BAB IV HASIL DAN PEMBAHASAN

Transkripsi

1 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Lapangan Hasil perhitungan biomasa pada tanaman karet diperoleh kisaran antara.312 ton/ha sampai dengan ton/ha. Sedangkan hasil perhitungan biomasa pada tanaman kelapa sawit berkisar antara ton/ha dan ton/ha (Tabel 4). Tabel 4 Hasil perhitungan biomasa tanaman karet dan kelapa sawit Vegetasi Minimum Maksimum Standar Deviasi Karet Kelapa Sawit Hasil perhitungan biomasa tanaman karet dan kelapa sawit memiliki korelasi terhadap umur tanaman. Dengan bertambahnya umur tanaman, volume biomasa juga semakin meningkat. Pada Gambar 9 dan disajikan pola hubungan antara umur tanaman karet dan kelapa sawit dengan biomasanya. 2 1 y =.737x.992 R² = Umur (tahun) Gambar 9 Grafik sebaran hubungan antara kelompok umur terhadap biomasa tanaman karet. Pola hubungan yang terjadi antara umur tanaman dan biomasa membentuk fungsi pangkat (power). Nilai koefisien determinasi yang dihasilkan sebesar 91.4% pada tanaman karet (Gambar 9) dan 79.9% pada kelapa sawit (Gambar ).

2 28 Hal ini menunjukkan bahwa variasi umur tanaman karet dan kelapa sawit mampu menjelaskan variasi biomasanya y =.79x R² = Umur (tahun) Gambar Grafik sebaran hubungan antara kelompok umur terhadap biomasa kelapa sawit. Besarnya biomasa per satuan luas merupakan fungsi dari diameter, tinggi dan jumlah pohon. Tanaman karet merupakan pohon yang tumbuh tinggi dan berbatang cukup besar. Tinggi pohon dewasa mencapai 1 sampai 2 m dengan diameter batang antara 1 sampai 2 cm. Batang tanaman biasanya tumbuh lurus dan memiliki percabangan yang tinggi di atas. Kelapa sawit merupakan salah satu jenis tanaman palma yang mampu tumbuh hingga mencapai tinggi 2 m. Batang tanaman diselimuti pelepah hingga umur 12 tahun, yang nantinya akan mengering dan terlepas. Pelepah kelapa sawit diikut sertakan dalam pengukuran diameter pada penelitian ini. Jumlah pohon pada masing-masing plot dipengaruhi faktor jarak tanam antar pohon dan luasan plot yang digunakan dalam pengambilan sampel. Jarak tanam antar pohon pada perkebunan baik karet maupun kelapa sawit biasanya ditentukan dalam perencanaan pengelolaan yang diatur melalui kegiatan penjarangan. Plot-plot tertentu dapat memiliki biomasa yang lebih tinggi daripada plot yang lain, hal ini disebabkan karena wilayah pengambilan plot contoh tersebut masih belum dilakukan proses penjarangan. Sehingga kerapatan pohonpohonnya masih tinggi dan jumlah pohon di dalam plot contoh lebih banyak dibandingkan plot contoh lain yang telah mengalami penjarangan.

3 29 Gambar 11 Tanaman karet pada plot contoh yang telah mengalami penjarangan. Gambar 12 Tanaman karet pada plot contoh yang belum mengalami penjarangan. Dengan model pendugaan biomasa lapang diketahui bahwa biomasa kelapa sawit memiliki nilai yang lebih besar dibanding dengan biomasa karet. Secara umum tanaman karet memiliki diameter dan tinggi yang cenderung lebih kecil jika dibandingkan dengan kelapa sawit. Biomasa kelapa sawit pada penelitian ini mengikut sertakan pelapah dari kelapa sawit. 4.2 Model-model Penduga Biomasa Dalam pembuatan model penduga biomasa menggunakan citra PALSAR diketahui bahwa ada korelasi yang erat antar polarisasi HH dan HV. Hasil perhitungan koefisien korelasi antara HH dan HV disajikan pada Tabel.

4 3 Tabel Hasil perhitungan matriks korelasi antar peubah pada citra PALSAR HH HV HH/HV (HH-HV/HH+HV) HH HV HH/HV (HH-HV/HH+HV) Berdasarkan Tabel, dapat dilihat bahwa backscatter HH memiliki nilai korelasi yang positif terhadap HV, hal ini menunjukkan bahwa apabila terjadi peningkatan terhadap backscatter HH, maka akan terjadi peningkatan juga pada backscatter HV. Sebaliknya pada hubungan antara backscatter HH terhadap HH/HV dan (HH-HV/HH+HV) menunjukkan nilai yang negatif. Apabila terjadi perubahan pada backscatter HH, maka akan terjadi perubahan yang berlawanan pada HH/HV dan (HH-HV/HH+HV). Hubungan antara HH dan HV menunjukkan nilai koefisien korelasi yang relatif rendah, yaitu.84. Hal ini menunjukkan tidak terjadi multikolinearitas dalam hubungan antara HH dan HV pada persamaan regresi berganda. a. Model Penduga Biomasa Karet y = 193.1e.277x R² = Backscatter HV y = 74.79e.388x R² =.73 (a) (b) Gambar 13 Grafik hubungan antara (a) biomasa karet terhadap backscatter HV dan (b) biomasa karet terhadap backscatter HH citra PALSAR, ukuran sampel 1x1 pixel. Sebagaimana ditunjukkan pada Gambar 13a dan 13b, pola hubungan antara backscatter HH dan HV terhadap biomasa karet adalah berbentuk eksponensial. Terjadi saturasi volume biomasa pada nilai backscatter HV -. Demikian pula pada polarisasi HH, terjadi saturasi volume biomasa pada nilai Backscatter HH

5 31 Pada Gambar 13a dapat dilihat bahwa hubungan antara biomasa karet dan backscatter HV cukup tinggi dengan nilai R 2 sebesar 71.74%. Demikian pula hubungan antara biomasa karet dan backscatter HH memiliki nilai R 2 yang relatif tinggi, yaitu 7.3% (Gambar 13b). Dari kajian ini diketahui bahwa pada ukuran sampel 1x1 pixel, variasi backscatter HV mampu menjelaskan variasi biomasa yang relatif lebih baik dibandingkan dengan backscatter HH. y = 211.e.283x R² =.7116 (a) Backscatter HV y = 89.68e.414x R² =.7 (b) Backscatter HH Gambar 14 Grafik hubungan antara (a) biomasa karet terhadap backscatter HV dan (b) biomasa karet terhadap backscatter HH citra PALSAR, ukuran sampel 2x2 pixel. Dengan ukuran sampel 2x2 pixel, pola hubungan antara biomasa terhadap backscatter baik HH maupun HV relatif sama dengan ukuran sampel 1x1 pixel. Pada Gambar 14a dan 14b, hubungan antara biomasa karet terhadap backscatter HV dan backscatter HH memiliki nilai R 2 yang relatif tinggi, yaitu secara berturut-turut 71.16% dan 7.%. Sebagaimana ditunjukkan pada Gambar 1a, bahwa pada ukuran sampel 3x3 pixel, hubungan antara biomasa karet dan backscatter HV relatif tinggi dengan nilai R 2 sebesar 71.1%. Demikian pula ditunjukkan pada Gambar 1b, hubungan antara biomasa karet terhadap backscatter HH memiliki nilai R 2 yang cukup tinggi yaitu 8.%. Dari temuan sebagaimana diperoleh sebelumnya, ukuran sampel 1x1 pixel memberikan hasil korelasi yang lebih baik dibandingkan dengan ukuran sampel 2x2 dan 3x3 pixel. Pola hubungan antara backscatter HV terhadap biomasa adalah eksponensial.

6 32 y = 222.e.288x R² =.711 (a) Backscatter HV y = 9.46e.417x R² =.8 (b) Backscatter HH Gambar 1 Grafik hubungan antara (a) biomasa karet terhadap backscatter HV dan (b) biomasa karet terhadap backscatter HH citra PALSAR, ukuran sampel 3x3 pixel. Berdasarkan Gambar 16, dapat dilihat pola hubungan antara peubahpeubah citra Landsat terhadap biomasa karet. Pendugaan biomasa terbaik (R 2 = 9.2%) dihasilkan menggunakan peubah MIR/NIR (Gambar 16e). Hal ini menunjukkan bahwa nilai MIR/NIR mampu menjelaskan biomasa dengan pola hubungan berbentuk polinomial, dengan nilai R 2 yang sedikit lebih kecil dibanding menggunakan citra PALSAR.

7 33 Biomassa (ton/ha) 1 y = -.14x x R² = MIR Biomassa (ton/ha) 1 y = -.11x x R² = NIR (a) (b) Biomassa (ton/ha) 1 y =.16x x R² = RED (c) Biomassa (ton/ha) 1 y = -83.x x R² = NDVI (d) 1 y = -68.7x x R² = MIR/NIR (e) Gambar 16 Grafik hubungan antara biomasa karet terhadap nilai (a) MIR, (b) NIR, (c) RED, (d) NDVI, dan (e) MIR/NIR pada citra Landsat. b. Model Penduga Biomasa Kelapa Sawit Dari hasil analisis sebagaimana disajikan pada Tabel 6, pola hubungan antara biomasa kelapa sawit dengan peubah pada citra PALSAR memiliki nilai R 2 yang relatif tinggi, yaitu mencapai 76.8%. Hal ini menunjukkan bahwa peubah polarisasi HH, HH/HV, atau HH dan HV citra PALSAR mampu menduga

8 34 biomasa kelapa sawit dengan cukup baik (R 2 = 7.8%, 67.9%, dan 76.8%). Model dengan R 2 tertinggi dihasilkan dengan model regresi berganda (lihat Tabel 6). Tabel 6 Hasil analisis hubungan antara biomasa kelapa sawit terhadap peubahpeubah citra PALSAR Ukuran No. Sampel Model Persamaan Regresi R 2 P-value 3x3 pixel 1 Y = *HH *HH x3 pixel 2 Y = 2-677*(HH/HV) *(HH/HV) x3 pixel 3 Y = *HH *HV x4 pixel 1 Y = *HH +.976*HH x4 pixel 2 Y = *(HH/HV) *(HH/HV) x4 pixel 3 Y = *HH -.492*HV.714. x pixel 1 Y = *HH -.793*HH x pixel 2 Y = *(HH/HV) *(HH/HV) x pixel 3 Y = *HH *HV Tabel 7 Hasil analisis hubungan antara biomasa kelapa sawit terhadap peubahpeubah citra Landsat Ukuran No. Sampel Model Persamaan Regresi R 2 P-value 3x3 pixel 1 Y = *NDVI *NDVI x3 pixel 2 Y = *(MIR/NIR) *(MIR/NIR) x3 pixel 3 Y = *MIR -.2*MIR x4 pixel 1 Y = *NDVI *NDVI x4 pixel 2 Y = *(MIR/NIR) *(MIR/NIR) x4 pixel 3 Y = *MIR -.23*MIR x pixel 1 Y = *NDVI *NDVI x pixel 2 Y = *(MIR/NIR) *(MIR/NIR) x pixel 3 Y = *MIR -.26*MIR Berdasarkan Tabel 7, pola hubungan antara biomasa kelapa sawit dengan peubah pada citra Landsat memiliki nilai R 2 yang cukup tinggi, yaitu mencapai 6.6%. Hal ini menunjukkan bahwa nilai spektral citra Landsat seperti MIR, MIR/NIR atau NDVI mampu menduga biomasa kelapa sawit dengan cukup baik (R 2 = 44.4%, 6.1%, dan 6.6%). Model dengan R 2 tertinggi dihasilkan dengan model regresi berganda (lihat Tabel 7). Menurut Nurhayati (2), model-model yang dibangun menggunakan citra Landsat memiliki nilai R 2 yang lebih baik jika dibandingkan dengan citra

9 3 PALSAR, namun berdasarkan hasil perhitungan keseluruhan dapat dilihat bahwa model dengan citra PALSAR memiliki nilai R 2 yang relatif lebih baik, pada tanaman karet maupun kelapa sawit. Hal ini dapat terjadi karena plot contoh yang diambil tidak disesuaikan terlebih dahulu pada citra Landsat yang digunakan, sehingga beberapa plot contoh berada pada kawasan yang tertutup awan. Berdasarkan hasil analisis korelasi seperti disajikan pada Tabel 8, modelmodel citra PALSAR memiliki nilai r yang cukup tinggi, yaitu mencapai.876 (pada kelapa sawit dengan ukuran sampel 3x3 pixel). Demikian pula model-model citra Landsat, mampu memberikan nilai r yang relatif tinggi yaitu berkisar antara.8 sampai.778. Berdasarkan analisis uji-z, diketahui bahwa peubah bebas pada keseluruhan model yang terbangun memiliki hubungan yang cukup erat terhadap biomasa (lihat Tabel 8). Sebagaimana hasil analisis koefisien regresi yang disajikan pada Tabel 8, keseluruhan model terbangun memiliki nilai P-value yang relatif baik yaitu berkisar antara.83 sampai * -18. Hal ini menunjukkan bahwa secara statistik peubah pada model-model terbangun adalah signifikan dapat menjelaskan biomasa. Sebagaimana disajikan pada Tabel 8, model pendugaan biomasa karet pada citra PALSAR terbaik dengan ukuran sampel 1x1 pixel adalah Y = 193.1*e.277*HV dengan R 2 sebesar 71.74%, dan P-value sebesar * -18. Model pendugaan biomasa karet pada citra Landsat terbaik dengan ukuran sampel 1x1 pixel adalah Y = *MIR/NIR -68.7*MIR/NIR 2 dengan nilai R 2 sebesar 9.2%, dan nilai P-value sebesar.24. Berdasarkan Tabel 8, model pendugaan biomasa terbaik untuk kelapa sawit pada citra PALSAR dengan ukuran sampel 3x3 pixel adalah Y = *HH-4.213*HV dengan nilai R 2 sebesar 76.8%, dan nilai P-value sebesar 4.2* -6. Model pendugaan biomasa terbaik untuk kelapa sawit pada citra Landsat dengan ukuran sampel x pixel adalah Y = *NDVI *NDVI 2 yang memiliki nilai R 2 sebesar 6.6%, dan nilai P-value sebesar 1.38* -.

10 Tabel 8 Tabel hasil analisis regresi pemilihan model terbaik pada tanaman karet dan kelapa sawit Tipe Vegetasi Jenis Ukuran No. Citra Sampel Model Persamaan Regresi R 2 R Z-hitung P-value Karet PALSAR 1x1 pixel 1 Y = 193.1*e.277*HV x2 pixel 2 Y = 211.*e.284*HV x3 pixel 3 Y = 222*e.288*HV x4 pixel 4 Y = 22.2*e.298*HV x pixel Y = 279.6*e.37*HV Landsat 1x1 pixel 1 Y = *MIR/NIR *MIR/NIR x2 pixel 2 Y = *MIR/NIR - 9.1*MIR/NIR x3 pixel 3 Y = *NIR -.16*NIR x4 pixel 4 Y = *NIR -.12*NIR x pixel Y = *NIR -.14*NIR Kelapa Sawit PALSAR 1x1 pixel 1 Y = *HH -.22*HV x2 pixel 2 Y = *HH *HV x3 pixel 3 Y = *HH *HV x4 pixel 4 Y = *HH -.49*HV x pixel Y = *HH *HV Landsat 1x1 pixel 1 Y = *NDVI *NDVI x2 pixel 2 Y = *NDVI *NDVI x3 pixel 3 Y = *NDVI *NDVI x4 pixel 4 Y = *NDVI *NDVI x pixel Y = *NDVI *NDVI

11 Tabel 9 Hasil verifikasi model terbaik pada tanaman karet dan kelapa sawit menggunakan Uji-χ 2 Tipe Jenis Ukuran No. Persamaan Regresi χ 2 -hitung χ 2 -tabel Kesimpulan Vegetasi Citra Sampel Model Karet PALSAR 1x1 pixel 1 Y = 193.1*e.277*HV Tidak Berbeda Nyata 2x2 pixel 2 Y = 211.*e.284*HV Tidak Berbeda Nyata 3x3 pixel 3 Y = 222*e.288*HV Tidak Berbeda Nyata 4x4 pixel 4 Y = 22.2*e.298*HV Tidak Berbeda Nyata x pixel Y = 279.6*e.37*HV Tidak Berbeda Nyata Landsat 1x1 pixel 1 Y = *MIR/NIR *MIR/NIR Tidak Berbeda Nyata 2x2 pixel 2 Y = *MIR/NIR - 9.1*MIR/NIR Berbeda Nyata 3x3 pixel 3 Y = *NIR -.16*NIR Berbeda Nyata 4x4 pixel 4 Y = *NIR -.12*NIR Berbeda Nyata x pixel Y = *NIR -.14*NIR Berbeda Nyata Kelapa Sawit PALSAR 1x1 pixel 1 Y = *HH -.22*HV Berbeda Nyata 2x2 pixel 2 Y = *HH *HV Berbeda Nyata 3x3 pixel 3 Y = *HH *HV Tidak Berbeda Nyata 4x4 pixel 4 Y = *HH -.49*HV Berbeda Nyata x pixel Y = *HH *HV Berbeda Nyata Landsat 1x1 pixel 1 Y = *NDVI *NDVI Berbeda Nyata 2x2 pixel 2 Y = *NDVI *NDVI Berbeda Nyata 3x3 pixel 3 Y = *NDVI *NDVI Berbeda Nyata 4x4 pixel 4 Y = *NDVI *NDVI Berbeda Nyata x pixel Y = *NDVI *NDVI Berbeda Nyata 37

12 Tabel Hasil verifikasi model terbaik pada tanaman karet dan kelapa sawit menggunakan SA, SR, e, dan RMSE Ukuran Tipe Jenis No. Sampel Persamaan Regresi SA SR e RMSE Vegetasi Citra Model (pixel) Karet PALSAR 1x1 1 Y = 193.1*e.277*HV x2 2 Y = 211.*e.284*HV x3 3 Y = 222*e.288*HV x4 4 Y = 22.2*e.298*HV x Y = 279.6*e.37*HV Kelapa Sawit Landsat 1x1 1 Y = *MIR/NIR *MIR/NIR PALSAR 3x3 1 Y = *HH *HV Tabel 11 Peringkat hasil verifikasi model terbaik Ukuran Tipe Jenis No. Sampel Vegetasi Citra Model (pixel) Persamaan Regresi SA SR e RMSE Skor Peringkat Karet PALSAR 1x1 1 Y = 193.1*e.277*HV x2 2 Y = 211.*e.284*HV x3 3 Y = 222*e.288*HV x4 4 Y = 22.2*e.298*HV x Y = 279.6*e.37*HV Kelapa Sawit Landsat 1x1 1 Y = *MIR/NIR *MIR/NIR PALSAR 2x2 1 Y = *HH *HV

13 Verifikasi Model Perhitungan verifikasi dalam penelitian ini menggunakan data yang sama dengan data yang digunakan dalam pembuatan model pendugaan biomasa. Hal ini dikarenakan jumlah plot yang tersedia terbatas. Namun demikian, hasil verifikasi diharapkan mampu menunjukkan adanya keeratan hubungan antara hasil perhitungan model (biomasa dugaan) terhadap perhitungan biomasa lapang. Hasil verifikasi disajikan pada Tabel 9 dan. Berdasarkan peringkat hasil skor uji verifikasi dari masing-masing nilai SA, SR, e, RMSE dan Uji-χ 2 (Tabel 11), maka dapat diketahui model terbaik untuk menduga biomasa tanaman karet dan kelapa sawit adalah dengan menggunakan citra PALSAR. Backscatter HV memiliki kemampuan untuk menembakkan dan menangkap gelombang sensor dengan posisi horizontal dan vertikal, sehingga sangat baik jika digunakan dalam pendekatan objek bervegetasi pada citra. Sebagai perbandingan antara model penduga biomasa kelapa sawit dan karet pada citra PALSAR, diketahui bahwa model penduga biomasa kelapa sawit memiliki pendugaan yang lebih baik. Hal ini dapat diketahui berdasarkan nilai uji koefisien regresi, nilai koefisien determinasi serta nilai uji verifikasi seperti pada Tabel 9,, dan Peta Sebaran Biomasa Berdasarkan model terpilih dapat dibuat peta sebaran biomasa. Peta ini dinyatakan dalam kelas yang nilainya adalah selang data biomasa. Setiap kelas diwakili oleh warna yang berbeda. Banyaknya kelas dalam menggambarkan penyebaran biomasa pada penelitian ini adalah 6 kelas. Sebaran biomasa hasil estimasi menggunakan model terbaik ditampilkan pada Gambar 17 dan 18.

14 4 Gambar 17 Peta sebaran biomasa karet menggunakan model terbaik pada citra PALSAR. Gambar 18 Peta sebaran biomasa kelapa sawit menggunakan model terbaik pada citra PALSAR.