarisasihutaniniadalahalatyang digunakanuntukmempercepatkegiataninventarisasihutanselainalat-alatukur dimensipohonmaupundimensitegakan.Alatbantuyangdimaksudantaralain kurva tinggi pohon, tabel volume pohon dan kurva diameter tajuk yang berkaitan langsung dengan kegiatan inventarisasi hutan menyeluruh berkala yang dilakukan. Di Indonesia telah banyak penelitian tentang pembuatan tabel volume lokal. DiantaranyaadalahpenelitianVittaVurnamawati(2002)yangmenyusuntabel volumebatangGmelinaarboreadiarealPT.WanakasitaNusantaraJambi, penelitianPriyanto(1999)yangmenyusuntabelvolumelokaljenisjenis komersialhutanalamdiHPHPT.HarjohnTimberLTDdipropinsiKalimantan Barat.1.2Tujuan Penelitian Tujuan utama dari penelitian ini adalah untuk menyusun tabel volume lokal pada areal IUPHHK PT. Trisetia Intiga. 1.3Manfaat Penelitian Manfaatyangdidapatkandaripenelitianiniadalahuntukmempermudah dan meningkatkan efisiensi pelaksanaan kegiatan Inventarisasi Hutan Menyeluruh Berkala pada areal IUPHHK PT. Trisetia Intiga, Kalimantan Tengah. BAB II METODE PENELITIAN 2.1Waktu dan Tempat KegiatanpengambilandatapenelitianPenyusunanTabelVolumeLokal TegakanHutanAlampadaArealIUPHHKPT.TrisetiaIntigadiKabupaten Lamandau,KalimantanTengahpadabulanNovember-Januari2009,sedangkan kegiatanpengolahandatadilakukandiLaboratoriumSIGdanRemoteSensing Fakultas Kehutanan IPB pada bulan Januari-Februari 2009. 2.2.Data dan Alat 2.2.1Data yang digunakan selama penelitian terdiri dari: a.Pohon contoh untuk kelompok jenis merantiSukumeranti-merantianatauDipterocarpaceaemerupakansekelompok tumbuhanpantropisyanganggota-anggotanyabanyakdimanfaatkandalam bidangperkayuan.Sukuinipraktissemuanyaberupapohon,yangbiasanya sangatbesar,denganketinggiandapatmencapai70-85m.HutanKalimantan merupakansatupusatkeragamansukuini.SesuaisuratkeputusanMenteri KehutananRepublikIndonesiaNo.163/KPTS-II/2003tentangpengelompokan jeniskayu,beberapajenisanggotameranti-merantianantaralain:keruing (Dipterocarpuselongatus),mersawa(D.crinitus),bangkirai(Shorealaevis), merantiputih/melapi(S.virescens),merantikuning(S.macroptera),meranti merah (S. parvifolia), meranti batu (Hopea mengarawan) b.Pohon contoh untuk kelompok jenis non-meranti Adapunkelompokjenisnon-merantiyaitutermasukdalamkayurimba campuran,kayuebonidankayuindah.Adapundiantaranyayangtermasuk dalamkelompokkayurimbacampuranadalahbenuang,jabon,bintangur, keranji,ketapang,kempas,dll.kelompokjeniskayueboniadalaheboni bergaris,ebonihitam,eboni.Kelompokjeniskayuindahdiantaranyaadalah ulin, bungur dan rengas. 4 2.2.2Alat-alat yang digunakan dalam penelitian ini adalah: a.Alat Ukur Lapangan Alatalatukurlapanganyangdigunakanselamapenelitianiniadalahpeta lokasipenelitian,GPS,alatukurtinggidijitalHaglof,Clinometer,Phi-band, tallysheet, alat ukur jarak dijital Sonin dan Kamera dijital (a)(b) (c) Gambar 1(a).Sonin, alat ukur jarak dijital (b). Haglof ,alat ukur tinggi dijital (c). GPS Trimble Juno ST. b.Software Perangkat lunak utama yang digunakan dalam penelitian ini adalah Minitab14. 5 c.Hardware Perangkat keras atau hardware yang digunakan dalam penelitian ini adalah seperangkat computer. 2.3Metode Penelitian 2.3.1Penentuan Jumlah dan Pemilihan Pohon Contoh. Untuk menyusun model penduga volume pohon diperlukan sejumlah pohon contohdarijenismerantidannon-meranti.Agarmewakilikelasdiameter,maka pohon-pohoncontohdipilihsedemikianrupasehinggasetiapkelasdiameter terwakili.Datapohoncontohtersebutdibagimenjadi2bagianyaitudatauntuk tahap penyusunan model dan data untuk validasi model.Penentuansampelmerupakankegiatanuntukmenentukanpohon-pohon yangdijadikancontohuntukpenyusunantabelvolume.Bustomi,etal.(1998) menyatakanbahwauntukpenyusunantabelvolumediperlukanjumlahpohon contohyangdikumpulkandarisatulokasipenelitianminimal50pohoncontoh. Banyaknyasampelpohonrebahuntukkelompokjenismerantisebanyak138 pohon, dimana 89 pohon digunakan untuk menyusun model regresi dan 41 pohon digunakanuntuktujuanujivalidasi,sedangkanuntukjenisnon-merantisebanyak 51 pohon contoh digunakan untuk menyusun model regresi dan 36 pohon contoh untukujivalidasidarimodelvolumeterpilihdimanasampelpohonberasaldari lokasi yang sama. Diameter pohon contoh, baik untuk penyusunan model maupun untuk uji validasi model harus tersebar pada setiap kelas diameter. Adapun syarat-syaratpohonyangdiambilsebagaisampelantaralain:lurus,tidakmenggarpu, bebas dari serangan hama penyakit, batang tidak pecah, setelah tebang. Pemilihanpohoncontohdilakukansecarapurposivesamplingdengan memperhatikan penyebaran tegakan dalam kelas diameternya. 2.3.2Pengukuran dan Pengumpulan Data a.Memilihpohon-pohoncontohyangmemenuhikriteriasebagaimana diuraikan di atas. 6 b.Mengukurdiametersetinggidada(dbh)padaketinggian130cmdari permukaan tanah, atau 20 cm di atas banir untuk tinggi banir lebih dari 1 m. c.Menghitungvolumebatangrebahdengancaramengukurpeubah-peubah volumeyaitudiameterdantinggiataupanjangbatang.Pekerjaanyang dilakukan adalah: 1) Mengukurpanjangbatangmulaidaripotonganbawahsampaibatang bebas cabang. Pengukuran dilakukan dengan menggunakan pita ukur. 2) Mengukurdiametersetiapseksidenganpanjang2meter.Untukseksi terakhirpanjangseksisamadenganataudibawah2meter.Pengukuran dilakukandenganmetodeSmallianyaitudiameterdiukurpadapangkal danujungseksi.Letakdiameterpangkalseksipertamaadalah30cmdi atasbanir.Pengukurandilakukandenganmelingkarkanpitadiameter pada batang.2.3.3Penentuan Volume Pohon ContohVolumepohondihitungdenganmencarivolumesemuaseksipohonpada pohonrebah,kemudiansemuavolumeseksidijumlahkan.Pendugaanvolume dapatsecaralangsungmenggunakanpeubah-peubahyangdapatdiamatidan diukur langsung dilapangan.Peubah-peubah yang digunakan diantaranya adalah : a.Tinggi bebas cabang (Tbc); b.Diameter setinggi dada (Dbh); Penentuanvolumedilakukanberdasarkanpanjangdandiameterseksi.. Rumus yang digunakan adalah : Rumus Smallian : V = L x ( Gb + Gu ) / 2 di mana : V= Volume seksi ( m3) L = Panjang seksi (m ) Gb = Luas penampang lintang potongan bawah (m2) Gu= Luas penampang lintang potongan atas (m2) Volumepohonperseksidiketahuidariperhitungandenganmenggunakan rumus Smalian. Volume pohon aktual merupakan jumlah dari volume semua seksi dari satu pohon sampel, atau : 7 Io = Iin=1 di mana : Va = volume aktual pohon (m3) Vi = volume seksi ke-I dari satu pohon (m3) 2.3.4Analisis Data a.Analisa Hubungan Tinggi dengan Diameter Asumsidasaryangmendasaripenyusunanmodelpendugavolumebatang adalah terdapatnya hubungan yang erat antara diameter dan tinggi. r = xiyi ( xini=1)( yini=1) n ni=1_( xi2 ni=1 ( xn=1)2n)( yi2( yini=1)2n)ni=1 atau r = co:x_(:orx:or) dimana:x:Tinggi pohon y:Diameter pohon n: Jumlah pohon covxy:(xy - ((x y) n ) n ) varx:(x2 - (x)2n ) n vary:(y2 - (y)2n ) n

Hubungan linier sempurna antara nilai y dan x dalam contoh apabila nilai r =+1atau-1.Bilarmendekati+1atau-1,hubunganantarakeduapeubahitu kuat dan berarti terdapat korelasi yang antara keduanya (Walpole,1993). Tingkatketelitianhubungantinggipohondengandiameterditunjukanoleh besarnyakoefisiendeterminasi(R2).Koefisiendeterminasisebesar0,50 merupakan batas minimal yang digunakan dalam menyusun tabel volume yang dianggapcukupseksama.NilaiR2=50%ataunilair=0,7071mempunyai pengertianbahwakuranglebih50%variasipeubahtidakbebasY(tinggi 8 pohon)dapatditerangkanolehadanyavariasipeubahbebasX(diameter setinggi dada). Suatuujiuntukmenyatakankapannilairberadacukupjauhdarinilai adalah melalui pengujian koefisien korelasi dengan uji Z-Fisher (Walpole, 1993). Dalam uji Z-Fisher ini, dilakukan transformasi nilai-nilai r dan kedalam Z-Fisher. Dalampenyusunantabelvolumelokal,Sutarahardja(1982)mensyaratkan bahwa nilai harus lebih besar dari 0,7 atau > 0,7 yang berarti pada nilai > 0,7makahubunganantaratinggipohondengandiameterpohondianggap cukup kuat, dimana jika > 0,0701 artinya 2 adalah > 50 %. Hubungan yang kuatdengan2>50%tersebutberartiakanmenjaminbahwasekurang-kurangnya50%keragamanvolumepohonyangdisebabkanolehkeragaman tinggi pohon dapat dicakup oleh pengaruh keragaman diameter pohon. Hipotesa yang digunakan adalah: Ho: = 0,7071 Hi: > 0,7071 Kriteria uji : Zhit = (Zr-Zp) / zr dimana : Zr= u,Sln1 + p1 - p Z= u,Sln1 + r1 - r z= 1 (n - S) Jika Zhitung > Z tabel maka tolak Ho, ini berarti antara peubah tidak bebas (Y) denganpeubahbebas(X)memenuhipersyaratanyangdiberikanyaitu mempunyai>0,7071padatingkatnyatatertentu,sehinggaasumsiyang dimaksud tidak dapat diterima. b.Penyusunan Persamaan Volume Pohon Beberapamodelpersamaanregresiyangakandipergunakandalam penyusunan tabel volume ini adalah sebagai berikut: 1.V = aDb (Model Berkhout) 2.V = a + b D2(Model Kopezky- Gehrhardt) 3.V = a + b D+ c D2(Model Horenadl-Krenn) 4.V = a Db 10 c D 9 dimana: V: Volume total pohon (m3) D: Diameter setinggi dada (cm) H: Tinggi Pohon (m) a,b,c: Konstanta c.Pemilihan Model Terbaik a)Untuk dapat menghasilkan persamaan-persamaan regresi yang dimaksud, makaperludihitungnilai-nilaidarikoefisien-koefisienregresinya (Sutarahardja, Sumarna dan Witjaksono, 1991). 1.Menghitungkoefisienregresipadapenyusunantabelvolumepohon lokal.: Sebagai contoh untuk model regresi linier sederhana sebagai berikut :i iXiY + + =1 0,denganpendugamodelnyaadalah ieix b biy + + =1 0.Besarnyanilaikoefisienregresi 1b sebagai penduga dari 1dan besarnya nilai konstanta 0b(intersept) sebagai penduga dari 0dapat dihitung dari nilai-nilai data pohon contoh. JKxJHKxy=1 danx y1 0 = dimana :y = volume pohon dalam m3

x = diameter pohon dalam cm. 2.Koefisienkorelasi(r)antaravolumepohondengandiameterpohon dapat dihitung dengan rumus (1) tersebut diatas atau dengan rumus : ( )JKyJHKxy br = 3.Menghitungkoefisienregresipadapenyusunantabelvolumepohon standar. Sebagai contoh untuk model regresi linier berganda sebagai berikut : 10 i iXiXiY + + + =2 2 1 1 0,denganpendugamodelnya ieix bix b biy + + + =2 2 1 1 0.Besarnyanilai-nilaipendugakoefisien-koefisienregresi(2,1b b )sertaintersept 0b dapatdihitungberdasar data pohon contoh yang diambil. 2)2 1( )2)(1()2)(2 1( )1)(2(1x JHKx JKx JKxy JHKx x JHKx y JHKx JKxb= ( )( ) ( )( )( )( ) ( )22 1 2 11 2 1 2 12x JHKx JKx JKxy JHKx x JHKx y JHKx JKxb= dimana : ( )nniixniix JKx211121 1= == ( )nniixniix JKx212122 2= == ( )( )nnixnixnix x x JKx== ==121112 1 2 1

( )( )nniynixniy x y JKx== ==1 1111 1

( )( )nniynixniy x y JKx== ==1 1212 2

2 2 1 1 0x b x b y b =Koefisiendeterminasi)2( R darimodelregresitersebutdapat dihitung : 11 totalJKregresiJKR=2

Koefisienkorelasiberganda(R)dapatdiperolehdariakarkoefisien determinasi tersebut diatas. y JHKx b y JHKx bregresiJK2 2 1 1+ =( )nniiyniiy JKytotalJK2112= == = b) Perhitungan simpangan baku (s) Nilaisimpanganbaku(s)ditentukandenganrumus(DraperdanSmith), 1992): s = S2 = _c2n -p, dimana:S2 = kuadrat tengah sisaan, ei = sisaan ke-i. Perhitungansimpanganbakumenunjukkanbahwasemakinkecilnilainya semakin baik, artinya dugaannya semakin teliti. c)Perhitungan Nilai PRESS (Predicted Residual Sum of Square). Setelahbeberapapersamaanyangmemenuhisyaratditetapkan,akan sangatbaikkalaudilakukanujivalidasiuntukmemilihpersamaanterbaik padasetiapkeadaan.UjivalidasiinidapatmenggunakannilaiPRESSdari masing-masingpersamaanyangdibuat(DraperdanSmith,1992).Adapun langkah-langkah sebagai berikut: 1) Amatanpertamapadapeubahresponsmaupunpeubahperamalannya dihilangkannya. 2) Tentukan model dugaan semua kemungkinan regresi terhadap n-1 data. 12 3) Menggunakansetiappersamaanregresiyangdiperolehuntuk meramalkanYiolehYip(misalnya),sehinggadiperolehsimpangan ramalannya untuk semua kemungkinan model regresinya. 4) Mengulangi ketiga langkah diatas namun dengan menghilangkan amatan kedua, ketiga sampai amatan ke-n. 5) Untuksetiapmodelregresidihitungjumlahkuadratsimpangan ramalannya. PRESS = ( - `p)2n=1 dimana : = nilai Y pada amatan ke I, `p= nilai dugaan persamaan regresi tanpa mengikutsertakan amatan ke-i. PerhitungannilaiPRESSberdasarkanrumusdiatascukuprumit dikerjakan,sehingga Weisberg (1985) dalam Kuncahyo (1991) merumuskan nilai PRESS sebagai berikut: PRESS =c2() dimana: c =ci(1-hii, c= nilai sisaan ke-I, b= nilai baris dan lajur ke-I dari hat matrik.PersamaanterbaikadalahpersamaanyangmemilikinilaiPRESSyang paling kecil. d) Analisis Sisaan. 1) Uji visual kenormalan. Kenormalansisaandapatdilihatdenganmenampilkanplothubungan sisaandenganprobabilitynormalnya.Nilaisisaandinyatakannormal apabilaantaranilaisisaandanprobabilitynormalnyamembentukpola garis lurus atau mendekati garis lurus. 2) Uji keaditifan model 13 Sifat aditif dapat dilihat dengan menampilkan plot tebaran nilai sisaan dengannilaidugaan.Asumsikeaditifanmodelterpenuhibilatebaran yangdihasilkantidakmembentukpola(nullplot)atauberbentukacak disekitar nilai sisaan nol (menyerupai pipa horison). 3) Keberartian Persamaan Regresi. Untukmengetahuiapakahadahubunganregresiyangnyataantara peubahbebasdenganpeubahtakbebasnyadilakukanujisignifikansiF-test yakni dengan cara membandingkan nilai F hitung denga nilai F tabel. Nilai F hit dapat ditentukan dari daftar analisis ragam . Hipotesis yang digunakan : Ho : i = 0 Hi : sekurang-kurangnya ada i 0 : I = 1,2,3,.. Kriteriapengujian Fhitung=KTR/KTS. Apabila Fhitung> Ftabel pada tarafnyata5%dantarafnyata1%,makaHoditolak,artinyasedikitnya adasatupeubahyangmempengaruhipeubahtakbebassehingga persamaan regresi yang diuji dapat diterima. 4) Uji pencilan. Pengamatanpencilanadalahpengamatanyangtidakmengikutipola dominan pengamatan lainnya. Pengamatan pencilan ini dapat ditentukan denganmenghitungnilaiTresid(ti)danmembandingkannyadengan TableCriticalforStudentizedResidual(denganmemasukkannilai pengamatanke-iyangdicurigai)danJacknifeResidual(tanpa memasukkanpengamatankeiyangdicurigai).Dengankaidahjika Tresid>Ttabelmakapengamatantersebutmerupakanpencilan, sedangkanjikaTresidTtabelmakapengamatantersebutbukan pencilan.e)Analisa keragaman. Terhadappersamaan-persamaanregresitersebutdilakukanpengujian denganmenggunakananalisakeragaman(analysisofvariance)untuk melihatsignifikasiatauadanyaketergantunganpeubah-peubahyang menyusun regresi tersebut. 14 Tabel 1Analisa keragaman pengujian regresi dimana: p = banyaknya konstanta (koefisien regresi dan intersept) dann = sama dengan banyaknya pohon contoh yang digunakan dalam penyusunan regresi tersebut. Dalam analisa tersebut hipotesa yang diuji adalah : 1) Pada regresi linier sederhana : Bo: = u lawan B1: = u 2) Pada regresi linier berganda : Bo: I = u uimana i = 1,2 H1: Sekurang-kurangnya ada0 iJikaH1 yangditerima,makaregresitersebutnyata,artinyaada keterkaitanantarapeubahbebas(diameterpohondanatautinggipohon) denganpeubahtidakbebasnya(volumepohon).Dengankatalainbahwa setiapadaperubahanpadapeubahbebasnyaakanterjadiperubahanpada peubahtidakbebasnya.JikaH0 yangditerima,makaregresitersebuttidak nyata, artinya persamaan regresi tidak dapat untuk menduga volume pohon berdasarkan peubah bebasnya. d.Validasi Model Terpilih. Hasil persamaan-persamaan regresi yang telah diuji, baik pada penyusunan regresiuntuktarifvolumepohon,maupunpadapenyusunanuntuktabel volumepohonstandar,perludilakukanujivalidasidenganmenggunakan pohoncontohyangtelahdialokasikansebelumnyakhususuntukpengujian validasi model. Data pohon contoh tersebut tidak digunakan dalam penyusunan model-modeltabelvolumediatas.Ujivalidasimodeldapatdenganmelihat pada nilai-nilai simpangan agregasinya (agregative deviation), simpangan rata-rata (mean deviation), RMSE (root mean square error), biasnya serta uji beda Sumber keragaman Derajat bebas Jumlah Kuadrat (JK) Kuadrat Tengah (KT) F-hitung Regresi Sisaan Dbr = p-1 Dbs=n-p JKR=b. JHKxy JKS=JKT-JKR KTR=JKR/Dbr KTS=JKS/Dbs KTR/ KTS Totaln-1JKT=JKy 15 nyata antara volume yang diduga dengan tabel terhadap volume nyatanya. Uji beda nyata bisa dilakukan dengan cara uji Khi-kuadrat. Nilai-nilaipengujianvalidasimodel tersebutdapatdihitungdenganrumus-rumus sebagai berikut : 1) KetelitianKetelitian berkaitan denga adanya pengulangan dan menggambarkan sejauh manakedekatannilai-nilaipengukuranterhadapnilairata-ratanya(VanLaar danAkcadalamMuhdin,1997).Ketelitianditunjukanolehbesarnyanilai simpanganbakudarikesalahandugaanvolume(s),yangdinyatakandengan persamaan: s = _ ((I - Io) Io )2 n=1- ( ((I - Io) Io )n=1)2nn - 1 x 1uu% dimana: s :Simpangan bakuVai :Volume aktual pohon ke-I yang diperoleh dengan cara penjumlahan volume per seksi Vi :Volume dugaan pohon ke-I yang diperoleh dengan menggunakan persamaan volume tertentu n:Jumlah pohon contohNilaisimpanganyanglebihkecilmenunjukanbahwamodelpenduga volume itu memiliki tingkat ketelitian yang lebih tinggi. 2)Simpangan agregat (agregative deviation) Simpangan agregat merupakan selisih antara jumlah volume aktual (Va) dan volumedugaan(Vt)yangdiperolehberdasarkandaritabelvolumepohon, sebagaipersentaseterhadapvolumedugaan(Vt).Persamaanyangbaik memiliki nilai simpangan agregat (SA) yang berkisar dari -1 sampai +1 (Spurr 1952). Nilai SA dapat dihitung dengan rumus : == ==niVtiniVainiVtiSA11 1 16 3)Simpangan rata-rata (mean deviation) Simpanganrata-ratamerupakanrata-ratajumlahdarinilaimutlakselisih antarajumlahvolumedugaan(Vt)danvolumeaktual(Va),proporsional terhadapjumlahvolumedugaan(Vt).Nilaisimpanganrata-ratayangbaik adalah tidak lebih dari 10 % (Spurr, 1952). Simpangan rata-rata dapat dihitung dengan rumus (Bustomi, dkk. 1998) :% 1001xnniVtiVai VtiSR== 4)Ketepatan Ketepatanialahkombinasiantarabiasdengaketelitiandidalam menggambarkan jauh dekatnya nilai-nilai hasil pengamatan terhadap nilai yang sebenarnya(VanLaardanAkcadalammuhdin,1997).Ketepatanmodel ditunjukanolehnilairootmeansquareerror(RMSE)yangdihitungdengan rumus: RHSE = _( ((I - Io) Io )n=1)2n x 1uu% dimana: RMSE: Simpangan bakuVai: Volume aktual pohon ke-I yang diperoleh dengan cara penjumlahan volume per seksi Vi : Volume dugaan pohon ke-I yang diperoleh dengan menggunakan persamaan volume tertentun : Jumlah pohon contohNilai RMSE yang lebih kecil menunjukan bahwa model penduga volume itu lebih akurat dalam menduga volume. 5)Bias Bias(e)adalahkesalahansistematisyangdapatterjadikarenakesalahan dalam pengukuran, kesalahan teknis pengukuran maupun kesalahan karena alat ukur. Bias dapat dihitung dengan rumus : 17 % 1001xninVaiVai Vtie==6)Uji beda rata-rata Khi-kuadrat (Khi-square test). Pengujianvalidasimodelpersamaanpendugavolumepohon,dapatpula dilakukan dengan menggunakan uji X2 (Khi-kuadrat), yaitu alat untuk menguji apakahvolumeyangdidugadengantabelvolumepohon(Vt)berbedadengan volumepohonaktualnya(Va).Dalamhalinihipotesayangdiujiadalah sebagai berikut : H0 : Vt = Va dan H1 : Vt Va Kriterium ujinya adalah : X2 = (Iti -Ioi)2Ioin=1 Kaidah keputusannya adalah sebagai berikut : Xhtung2XtubcI (,n-1)2, maka teiima E0 Xhtung2>XtubcI (,n-1)2, maka teiima E1 Jadimodelpersamaanregresiuntukpenyusunantabelvolumepohonyang baik berdasar pengujian validasi tersebut diatas, adalah apabila : a)Simpangan agregasi berada diantara -1 sampai + 1 (Spurr, 1952) b) Simpangan rata-rata tidak lebih dari 10 % (Spurr, 1952). c)Nilai RMSE dan Biasrelatif kecil d) Apabilahasilujibedaantaranilairata-ratayangdidugadengantabel volumedengannilairata-ratanyata(actual),tidakmenunjukkanadanya perbedaan yang nyata (H0 diterima). 18 Gambar 2Diagram alir penelitian. BAB III KEADAAN UMUM LOKASI PENELITIAN 3.1.Letak dan Luas IUPHHK BerdasarkanSuratKeputusanPerpanjanganIUPHHKNo.113/Menhut-II/2006tanggal19April2006,PT.TrisetiaIntigamemperolehIjinUsaha PemanfaatanHasilHutanKayu(IUPHHK)padaarelhutanseluas69.070Hadi propinsi Kalimantan Tengah. LetakarealIUPHHKPT.TrisetiaIntigamenurutadministrasi pemerintahan,termasukwilayahKecamatanBulik,KabupatenLamandaudan KecamatanArutUtara,KabupatenKotawaringinBaratKalimantanTengah. Wilayah pengelolaannya termasuk dalam Dinas Kehutanan Kabupaten Lamandau danKabupatenKotawaringinBarat,DinasKehutananPropinsiKalimantan Tengah.Menurutpembagiankelompokhutan,arealkerjanyatermasukdalam kelompokhutanSungaiMartobidanSungaiPalikodan.Secarageografisterletak pada01330200LintangSelatandan11128211114812Bujur Timur.BerdasarkanfungsikawasanarealtermasukdalamfungsiHutanHPT seluas 24.946 Ha, HP seluas 13.877 Ha dan HPK seluas 30.247 Ha Adapun batas-batas areal IUPHHK PT. Trisetia Intiga adalah : 1.Sebelah Utara: HPH PT. Karda Traders 2.Sebelah Selatan : Hutan Negara 3.Sebelah Timur : HPH PT. Intrado Jaya Intiga, PT. Erythrina Nugraha Megah, PT. Korintiga Hutani, Hutan Lindung 4.Sebelah barat : Hutan Negara 3.2.Geologi dan Tanah 1.Geologi BerdasarkanPetaGeologiKalimantanTengahLembatTumbangManjul Skala1:250.000terbitanPusatPenelitiandanPengembanganGeologiBandung Tahun1978,formasigeologiarealIUPHHKPT.TrisetiaIntiga,beradapada kompleksbatuanOligosendanEosenBawah.SepertidisajikanTabel2terlihat 20 bahwaformasigeologiterbesaradalahLavaAndesit,Riolit,danDesitsebesar 56,62%, sedangkan formasi geologi paling kecil sebesar 6,57% yaitu Andesit. Tabel 2Formasi Geologi Areal IUPHHK PT. Trisetia Intiga KodeFormasi geologiLuas (Ha)(%) KgmGranit, Granadiorit, Monzonit26.11637,81RvkLava Andesit, Riolit, dan Desit39.11056,62TmaAndesit4.8846,57Jumlah69.070100,00 Sumber : Peta Geologi Lembar Tumbang Manjul Kalimantan Tengah, Skala 1: 250.000, tahun 1979 2.Tanah BerdasarkanPetaLandSystemandSuitabilitylembarAmbalu(1615) KalimantanTengahSkala1:250.000yangditerbitkanolehPusatPenelitian TanahdanAgroklimatBadanPenelitiandanPengembanganPertanianBogor, jenistanahyangterdapatarealPT.TrisetiaIntigaadalahTropodultsdan Distropepts. Jenis tanah secara lengkap disajikan pada Tabel 3. Tabel 3Jenis tanah yang terdapat di Areal IUPHHK PT. Trisetia Intiga KodeFormasi TanahLuas (Ha)(%) HJATropodults29.237 42,33PLNTropodults9.419 13,64BPDDistropepts24.920 36,08JLHDistropepts5.494 7,95Jumlah69.070 100,00Sumber : Peta Land System and Suitability lembar Ambalu (1615) Kalimantan Tengah, Skala 1: 250.000 3.3.Keadaan Hutan Kondisiumumkawasansangatberagam,diSebelahUtaramerupakan kawasan yang masih berhutan, potensi kayunya cukup tinggi, namun topografinya bergelombanghinggacuram.DiSebelahBaratDayamerupakankawasanyang relatiflandai,namunrendahpotensikayunyadantinggitingkatpenyerobotan lahan.DiSebelahTenggaratopografirelatiflandai,namunbanyakarealterbuka dan perkebunan sawit masuk ke dalam kawasan hutan. Berdasarkankajianspasialpemanfaatankawasanhutandidalamareal kerjaPTTrisetiaIntigadiperolehgambaranbahwasekitar25,3%dariluas wilayah kerjanya atau sekitar 17.453 Ha bertampalan (overlap) dengan ijin lokasi perkebunan.DiarealkerjaPTTrisetiainiada6perusahaanperkebunanyang 21 telahmendapatkanijinlokasipembangunankelapasawit.Overlapterluasadalah denganPT.MentobiMitraLestari,selanjutnyadisusulolehPT.SMUdanPT. Tanjung Sawit Abadi. Dilihatdarisegifungsikawasannya(TGHK),luasarealoverlapterluas ada di fungsi HP seluas 10.558 Ha selanjutnya di areal HPK seluas 6.379 Ha dan sisanya sekitar 517 Ha termasuk dalam fungsi HPT.Secara keseluruhan, wilayah kerjadariPTTrisetiaIntigaini,45%dariluaswilayahnyaadalahberupaHPK, selanjutnya35%HPTdan20%HPdisajikanpadaTabel4dansecaravisual disajikan pada Gambar 4. Tabel4Wilayah IUPHHK yang Overlap Penggunaannya dengan Perkebunan PerusahaanHPHPTHPKJumlah Persentase (%) PT SMU168 517 2.809 3.4945,1PT TSA4.647 - 31 4.6776,8PT.MML5.743 - 314 6.0578,8PT FLTI- - 247 2470,4PT.KSA- - 2.978 2.9784,3Jumlah overlap10.558 517 6.379 17.45325,3Tidak Overlap3.153 23.750 24.714 51.61774,7Jumlah13.710 24.267 31.092 69.070100,0Persentase (%)19,835,1 45,0 100,0 3.4.Topografi Lahan Keadaan topografi di areal kerja IUPHHK PT. Trisetia Intiga, bervariasi dari dataransampaiagakcuram.BerdasarkananlisispetatopografiarealIUPHHK tersebut kondisi kelas lereng areal kerja IUPHHK PT. Trisetia Intiga dapat dilihat pada Tabel 5 dan secara visual disajikan pada Gambar 3. Tabel 5Kondisi topografi lahan NoBentuk WilayahKelas Kelerengan Luas (Ha) Ha% 1DatarA (0-8%)37.87154,82LandaiB (8-15 %)13.1799,13Agak CuramC (15-25%)12.5228,14CuramD (25-40%)5.3667,85Sangat CuramE (>40%)1330,2Total69.070100Sumber:KajianPenggunaanCitraAlosPalsaruntukKlasifikasiTutupanLahandiPT. Trisetia Intiga. 22 Dilihatdarikondisitopografilahannya,keadaantopografidiarealkerja IUPHHK PT. Trisetia Intiga yang paling dominan secara keseluruhan adalah datar seluas54.056Haatausebesar78,26%dariseluruharealkerjanya.Sedangkan keadaan topografi curam hanya seluas 1.501 Ha atau sebesar 2,18 % dari seluruh wilayah areal kerjanya. Gambar 3Peta kelas lereng PT.Trisetia Intiga, Kalimantan Tengah. Gambar 4Peta penutupan lahan PT.Trisetia Intiga, Kalimantan Tengah BAB IV HASIL DAN PEMBAHASAN 4.1Penentuan Pohon Contoh Pohoncontohyangdigunakandalampenyusunantabelvolumedibagi dalam2(dua)kelompokjenisyaitukelompokjenismerantidannon-meranti (rimbacampuran,kayuindah).Pengambilanpohoncontohdilakukansecara purposive sampling dan tersebar dalam setiap kelas diameter. Adapun jumlah dan penyebaran pohon contoh untuk masing-masing kelas diameter dapat dilihat pada tabel dibawah ini.Tabel 6Sebaran data pohon Ccntoh Kelas Diameter Jumlah pohon contohPenyusunan model Evaluasi model M NM M NM 10-19,914 11 5 9 20,0-29,913682 30,0-39,97442 40,0-49,95435 50,0-59,916753 60,0-69,910756 70,0-79,913656 >80,011663 Total 89 51 41 36 4.2Penyusunan Model Persamaan Regresi Asumsidasaryangdigunakanuntukmenyusuntabelvolumelokaladalah bahwapohon-pohonyangberdiametersamaakanmemilikivolumeyangsama jikapadakondisitempattumbuhyangsama.Haliniakanditerimajikaada hubunganyangeratantaradiameterpohondengantinggipohon.Variasiyang terjadipadavolumepohondisebabkanolehvariasitinggipohondapatdicakup olehadanyavariasidiameterpohonnya,sehinggapohonyangberdiameteryang sama akan memiliki volume yang sama.Berdasarkanhubunganlogaritmikantaratinggipohondengandiameter diperolehnilaikoefisiendeterminasidankoefisienkorelasinya.Nilai-nilai tersebut menunjukan tingkat ketelitian dan tingkat keeratan hubungan yang terjadi antara diameter dan tinggi dari kedua jenis pohon tersebut. Dalam membuat tabel 24 volumelokal,untukmemperolehketelitianyangdapatdipertanggungjawabkan, makakoefisienkorelasiditetapkan>0,7071atauR2minimal50%(Suharlan, BoestomidanSumarna,1976).Untukmengetahuiapakahnilaiinimemenuhi persyaratanatautidak,makaperludilakukanpengujiankorelasi(r)dengan transformasi Z-Fisher.Darihasilanalisisregresiuntukmengetahuihubunganantaradiameter setinggi dada (dbh) dengan tinggi, diperoleh data seperti disajikan pada Tabel 7. Tabel 7Nilai R2, r persamaan regresi dan hasil uji transformasi Z-fisherNoJenisPersamaanregresirZhitZ(0,05) 1MerantiLog Tbc= 0,916989+0,493064 Log Dbh0,773.171,64 2Non-merantiLog Tbc= 0,916989+0,52568 Log Dbh0,782.371,64 Padatabeldiatasterlihatbahwaberdasarkanpohoncontohpadakelompok jenisnon-meranti,diperolehkoefisiendeterminasidankoefisienkorelasinya lebihbesardibandingkankelompokjenismeranti.Untukmengetahuihubungan koefisien determinasi dan koefisien korelasi pada populasi kedua kelompok jenis tersebut dilakukan uji Z-fisher. BerdasarkanhasilujitransformasiZ-fisheruntukkelompokjenismeranti dannon-merantidiperolehbahwaZhitung>Ztabel(=0,05),yangberarti hipotesaHo:=0,7071ditolak.Inimenunjukkanbahwakoefisienkorelasi dalampopulasitelahmemenuhipersyaratanyangdiminta.Volumeyangdiduga berdasarkanpeubahbebasdiameternyaakanmenghasilkanpendugaanyang cukupmemenuhipersyaratanyangtelahditetapkan,yaitusekurang-kurangnya 50%daripeubahtakbebasdapatditerangkanolehadanyavariasipadapeubah bebasnya. Keeratanhubunganantaratinggidengandiameterpohonmenunjukan bahwapendugaanvolumedapatditerangkanhanyadengansatupeubahbebas yaitudiametersaja.Denganasumsiadanyahubunganyangkuatantaradiameter setinggidadadengantinggibebascabangterpenuhi,makadilanjutkandengan mencarihubunganantaradiameterdanvolumepohondenganmenggunakan model hubungan sebagai berikut: 1.V = aDb (Model Berkhout) 2.V = a + b D2(Model Kopezky- Gehrhardt) 3.V = a + b D+ c D2(Model Horenadl-Krenn) 25 4.V = a Db 10 c D dimana: V: Volume total pohon (m3) D: Diameter setinggi dada (cm) a,b,c: Konstanta Modelpersamaanregresiliniertersebutmerupakanalternatifmodelyang akandigunakanuntukmenyusuntabelvolume.Modelpersamaanregresiyang diperolehdarihasil perhitungan dengan menggunakan minitab dapat dilihat pada Tabel 8 dan 9. Tabel 8Persamaan regresi yang diperoleh untuk kelompok jenis meranti NoPersamaan regresiR2(%)r 1V = 0,000174 D 2,4496,900,982V = 0,241 + 0,00108 D288,900,943V = -1,57 + 0,0636 D + 0,000668 D290,600,954V = 0,0000562 D 2,87 10 -0,0041 D97,300,99Tabel 9Persamaan regresi yang diperoleh untuk kelompok jenis non-meranti NoPersamaan regresiR2(%)r 1V = 0,0001096 D 2,5396,300,982V = -0,263 + 0,00116 D286,000,933V = -0,491 + 0,0112 D + 0,00106 D286,100,934V = 0,0000724 D 2,69 10 -0,00175 D96,300,98MenurutSuharlan,Boestomi,danSoemarna(1976),nilaikoefisien determinasisebesar50%merupakanbatasminimalyangdigunakandalam penyusunan tabel volume yang dianggap cukup memadai. DarihasilanalisaregresidenganmetodekuadratterkecilpadaTabel8 diatas, diperoleh bahwa koefisien korelasi terbesar antara volume dengan diameter adalah0,99dankoefisiendeterminasi97,3%untukpersamaan(4).Halini menunjukkanbahwa97,3%keragamanvolumedapatdijelaskanolehvariabel bebasdiameter.Sisanyasebesar2,7%dijelaskanolehpeubahlainyangtidak disertakandalammodel.MakinbesarnilaiR2,makapersamaanregresitersebut makinbaik.Koefisiendeterminasiinimenunjukkantingkatketelitiandan kemampuan peubah bebas dalam menjelaskan peubah tidak bebasnya. Persamaan (1)dan(4)memilikiperbedaanyangkecilyaitusebesar0,4%.Sedangkan persamaan(2)sebesar88,9%adalahpersamaandengankoefisiendeterminasi 26 terkecil. Artinya persamaan (1) dan (4) memiliki tingkat ketelitian dan keakuratan hubunganantarapeubahbebasdanpeubahtakbebasnyayanglebihbaikdari persamaanpersamaan(2)dan(3).PadaTabel9terlihatbahwakoefisien determinasiterbesaradapadapersamaan(1)dan(4)sebesar96,3%.Besarnya koefisiendeterminasitersebutmenunjukkanbahwasebesar96,3%variasiyang terjadipadavolumedapatditerangkanolehpeubahbebasnya(diameter).Halini menunjukkanbahwapersamaan(1)dan(4)memilikitingkatketelitiandan keakuratanhubunganantarapeubahbebasdanpeubahtakbebasnyayanglebih baik dari persamaan persamaan (2) dan (3).Untukmengujikeberartianperananpeubahbebasterhadappeubahtidak bebasnyadaripersamaantersebut,dilakukanujiF(F-test)yaitudengan membandingkanantaraF-hitungdenganF-tabel.NilaiF-hitungdiperolehdari hasil perhitungan persamaan regresi yang diperoleh dengan menggunakan Metode Kuadrat Terkecil (Least Square Methods). Nilai F-hitung dan F-tabel untuk jenis jenis tersebut dapat dilihat pada Tabel 10 dan 11.Tabel 10Nilai F-hitung dan F-tabel kelompok jenis meranti NoPersamaan regresiF-hitungF-tabel 0,01 1V = 0,000174 D 2,442724,317,02 2V = 0,241 + 0,00108 D2695,883V = -1,57 + 0,0636 D + 0,000668 D2415,224.89 4V = 0,0000562 D 2,87 10 -0,0041 D 1534,78Tabel 11Nilai F-hitung dan F-tabel kelompok jenis non-meranti NoPersamaan regresiF-hitungF-tabel 0,01 1V = 0,0001096 D 2,531269,147.20 2V = -0,263 + 0,00116 D2301,993V = -0,491 + 0,0112 D + 0,00106 D2148,355.10 4V = 0,0000724 D 2,69 10 -0,00175 D 625,75Berdasarkanpersamaanregresiuntukmendugavolume,terlebihdahulu dilihatperananpeubahbebasdalammendugapeubahtidakbebasnyadengan melakukan uji keberartian peubah bebas melalui uji F. Menurut Draper dan Smith (1992),apabilaFhitung>Ftabelpadatarafnyata1%artinyasedikitnyaadasatu 27 peubahbebasyangmempengaruhipeubahtakbebassehinggapersamaanregresi yang diuji dapat diterima. Berdasarkan Tabel 10 dan 11 diperoleh Fhitung lebih besar dari nilai F-tabel padatingkatnyata1%.DengandemikianHoditolak,sehinggainiberartibahwa peubahbebasyangdimasukkankedalammodelpersamaanregresisangat berpengaruh nyata dalam menduga peubah tidak bebasnya yaitu volume. Tabel 12Nilai simpangan baku dan PRESS untuk kelompok jenis meranti NoPersamaan regresi SPRESS1V = 0,000174 D 2,440,121,3052V = 0,241 + 0,00108 D21,68369,6613V = -1,57 + 0,0636 D + 0,000668 D21,56383,5644V = 0,0000562 D 2,87 10 -0,0041 D0,111,17Tabel 13Nilai simpangan baku dan PRESS untuk kelompok jenis non-meranti NoPersamaan regresi SPRESS1V = 0,0001096 D 2,530,141,0022V = -0,263 + 0,00116 D21,2789,3963V = -0,491 + 0,0112 D + 0,00106 D21,2893,9714V= 0,0000724 D 2,69 10 -0,00175 D0,131,029Ketelitianberkaitandenganadanyapengulangandanmenggambarkan sejauhmanakedekatannilai-nilaipengukuranterhadapnilairata-ratanya(Van LaardanAkcadalamMuhdin,1997).Ketelitianditunjukkanolehbesarnyanilai simpanganbakudarikesalahandugaanvolume(s).Nilaisimpanganbaku menunjukkanbahwasemakinkecilnilaitersebut,makasemakinbaikpersamaan yangakandigunakanuntukmendugavolumepohon.SedangkanNilaiPRESS menunjukkankombinasianalisissisaandanpemilihanmodelterbaikyang merupakan kemampuan model untuk menduga data yang baru. Persamaan terbaik adalah persamaan yang memiliki nilai PRESS yang paling kecil.BerdasarkanhasilperhitunganpadaTabel12diperolehnilaisimpangan bakuterkecilsebesar0,11dannilaiPRESSsebesar1,17untukpersamaan(4). Sedangkannilaisimpanganbakuterbesarterdapatpadapersamaan(2)sebesar 1,68dan nilai PRESS terbesar terdapat pada persamaan (3) sebesar 383,564. Pada Tabel 13 diperoleh nilai simpangan baku terkecil sebesar 0,13 terdapat padapersamaan(4)dannilaiPRESSterkecilsebesar1,002terdapatpada 28 persamaan(1).SedangkannilaisimpanganbakudanPRESSterbesarmasing-masing 1,28 dan 93,971 yang terdapat pada persamaan (3). Persamaan (1) dan (4) memilikinilaisimpanganbakudanPRESSyangberbedajauh.Sehingga persamaan (1) dan (4) memiliki tingkat ketelitian yang lebih baik dalam menduga volume pohon. Langkah yang sangat penting dalam analisis regresi adalah penentuan model hubunganantarapeubahbebasdenganpeubahtidakbebasnya.Modelyang terbaikadalahmodelyangmemberikankesalahanpendugaanterkecildan memilikikoefisiendeterminasiyangtinggisertamudahdalampenggunaannya. Tinggi-rendahnyanilaikoefisiendeterminasiinidapatdigunakansebagai indikatoruntukmenilaimodelbaikatautidak.Rendahnyanilaikoefisien determinasidapatdisebabkankarenakurangtepatdalampembentukanmodel regresi,datacontohnyayangkurangbanyaksertakarenaadanyapasangan pengamatanyangtidakmengikutipoladominanpengamatanlain.Untuk mengetahuiadanyapasanganpengamatanyangberbedadaripolanyadiperlukan diagnostikdatahasilpengamatanuntukmelihatadaatautidaknyapengamatan yangtermasukpencilan,leverageataupunpengamatanyangberpengaruh.Oleh karena itu sangatlah penting untuk melakukan analisis sisaan.Suatumodelregresidapatdipergunakanuntukmendugadenganbaik apabilasalahsatuasumsipentingmengenaikenormalandarinilaisisaandan keaditifanterpenuhi(Kuncahyo,1991).Olehkarenaitu,perludilihatapakah sisaan tersebut menyebar normal atau tidak. Pada Gambar 5 menampilkan plot hubungan antara sisaan (residual) dengan probabilitynormalnilaisisaannya(normalscore).Terlihatbahwa,nilaisisaan menyebarnormalyangdijelaskandenganterbentuknyapolagarisliniermelalui titik pusat sumbu antara nilai sisaan dengan normal score-nya. Begitu pula untuk kelompokjenisnon-meranti(Gambar6),plothubunganantaranilaisisaandan normal score-nya membentuk pola garis linier, sehingga nilai sisaannya menyebar normal dan asumsi penting mengenai kenormalan dari nilai sisaan telah terpenuhi.PERSAMAAN 1PERSAMAAN 2 29 St andar dized ResidualScore3 2 1 0 -1 -2 -33210-1-2-3Nor malPr obabi l i t y Pl otoft he Resi dual s(response is LogVa)St andar dized ResidualScore5.0 2.5 0.0 -2.5 -5.0 -7.53210-1-2-3Nor malPr obabi l i t y Pl otoft he Resi dual s(response is Va)PERSAMAAN 3 PERSAMAAN 4 St andar dized ResidualScore5.0 2.5 0.0 -2.5 -5.03210-1-2-3Nor malPr obabi l i t y Pl otoft he Resi dual s(response is Va)St andar dized ResidualScore3 2 1 0 -1 -2 -33210-1-2-3Nor malPr obabi l i t y Pl otoft he Resi dual s(response is LogVa) Gambar 5Diagram pencar hubungan antara sisaan dengan plot peluang normalnya untuk kelompok jenis meranti. PERSAMAAN 1 PERSAMAAN 2 St andar dized ResidualScore3 2 1 0 -1 -2 -3210-1-2Nor malPr obabi l i t y Pl otoft he Resi dual s(response is LogVa)St andar dized ResidualScore4 3 2 1 0 -1 -2 -3210-1-2Nor malPr obabi l i t y Pl otoft he Resi dual s(response is Va)PERSAMAAN 3 PERSAMAAN 4 St andar dized ResidualScore3 2 1 0 -1 -2 -3210-1-2Nor malPr obabi l i t y Pl otoft he Resi dual s(response is Va)St andar dized ResidualScore3 2 1 0 -1 -2 -3210-1-2Nor malPr obabi l i t y Pl otoft he Resi dual s(response is LogVa) Gambar 6Diagram pencar hubungan antara sisaan dengan plot peluang normalnya untuk kelompok jenis non-meranti. 30 Selainitu,ujivisualkeaditifanmodelpunperludilakukan.Untukmelihat apakah model bersifat adtif atau tidak dapat dibuat sebaran plot antara nilai sisaan dengandugaannya.Apabilahubungantersebuttidakmembentukpola(acak) maka keaditifan terpenuhi (Kuncahyo, 1991). PadaGambar7terlihatbahwasebaranplotantarasisaandengannilai dugaantidakmembentukpoladanhasiltebaransisaanmenunjukkanpolayang acak di sekitar nilai sisaan nol. Dengan demikian untuk model ini sifat keaditifan danasumsikehomogenanragamsisaanterpenuhi.Begitupulahalnyauntuk kelompokjenisnon-meranti(Gambar8),sebaranplothubunganantarasisaan dengan nilai dugaannya terlihat acak atau tidak membentuk pola sehingga model ini pun sifat keaditifan dan asumsi kehomogenan ragam sisaannya juga terpenuhi.PERSAMAAN 1 PERSAMAAN 2 Fit t ed ValueStandardized Residual2.0 1.5 1.0 0.5 0.0 -0.5 -1.0210-1-2-3Resi dual s Ver sus t he Fi t t ed Val ues(response is LogVa)Fit t ed ValueStandardized Residual35 30 25 20 15 10 5 05.02.50.0-2.5-5.0-7.5Resi dual s Ver sus t he Fi t t ed Val ues(response is Va) PERSAMAAN 3 PERSAMAAN 4 Fit t ed ValueStandardized Residual30 25 20 15 10 5 05.02.50.0-2.5-5.0Resi dual s Ver sus t he Fi t t ed Val ues(response is Va)Fit t ed ValueStandardized Residual1.5 1.0 0.5 0.0 -0.5 -1.0210-1-2-3Resi dual s Ver sus t he Fi t t ed Val ues(response is LogVa) Gambar 7Diagram pencar hubungan antara sisaan dengan Y duga untuk kelompok jenis meranti.31 PERSAMAAN 1 PERSAMAAN 2 Fit t ed ValueStandardized Residual1.0 0.5 0.0 -0.5 -1.0210-1-2-3Resi dual s Ver sus t he Fi t t ed Val ues(response is LogVa)Fit t ed ValueStandardized Residual12 10 8 6 4 2 043210-1-2-3Resi dual s Ver sus t he Fi t t ed Val ues(response is Va)PERSAMAAN 3 PERSAMAAN 4 Fit t ed ValueStandardized Residual12 10 8 6 4 2 03210-1-2-3Resi dual s Ver sus t he Fi t t ed Val ues(response is Va)Fit t ed ValueStandardized Residual1.0 0.5 0.0 -0.5 -1.0210-1-2-3Resi dual s Ver sus t he Fi t t ed Val ues(response is LogVa) Gambar 8Diagram pencar hubungan antara sisaan dengan Y duga untuk kelompok jenis non-meranti. Selanjutnya,untukmengetahuiadanyapasanganpengamatanyangtidak mengikutipoladominandanpengamatanlainnyadilakukanUjidiagnostikbaris. Untukmelakukanujidiagnostikbarisdiperlukanperhitungan-perhitungan terhadap nilai-nilai sisaan, Yduga, Tresid, Hi, CookDistance dan nilai Dfits-nya. PengamatanpencilandapatditentukandenganmenghitungnilaiT resid(Ti) danmembandingkannyadenganTableCriticalforStudentizedResidual(dengan memasukkannilaipengamatanke-iyangdicurigai)ataupun tabeljacknife(tanpa memasukkanpengamatanke-iyangdicurigai).Untukmelihatadaatautidaknya pengamatanpencilanuntukkeduajenistersebutdapatdilihatpadaTabel14dan Tabel 15. 32 Tabel 14Uji pengamatan pencilan (Tresid) terhadap nilai T tabel jenis meranti ModelNo. Pengamatan yang dicurigaiT res.hit Tres.tabelTtabel jacknife1%1% 14 2,4394,064,06 112,694622,663852,597892,7802874,180897,8963874,851896,2354112,610 623,074Tabel 15Uji pengamatan pencilan (Tresid) terhadap nilai T tabel jenis non-meranti ModelNo. Pengamatan yang dicurigaiT res.hit Tres.tabelTjacknife1%1%17 2,7754,034,03 382,071273,102383,166373,398383,455472,705BerdasarkanhasilperhitunganpadaTabel14,diketahuibahwa pengamatanyangmemilikiT hit.resid>T tabel.residdanT jacknifeadalahpada persamaan(2)dan(3).Padapersamaan(2)nilaiTres.hit yangdicurigaimasing-masingsebesar4,180dan7,896.NilaiT tableresidpadatingkatnyata1%(n=89; jumlahpenduga=1)adalah4,06danT jacknifesebesar4,06.OlehkarenaT hit.resid lebihbesardariT table.residdanT jacknifemakapengamatantersebuttermasuk kedalampengamatanpencilan.Sedangkanpersamaan(1)dan(4)memilikinilai Thitresid