METODE PENELITIAN. Penelitian ini dilaksanakan pada bulan Maret sampai Oktober 2009.

Transkripsi

1 METODE PENELITIAN Waktu dan Tempat Penelitian Penelitian ini dilaksanakan pada bulan Maret sampai Oktober Pelaksanaan kegiatan meliputi kegiatan pengolahan citra dan pengecekan lapangan. Pengecekan lapangan dilaksanakan di areal HPHTI PT TPL Sektor Aek Nauli. Bahan dan Alat Bahan-bahan yang digunakan dalam penelitian ini terdiri dari: Citra Landsat TM path 128 dan 129 row 58 tahun 2006, Peta administrasi Propinsi Sumatera Utara dan Objek pengamatan di lapangan adalah tegakan Eucalyptus grandis Alat yang digunakan dalam penelitian adalah: Personal Computer (PC) dengan perangkat lunaknya, Tools SIG, Global Positioning System (GPS), Kamera digital, Kompas, Pita ukur, Alat tulis, dan Tali Metode Penelitian Pengumpulan Data Sekunder Data-data sekunder diperoleh dari instansi dan studi literatur, terdiri dari: Citra Landsat TM path 128 dan 129 row 58 tahun 2006, Peta administrasi Propinsi Sumatera Utara dan hasil penelitian sebelumnya

2 Pengolahan Data Citra Teknik kuantitatif dapat diterapkan untuk interpretasi secara otomatis data citra digital. Tiap pengamatan piksel dievaluasi dan ditetapkan pada suatu kelompok informasi. (Lillesand dan Kiefer, 1990). Pada kelompok informasi dilakukan transformasi NDVI memanfaatkan beberapa saluran dari citra Landsat TM antara lain; band 3 (Red (R) yang lebih dikenal dengan saluran merah dan band 4 (Near Infrared (NIR)) yang lebih dikenal dengan saluran inframerah dekat. Kelebihan kedua saluran ini untuk identifikasi vegetasi adalah obyek akan memberikan tanggapan spektral yang tinggi. Menurut Lillesand dan Kiefer, (1990) transformasi NDVI mengikuti persamaan berikut: NDVI = (NIR R) / (NIR + R) Nilai NDVI berkisar antara -1 sampai 1, dimana nilai NDVI yang rendah (negatif) mengidentifikasikan daerah bebatuan, pasir dan salju. Nilai NDVI yang tinggi (positif) mengidentifikasikan wilayah vegetasi baik berupa padang rumput, semak belukar maupun hutan. Penentuan Plot Contoh (Piksel) di Citra Plot contoh di citra ditentukan berdasarkan tujuan peneliti (purposive) pada blok tanam 2004 dan Pengumpulan Data Lapangan Penentuan Plot Contoh Plot contoh lapangan dibuat berukuran 30 m x 30 m sebanyak 56 plot, dimana peletakannya dilakukan dengan menggunakan Global Positioning System

3 (GPS). Selanjutnya pohon yang terdapat dalam plot contoh diukur diameter setinggi dada. Perhitungan Biomassa Pendugaan biomassa di lapangan dilakukan menggunakan persamaan alometrik berikut: W n = a x DBH b Tabel 1. Persamaan alometrik penduga biomassa bagian pohon E. grandis No Biomassa Bagian Persamaan Alometrik R 2 (%) 2 (%) Pohon A B 1 Batang 0,0436 2, ,28 98,17 2 Cabang 0,0228 2, ,03 80,90 3 Daun 0,5775 0, ,48 27,47 4 Above Ground 0,0678 2, ,80 98,73 Biomassa Keterangan : Wn = Biomassa (kg), DBH = Diameter setinggi dada (cm). Sumber : Onrizal, Hartono dan Kusmana, 2006 Diameter yang digunakan dalam perhitungan diameter adalah hasil pengurangan diameter saat pengukuran dengan riap diameter. Menurut Tobing, (2007), besarnya riap diameter dihitung dengan persamaan: Riap = D n -D (n-1) Dimana: D = e 3,087 x e 2,301/A D n = diameter pada tahun ke-n e = 2,71828 A = umur pohon

4 Biomassa yang diukur dalam penelitian ini adalah biomassa pohon (Wp) di atas permukaan tanah tegakan E.grandis yang dihitung berdasarkan penjumlahan biomassa batang, cabang dan daun. Biomassa per hektar dihitung dengan persamaan sebagai berikut: Keterangan : W Wpi = Total biomassa (ton/ha) = Biomassa pohon ke-i (ton) A = Luas plot (m 2 ) n = Jumlah pohon Perhitungan Karbon Biomassa hutan dapat digunakan untuk menduga kandungan karbon dalam vegetasi hutan karena 50% biomassa tersusun dari karbon. Pada tanaman Eucalyptus kandungan karbon rata-rata adalah sebesar 44,92% (45%) dengan kisaran 36,72-54,015 dari biomassa (Onrizal, Hartono dan Kusmana, 2006). Menurut Onrizal, Hartono dan Kusmana, (2006), kandungan karbon tanaman dapat diduga dengan rumus: Y = W x 0,45 Keterangan : Y = Kandungan karbon di atas permukaan tanah tegakan E. grandis (ton/ha) W = Total biomassa per hektar (ton/ha)

5 Analisa Data Penyusunan Model Penyusunan model hubungan antara kandungan karbon di atas permukaan tanah tegakan Eucalyptus grandis dengan digital number (DN) citra Landsat TM menggunakan model matematika sebagai berikut: Model linier Y = b 1 X 1 + b 2 X b 1 X 1 + NDVI Model perpangkatan Y = b0x 1 b1. X 2 b2... X j NDVI Model eksponensial Y b0 + b1x1 + b2x NDVI = e Keterangan : Y = Kandungan karbon di atas permukaan tanah tegakan Eucalyptus grandis (ton/ha) berdasarkan model allometrik. X 1, X 2,, X j = Nilai DN (Digital Number) Pemilihan Model Pemilihan model dilakukan dengan menggunakan metode stepwise, yakni pemilihan variabel X yang signifikan terhadap variabel Y dengan menggunakan SPSS (Statistical Product and Service Solution). Pemilihan model terbaik dilakukan dengan melakukan beberapa pengujian koefisien regresi, yaitu: uji signifikansi, kenormalan data (normalitas), uji keaditifan model (heterokedasitas), dan pengujian keakuratan model (koefisien determinasi).

6 Uji Signifikansi Pengujian signifikansi hasil olahan SPSS diketahui dengan membandingkan besaran taraf signifikasi 95 %. Kriterianya adalah signifikansi (Ho ditolak) bila Sig. Hit < Sig. Kriteria dan tidak signifikan (Ho diterima bila Sig. Hitung > Sig. Kriteria. Uji Kenormalan data (normalitas) Uji kenormalan data digunakan untuk melihat sebaran data sampel, apakah terdistribusi normal atau tidak. Suatu model yang baik apabila memenuhi syarat kenormalan sisaan, yakni apabila tampilan plot menunjukkan penyebaran data di sekitar garis lurus dan mengikuti arah garis lurus (Santoso, 2000). Uji Keaditifan Model (Model Fit) Plot yang ditunjukkan oleh Scatter plot Studentized Delete Residualnya. Jika model regresi layak dipakai untuk prediksi (fit), maka data akan berpencar di sekitar angka nol (0 pada sumbu Y) dan tidak membentuk suatu pola atau trend garis tertentu. Pengujian keakuratan model (koefisien determinasi/r 2 ) Digunakan untuk melihat besaran efek atau pengaruh variabel bebas terhadap variabel terikat. Semakin kecil R 2, semakin lemah hubungan kedua variabel.

7 Uji Multikoliniearitas Multikoliniearitas adalah kejadian yang menginformasikan terjadinya hubungan antara variabel-variabel bebas (interkorelasi) dan hubungan yang terjadi cukup besar. Pengujian multikoliniearitas hanya dilakukan pada persamaan regresi linier berganda. Model persamaan yang baik adalah model persamaan yang bebas multikolinieritas. Suatu model persamaan yang bebas multikolinieritas adalah model persamaan yang memiliki nilai Factor Varian of Inflasi (VIF) di sekitar angka 1 (Santoso, 2000). Pembuatan Peta Sebaran Karbon Model terpilih dimasukkan ke dalam model maker pada software Erdas Imagine versi 8.5 untuk menghasilkan data sebaran karbon. Hasil sebaran karbon dari Erdas dioverlay dengan peta administrasi dan peta blok tanam dengan menggunakan software Arcview versi 3.3.

8 Mulai Citra Landsat TM terkoreksi Analisis Vegetasi berdasarkan NDVI Penentuan plot berdasarkan tahun tanam Biomassa bagian pohon berdasarkan model allometrik Pengukuran Lapangan (Diameter/DBH) Biomassa Tegakan Kandungan Karbon (45% Biomassa Tegakan) Permodelan Karbon bagian pohon berdasarkan nilai Digital Number dan karbon dari model Allometrik Pemilihan Model Terbaik dengan metode Stepwise Model Karbon terpilih Pembuatan Peta Kandungan Karbon berdasarkan model terpilih Selesai Gambar 2. Diagram alir pembuatan model penduga karbon tegakan Eucalyptus grandis

9 HASIL DAN PEMBAHASAN Karakteristik Tegakan Eucalyptus grandis Pengukuran di lapangan dilakukan dengan memilih 56 plot pengamatan berukuran 30 x 30 m yang mewakili tanaman tahun tanam 2005 (berumur 1 tahun pada saat pengambilan data Citra) dan 2004 (berumur 2 tahun pada saat pengambilan data Citra). Letak plot pengamatan selengkapnya dapat dilihat pada lampiran 3. Pemilihan plot pengamatan dengan tahun tanam tersebut didasarkan pada ketersediaan citra yang merupakan Citra Landsat TM 5 tahun Pada seluruh pohon dalam plot dilakukan pengukuran diameter setinggi dada (diamater at breast height/dbh) untuk memperoleh biomassa pohon berdasarkan model allometrik penduga biomassa yang telah dibangun sebelumnya di lokasi penelitian. Pendugaan biomassa dengan menggunakan model allometrik dilakukan dengan terlebih dahulu mengkonversi data diameter hasil pengukuran di lapangan menjadi diameter pada tahun Konversi dilakukan dengan memperhitungkan riap diameter pohon E. grandis berdasarkan hasil penelitian Tobing (2007). Riap diameter adalah pertambahan diameter pohon setiap tahun. Pengurangan diameter hasil pengukuran diameter dengan riap diameter dilakukan untuk menyesuaikan data diameter pohon dengan citra yang tersedia. Berdasarkan tabel 3 berikut diketahui diameter hasil pengukuran berbeda jauh dengan diameter tahun 2006, yang merupakan hasil pengurangan diameter pengukuran dengan riap diameter. Hal ini sesuai dengan pendapat Dephut (1993), yang menyatakan bahwa untuk hutan tanaman, biasanya pertumbuhan diameter

10 mengikuti grafik berbentuk S (Sigmoid), oleh karena pertumbuhan pada mulanya agak lambat kemudian cepat, lalu menurun. Selengkapnya karakteristik tegakan E. grandis dapat dilihat pada Lampiran 3. Penyusunan Model Kandungan Karbon Hubungan Kandungan Karbon dengan DN yang disusun pada taraf uji 95 % menghasilkan tiga model yang signifikan pada taraf tersebut, yakni model hubungan linier, logaritma dan ekponensial. Hubungan linier antara Kandungan Karbon dengan DN yang diperoleh dari persamaan regresi adalah Y = 3, ,148 Blue. Model logaritma hubungan kandungan Karbon dengan digital number adalah Y = Log B Model Eksponensial hubungan Kandungan Karbon dengan DN adalah Y = e 1, ,008 NIR. Berdasarkan hasil penyusunan model terpilih pada Tabel 2, menerangkan bahwa penggunaan band Blue dan Near Infra Red (NIR) berperan untuk menjelaskan kandungan karbon di atas permukaan tanah tegakan A. mangium. Menurut Lillesand dan Kiefer (1990), saluran Blue dengan panjang gelombang 0,45 μm 0, 52 μm dirancang untuk mendukung analisis sifat khas vegetasi, sedangkan saluran NIR dengan panjang gelombang 0,76 μm 0,90 μm merupakan saluran citra landsat yang tanggap terhadap seluruh biomassa vegetasi yang terdapat pada suatu daerah kajian. Tabel 2. Model penduga kandungan karbon berdasarkan DN No Model penduga Kandungan Karbon R 2 (%) F hit Sig 1 Model Linier Y = 3, ,148 B 9,3 5,533 0,022 2 Model Logaritma Y = 23,512 Log B 29,167 9,5 5,701 0,02 3 Model Eksponensial Y = e 1, ,008 NIR 7,7 4,446 0,04

11 Pengujian Ketelitian Model Penduga Cadangan Karbon Uji Signifikansi Model hubungan antara Kandungan Karbon dengan DN memberikan indikasi adanya hubungan antara Kandungan Karbon dengan DN, yang ditunjukkan dengan nilai signifikansi 0,022; 0, 02 dan 0,04. Menurut Algifari (2000), pengujian koefisien regresi dengan probabilitas dilakukan dengan membandingkan antara nilai probabilitas dengan tingkat signifikansi yang digunakan. Jika probabilitas lebih kecil dari signifikansi yang digunakan, maka variabel independen yang diuji berpengaruh signifikan terhadap variabel dependennya. Pengujian dilakukan pada taraf nyata 95 % (5 %), (0,022; 0, 02 dan 0,04 < 0,05), maka terdapat hubungan yang nyata antara Kandungan Karbon dengan DN. Uji Kenormalan Data (Normalitas) Gambar 3. Tampilan plot uji kenormalan model linier hubungan kandungan karbon dengan digital number Gambar 4. Tampilan plot uji kenormalan model logaritma hubungan kandungan karbon dengan digital number

12 Gambar 5. Tampilan plot uji kenormalan model eksponensial hubungan kandungan karbon dengan digital number Tampilan plot uji kenormalan data model hubungan Kandungan Karbon dengan DN pada Gambar 3, 4, dan 5 sudah memenuhi syarat model persamaan yang baik. Hal ini dapat dilihat dari masing-masing tampilan plot yang terdistribusi normal dimana penyebaran data amatan kumulatif (Observe Cumulative Probability) di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal (garis normal) yang merupakan kriteria (Expected Cumulative Probability). Hal ini sesuai dengan pendapat Santoso (2000) yang menyatakan jika nilai PP Plots terletak diantara garis diagonal (tidak menyimpang terlalu jauh dari garis diagonal) maka dikatakan data terdistribusi normal.

13 Uji Keaditifan Model (Model Fit/ Heterokedasitas) Gambar 6. Tampilan plot uji heterokedasitas model linier hubungan kandungan karbon dengan digital number Gambar 7. Tampilan plot uji heterokedasitas model linier hubungan kandungan karbon dengan digital number Gambar 8. Tampilan plot uji heterokedasitas model eksponensial hubungan kandungan karbon dengan digital number Asumsi heterokedasitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk satu pengamatan ke pengamatan yg lain. Jika plot terpencar, tidak berpola (acak) maka dikatakan tidak terjadi heterokedasitas. Tampilan plot uji keaditifan model hubungan Kandungan Karbon dengan DN pada Gambar 6,7 dan 8 memenuhi syarat sebagai model persamaan yang baik. Titik-titik menyebar di bawah dan di atas angka 0 pada sumbu Y.

14 Pengujian Keakuratan Model (koefisien determinasi/r 2 ) Pengujian keakuratan model digunakan untuk melihat besaran efek atau pengaruh variabel bebas terhadap variabel terikat. Semakin kecil R 2, semakin lemah hubungan kedua variabel. Koefisien determinasi 9,3 % menyatakan bahwa variasi Kandungan Karbon yang dapat dijelaskan oleh model tersebut adalah 9,3 %. sisanya, 91,7 %, variasi kandungan Karbon dipengaruhi oleh faktor lain yang berada di luar model linier tersebut. Koefisien determinasi 7,7 % menyatakan bahwa variasi Kandungan Karbon dapat dijelaskan oleh ln DN dan 92,3 % dipengaruhi oleh faktor lain. Model yang diperoleh menunjukkan hubungan yang rendah antara Kandungan Karbon dengan DN. Algifari (2000) menyatakan bahwa semakin tinggi koefisien determinasi, maka semakin tinggi pula kemampuan model regresi menjelaskan variasi variabel dependen. Estimasi karbon tegakan Acacia mangium Willd menggunakan citra Landsat ETM+ DAN SPOT-5 di BKPH Parung Panjang KPH Bogor menghasilkan model dengan koefisien determinasi seperti pada Tabel 3. Tabel 3. Model terpilih penduga kandungan karbon tegakan Acacia mangium Willd Model Terbaik R 2 (%) Model Landsat ETM+ : Y = 43,448E+11G -3,69 MIRI -2,88 42,8 Model SPOT-5 : Y= E+13G -4,8 R 0,8 NIR -1,15 MIRI -1,6 44,2 Rendahnya nilai koefisien determinasi model hubungan penduga karbon pada hasil penelitian disebabkan oleh jauhnya rentang waktu antara tahun pengambilan citra dengan waktu pengukuran biomassa di lapangan berdasarkan model allometrik. Selama selisih waktu antara pengambilan data citra dengan

15 pengukuran diameter di lapangan, tegakan E. grandis mengalami pertumbuhan. Pendugaan pertumbuhan dengan menggunakan faktor riap memberikan bias. Faktor riap tidak dapat menggambarkan pertumbuhan tegakan secara pasti, dimana rumus yang digunakan adalah hasil penelitian di Sektor Tele yang meiliki kondisi lingkungan yang berbeda dengan sektor Aek Nauli. Jenis tanah di daerah penelitian adalah Dystropepts, Hydrandepts, Dystrandept dan Humitropepts, sedangkan jenis tanah di Sektor Tele adalah Tropohemists, Dystopepts, hydradepts dan Dystrandept. Menurut Latifah (2004) pertumbuhan dan hasil tegakan sangat bersifat site spesific. Pertumbuhan suatu tegakan merupakan resultante dari faktor internal dan faktor eksternal. Faktor internal adalah sifat/genotype dari jenis yang bersangkutan, sedangkan faktor eksternal mencakup kualitas tempat tumbuh,kondisi persaingan dan perlakuan silvikultur yang diberikan. Uji Multikoliniearitas Menurut Algifari (2000), multikolinearitas terjadi jika terdapat hubungan yang sempurna atau mendekati sempurna (koefisien korelasi tinggi atau bahkan 1) antara variabel independen dengan variabel dependen. Multikoliniearitas adalah kejadian yang menginformasikan terjadinya hubungan antara variabel-variabel bebas (interkorelasi) dan hubungan yang terjadi cukup besar. Model persamaan yang baik adalah model persamaan yang bebas multikolinieritas. Berdasarkan sidik regresi pada Tabel 4 diperoleh nilai VIF 1,000. Nilai VIF yang diperoleh menunjukkan bahwa model hubungan kandungan karbon dengan DN tidak menunjukkan adanya gejala multikolinearitas. Nilai VIF ketiga

16 model tersebut menunjukkan bahwa model memenuhi syarat sebagai model penduga cadangan karbon yang baik. Oleh karena itu, persamaan ini layak digunakan Tabel 4. Nilai varians of inflasi model penduga kandungan karbon No Model Penduga Kandungan Karbon VIF 1 Model Linier Y = 3, ,148 Blue 1,000 2 Model Logaritma Y = 23,512 Log B 29,167 1,000 3 Model Eksponensial Y = e 1, ,008 NIR 1,000. Pemilihan Model Terbaik Berdasarkan hasil pengujian, model yang terbaik untuk menduga kandungan karbon tegakan E. grandis adalah model logaritma. Model tersebut memiliki koefisien regresi yang lebih besar daripada model eksponensial dan model linier, yakni 9,5 % (Tabel 5). Selain itu, model ini juga memiliki nilai signifikansi yang lebih baik dai kedua model lainnya. Penggunaan band Blue berperan untuk menduga kandungan karbon E. grandis. Tabel 5. Model terbaik hubungan digital number dengan kandungan karbon No Model penduga Kandungan Karbon R 2 (%) F hit Sig 1 Model Logaritma Y = 23,512 Log B 29,167 9,5 5,701 0,02 Hubungan antara digital number dengan kandungan karbon baik Landsat ETM+ relatif kecil. Dengan demikian apabila menggunakan satu peubah bebas dalam penyusunan model akan menghasilkan keter-andalan model yang relatif kecil dibandingkan dengan menggunakan lebih dari satu peubah. Model terbaik Y = 23,512 Log B 29,167 digunakan untuk memperlihatkan hubungan kandungan karbon

17 dengan logaritma DN, yakni band 1. Kandungan Karbon di atas permukaan tanah daerah penelitian adalah sebesar 8.188,0 ton dengan luas areal 2.076,02 ha, dengan perincian pada Tabel 6. Tabel 6. Rata-rata kandungan karbon berdasarkan model terbaik No Umur Tegakan Luas (ha) Total Kabon (ton) Rata-rata Karbon (Ton/ha) 1 1 tahun 769, ,50 3, tahun 1.306, ,50 4,28 Total 2.076, ,00 3,83 Berdasarkan Tabel 6 terlihat bahwa tegakan E. grandis mempunyai kandungan karbon di atas permukaan tanah sebesar 8.188,0 ton. Rata-rata kandungan karbon pada tegakan berumur 1 tahun sebesar 3, 38 ton/ha dan 4,28 ton/ha pada tegakan berumur 2 tahun. Berdasarkan hasil penelitian Onrizal, Hartono, dan Kusmana (2006), tegakan E. grandis yang berumur dua tahun pada areal PT TPL, Tbk Sektor Tele dengan metode allometrik memiliki kandungan karbon sebesar 30,78 ton/ha. Hasil pendugaan kandungan karbon tegakan A. mangium berumur satu tahun dan dua tahun dengan menggunakan citra landsat TM di BKPH Parung Panjang KPH Bogor berturut-turut adalah sebesar 8,36 dan 9,62 ton/ha (Dahlan dan Istomo, 2005). Heriansyah, dkk (2003) di RPH Maribaya, BKPH Parungpanjang, KPH Bogor, mendapatkan biomassa tegakan Acacia mangium umur 10 tahun sebanyak 3,78 ton/ha.

18 Gambar 10. Peta Sebaran Kandungan Karbon berdasarkan Model Terbaik

19 Karbon adalah komponen kunci dari berbagai gas rumah kaca, termasuk yang paling umum, karbondioksida. Karbon terestrial adalah karbon yang berada pada sistem terestrial. Pada saat ini emisi karbon terestrial yang berasal dari penggunaan lahan dan yang merupakan sumber terbesar kedua dari emisi gas rumah kaca akibat ulah manusia secara global telah bertambah sebesar 20%. Sebagian besar emisi gas rumah kaca memang bersumber dari deforestasi dan degradasi hutan dan lahan gambut di kawasan tropik negara-negara yang sedang berkembang. Dengan muatan yang melewati batas di atmosfer, kita mempunyai dua pilihan mitigasi perubahan iklim yang saling melengkapi. Kita dapat mengurangi emisi gas rumah kaca yang terus terjadi ke atmosfer kita. Hutan berperan dalam upaya peningkatan penyerapan CO 2 dimana dengan bantuan cahaya matahari dan air dari tanah, vegetasi yang berklorofil mampu menyerap CO 2 dari atmosfer melalui proses fotosintesis. Hasil fotosintesis ini antara lain disimpan dalam bentuk biomassa yang menjadikan vegetasi tumbuh menjadi makin besar atau makin tinggi. Pertumbuhan ini akan berlangsung terus sampai vegetasi tersebut secara fisiologis berhenti tumbuh atau dipanen. Secara umum hutan dengan net growth (terutama dari pohon-pohon yang sedang berada fase pertumbuhan) mampu menyerap lebih banyak CO 2, sedangkan hutan dewasa dengan pertumbuhan yang kecil hanya menyimpan stock karbon tetapi tidak dapat menyerap CO 2 berlebih/ekstra. Dengan adanya hutan yang lestari maka jumlah karbon (C) yang disimpan akan semakin banyak dan semakin lama. Oleh karena itu, kegiatan penanaman vegetasi pada lahan yang kosong atau merehabilitasi hutan yang rusak akan membantu menyerap kelebihan CO 2 di atmosfer.

20 Berkaitan dengan kemampuan hutan dalam menyerap karbon, perdagangan emisi atau perdagangan karbon merupakan sebuah paradigma baru dalam sektor kehutanan dan dapat menjadi peluang bagi Indonesia yang merupakan negara berkembang untuk mendapatkan devisa melalui sektor ini. Melalui CDM ini negara berkembang seperti Indonesia dapat berpartisipasi dalam rangka perdagangan karbon. Perdagangan karbon adalah paradigma baru dimana kita diharuskan menanam dan memelihara hutan tanpa memanen kayunya sampai kurun waktu tertentu dan sebagai imbalannya kita mendapatkan pendanaan. Oleh karena itu kita perlu banyak persiapan, kesiapan ini juga menyangkut teknik, penilaian informasi kandungan karbon yang dimiliki, sosial budaya dan kelembagaan. Hal yang terpenting adalah adanya kepastian lahan, penggunaan lahan, adanya jaminan keamanan hutan dari kebakaran, illegal logging dan sebab lain yang berdampak hilangnya suatu tegakan serta dituntut adanya komitmen sehingga jangan sampai paradigma ini menjadi bumerang dimana kita mendapat sangsi akibat sebelum berakhirnya kesepakatan telah terjadi perubahan penggunaan lahan ataupun penebangan. Perdagangan karbon ini hendaknya melibatkan dan memberikan manfaat pada masyarakat dan jangan sampai terulang kembali fenomena dimana masyarakat sekitar hutan hanya menjadi penonton dan menerima bencana saat hutan dieksploitasi secara besar-besaran.

21 KESIMPULAN DAN SARAN Kesimpulan 1. Model terbaik hubungan Kandungan Karbon dengan DN tegakan Eucalyptus grandis tahun tanam 2004 dan 2005 di Areal HPHTI PT TPL Sektor Aek Nauli adalah Y = 23,512 Log B 29, Cadangan karbon rata-rata tegakan Eucalyptus grandis yang berumur 1 tahun di areal HPHTI PT TPL Sektor Aek Nauli adalah 3,38 ton/ha, sedangkan pada tanaman berumur 2 tahun adalah sebesar 4,28 ton/ha. Saran 1. Untuk memperoleh model dengan signifikansi yang tinggi sebaiknya menggunakan citra dengan tahun yang sama dengan tahun pengukuran di lapangan. 2. Pemilihan plot contoh untuk penyusunan model hubungan kandungan karbon dengan DN sebaiknya memperhatikan sebaran umur yang mewakili tegakan berumur satu tahun sampai masak tebang.