IDENTIFIKASI KUALITAS TEMPAT TUMBUH (BONITA) MENGGUNAKAN CITRA DIJITAL NON METRIK RESOLUSI TINGGI DI KPH MADIUN PERUM PERHUTANI UNIT II JAWA TIMUR

Transkripsi

1 IDENTIFIKASI KUALITAS TEMPAT TUMBUH (BONITA) MENGGUNAKAN CITRA DIJITAL NON METRIK RESOLUSI TINGGI DI KPH MADIUN PERUM PERHUTANI UNIT II JAWA TIMUR SRI WAHYUNI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2012

2 RINGKASAN SRI WAHYUNI. Identifikasi Kualitas Tempat Tumbuh (Bonita) Menggunakan Citra Dijital Non Metrik Resolusi Tinggi di KPH Madiun Perum Perhutani Unit II Jawa Timur. Skripsi. Manajemen Hutan, Institut Pertanian Bogor. Dibimbing oleh I NENGAH SURATI JAYA. Kualitas tempat tumbuh adalah ukuran tingkat kesuburan tanah yang berhubungan erat dengan produktivitas kayu yang dapat dihasilkan, sedangkan bonita adalah ukuran yang digunakan untuk indeks kualitas tempat tumbuh. Penetapan nilai bonita sering didasarkan pada hubungan antara rata-rata peninggi dengan umur tegakan. Penentuan bonita dilakukan menggunakan peubah peninggi yang dimulai penggunaannya sejak tahun 1932 oleh H.E. Wolff von Wolffing. Peninggi diukur berdasarkan tinggi rata rata dari 100 pohon tertinggi dalam luasan 1 hektar, prinsip ini kemudian dikorelasikan dengan umur pohon sedemikian rupa, sehingga membentuk kurva indeks kelas bonita. Bonita tanaman jati relatif tidak berubah dalam jangka waktu yang lama dan memerlukan waktu yang cukup lama serta biaya yang besar untuk merevisi bonita secara konvensional. Sehubungan dengan hal tersebut, maka diperlukan suatu metode yang efisien guna melakukan evaluasi terhadap bonita untuk mengetahui keakuratan bonita menggunakan teknologi penginderaan jauh. Tujuan dari penelitian ini, yaitu mengidentifikasi peubah tegakan yang diukur pada citra yang dapat digunakan sebagai penentu bonita tegakan dan mengevaluasi keakuratan peta bonita yang ada pada saat ini khususnya pada tegakan jati. Penelitian ini dilakukan di KPH Madiun Perum Perhutani Unit II, Jawa Timur menggunakan citra digital non metrik resolusi 20cm rekaman bulan April Identifikasi bonita dilakukan berdasarkan peubah tegakan pada citra dengan metode interpretasi visual terhadap variabel kerapatan tajuk (C), diameter tajuk (D), dan jumlah pohon (N). Disain plot sampling dilakukan menggunakan ekstensi IHMB Jaya Versi 6. Analisis statistik yang dilakukan mencakup uji korelasi tinggi pohon dengan variabel citra, uji akurasi peninggi, analisis diskriminan terhadap bonita lapangan, dan bonita berdasarkan peubah citra. Hardware yang digunakan adalah komputer yang dilengkapi software ArcView 3.2, Erdas Image 9.1, Minitab 14 dengan analisis diskriminan. Penelitian ini menemukan bahwa kerapatan tajuk (C), diameter tajuk (D) dan jumlah pohon (N) dapat digunakan sebagai variabel penduga kualitas tempat tumbuh (bonita) jati dengan akurasi sebesar 68,4% di BPKH Dagangan dan 81,6% di BKPH Dungus. Penelitian ini juga menemukan bahwa kesesuaian bonita hasil pengukuran lapangan dengan peta bonita yang ada saat ini mempunyai tingkat kesesuaian yang sangat rendah, yaitu 29% di BKPH Dagangan dan 23% di BKPH Dungus. Penelitian juga menunjukkan bahwa bonita harus di evaluasi setiap jangka waktu tertentu secara berkala. Penggunaan citra dijital non metrik resolusi tinggi dapat menjadi salah satu alat untuk merevisi peta bonita secara berkala. Kata kunci : Bonita, Peninggi, Jati (Tectona grandis L.f), citra dijital non metrik resolusi tinggi, teknologi penginderaan jauh.

3 SUMMARY SRI WAHYUNI. Identification of growing site (bonita) using the non metric digital image having 20 cm spatial resolution in KPH Madiun Perhutani Unit II, East Java. Report. Forest Management, Bogor Agricultural University. Supervised by I NENGAH SURATI JAYA. The quality of growing site is a measure of soil fertility that closely correlated with the stand productivity, while bonita is an index of site quality for teak stand. The determination of bonita is computed on the basis of the relationship between the average of the highest trees and the age of stand. The determination of side index of jati (bonita) on the basis of the upperheight of stand trees was developed by H.E. Wolff von Wolffing and implemented since The upperheight is an average of 100 tallest trees height in one hectare. This upperheight then correlated with the age of trees in a such way so side index curve is perfomed. A teak site index (bonita) will not change in a relatively long period and need a quite long periode to revise it. To revise the bonita using conventional method is usually time consuming and costly. For the above reasons, it is require to develop an efficient method for bonita evaluation using the technology of remote sensing. The objective of this study is to identify the stand variables that measurable on the image for bonita determination, and to evaluate the accuracy of existing bonita map, of teak stand. This research was done in KPH Madiun Perhutani Unit II, East Java using the non metric digital image having 20 cm spatial resolution which acquired in April The site index identification was done on the basis of visual interpretation of crown density (C), crown diameters (D), and number of trees (N). The design of sampling was designed using IHMB Jaya Version 6 extension. The statistical analysis performed includes correlation analysis, accuracy assessment using upperheight, discriminant analyses bonita on stand variables measured on the image. The hardware used was a computer with ArcView 3.2, Erdas Image 9.1 and Minitab 14 softwares. This research found that crown density (C), crown diameter (D) as well as number of trees (N) can be used to assis the teak site index (bonita) having accuracy 68,4% for BKPH Dagangan and 81,6% for BPKH Dungus. This study found that the coincidence value between bonita measured on the basis ground measurement and the existing bonita map in quite low, i.e, 29% for BPKH Dagangan and 23% for BPKH Dungus. This study also shows that the bonita could be evaluated periodically during certain period. The high resolution digital non metric image could be used for revising the site index periodically. Keyword : Bonita (site index), upperheight, teak (Tectona grandis L.f), high resolution non metric digital image, remote sensing technology.

4 IDENTIFIKASI KUALITAS TEMPAT TUMBUH (BONITA) MENGGUNAKAN CITRA DIJITAL NON METRIK RESOLUSI TINGGI DI KPH MADIUN PERUM PERHUTANI UNIT II JAWA TIMUR SRI WAHYUNI Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2012

5 LEMBAR PENGESAHAN Judul Penelitian Nama Mahasiswa Nomor Pokok : Identifikasi Kualitas Tempat Tumbuh (bonita) Menggunakan Citra Dijital Non Metrik Resolusi Tinggi di KPH Madiun Perum Perhutani Unit II Jawa Timur : SRI WAHYUNI : E Menyetujui, Dosen Pembimbing Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr NIP Mengetahui, Ketua Departemen Manajeman Hutan Dr. Ir. Didik Suharjito, MS NIP Tanggal Lulus :

6 PERNYATAAN Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Kualitas Tempat Tumbuh (Bonita) Menggunakan Citra Dijital Non Metrik Resolusi Tinggi di KPH Madiun Perum Perhutani Unit II Jawa Timur adalah benar-benar hasil karya saya sendiri dengan bimbingan dosen pembimbing dan belum pernah digunakan sebagai karya ilmiah pada Perguruan Tinggi atau lembaga manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhri skripsi ini. Bogor, Maret 2012 Sri Wahyuni NRP. E

7 KATA PENGANTAR Segala puji dan syukur penulis panjatkan kehadirat Allah SWT yang telah melimpahkan rahmat dan hidayah-nya kepada penulis, sehingga penulis diberikan kemudahan dan kelancaran dalam menyelesaikan skripsi dengan judul Identifikasi Kualitas Tempat Tumbuh (Bonita) Menggunakan Citra Dijital Non Metrik Resolusi Tinggi di KPH Madiun Perum Perhutani unit II Jawa Timur. Skripsi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Kehutanan di Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor. Skripsi ini berisi gambaran mengenai penyusunan metode evaluasi kualitas tempat tumbuh (bonita) Jati (Tectona grandis L,f) menggunakan teknologi citra dijital nonmentrik resolusi tinggi serta analisis dimensi tegakan citra (kerapatan tajuk, diameter tajuk dan jumlah pohon) untuk pendugaan kualitas tempat tumbuh (bonita). Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kritik dan saran yang bersifat membangun dari semua pihak sangat penulis harapkan untuk perbaikan skripsi ini. Penulis berharap skripsi ini dapat bermanfaat dan dapat memberikan informasi yang berguna bagi semua pihak yang membutuhkan.. Bogor, Maret 2012 Penulis

8 RIWAYAT HIDUP Penulis dilahirkan pada tanggal 1 Mei 1989 di Bukittinggi, Sumatera Barat. Penulis adalah anak kedua dari empat bersaudara pasangan Bapak Muhammad Akbal dan Ibu Elimarni, S.Pd. Penulis menyelesaikan pendidikan dasar di SD Negeri 35 Pincuran VII lulus tahun 2001, pendidikan menengah pertama di SLTP Negeri 3 Lintau Buo Utara lulus tahun 2004, dan menengah atas di SMA Negeri 1 Lintau Buo lulus tahun Pada tahun yang sama, penulis diterima di IPB melalui jalur USMI (Undangan Seleksi Masuk IPB) di Departemen Manajemen Hutan, Fakultas Kehutanan. Selama menjadi mahasiswa, penulis pernah menjadi Asisten mata kuliah Inventarisasi Hutan pada tahun ajaran , Asisten mata kuliah Teknik Inventarisasi Hutan dan mata kuliah Geomatika dan Inderaja pada tahun ajaran Selain itu, penulis juga aktif sebagai Sekretaris divisi Pengembangan Sumber Daya Manusia (PSDM) dalam Forest Management Student Club (FMSC) periode , sebagai Ketua divisi Kesekretariatan dalam Forest Management Student Club (FMSC) periode , dan sebagai Anggota divisi Pengembangan Sumber Daya Manusia (PSDM) dalam Pengurus Cabang Sylva IPB periode Penulis juga terlibat dalam pelatihan Analisis Display Citra kerjasama Fakultas Kehutanan IPB dengan Dinas Provinsi Papua sebagai Asisten pada tahun 2011, dan ikut berpartisipasi dalam berbagai kepanitiaan kegiatan kemahasiswaan di Institut Petanian Bogor khususnya kegiatan Fakultas Kehutanan. Pada tahun 2009, penulis melakukan kegiatan Praktek Pengenalan Ekosistem Hutan (PPEH) di Sancang Barat dan Kamojang, Provinsi Jawa Barat, lalu Praktek Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat Sukabumi pada tahun 2010 dan pada tahun 2011 melakukan Praktek Kerja Lapang (PKL) di PT. Balikpapan Forest Industries, Provinsi Kalimantan Timur.

9 UCAPAN TERIMA KASIH Pada kesempatan ini penulis mengucapkan terima kasih yang sebesarbesarnya kepada: 1. Ibunda tercinta Elimarni S.Pd, Ayahanda M.Akbal, Kakak tercinta Sitralita S.Kep, Adik-adik tersayang Ryan Rizky Kurnia dan Miftahul Jannah serta Keluarga besar penulis yang tak pernah lelah memberikan perhatian, semangat dan kasih sayang, serta kepercayaan dan doa yang selalu dipanjatkan untuk keberhasilan penulis. 2. Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr selaku dosen pembimbing skripsi, atas segala bimbingan pengarahan, motivasi, kesabaran, biaya, dan waktu yang telah diberikan dalam penyusunan skripsi ini. 3. Dr. Ir. Agus Priyono Kartono, M.Si selaku dosen penguji dan Dr. Evi Yulita Yovi, M.Life. Env. Sc selaku Ketua sidang dalam ujian komprehensif. 4. Dr. Ir. Yulius Hero, M.Sc sebagai komisi pendidikan yang telah meluangkan waktu membaca dan mengoreksi penulisan skripsi. 5. Bapak. Uus Saepul M dan Aa Edwine Setia P, S.Hut atas segala bantuan dan pengarahan yang telah diberikan dalam penyusunan skripsi ini. 6. Ir. Lukmand Hakim atas kepercayaan akan data yang diolah penulis. 7. Kepada segenap pihak KPH Madiun, Ir. FX Istiono, MM selaku ADM, Bambang Cahyo Purnomo, S.Hut selaku Waka, Asper BKPH Dungus Bapak Yanto, Asper BKPH mojorayung Bapak Bob, dan Asper BKPH Dagangan Bapak Noor, Mandor di lapangan Bapak Sugino, Mas Eko, Mas Giri, Mas Heri, Mbah, Pak Nyoto, Roni, Pak Samsul, Pak Joko dan Bapak Djumali beserta Keluarga atas kepercayaan akan data yang diolah penulis, bantuan di lapangan baik itu moril dan materil serta bantuan lain yang sangat berarti bagi penulis. 8. Erwin Darma atas semangat, waktu, dan perhatiannya kepada penulis. 9. Nuraini Erisa, S.Hut, Emilya Norita, SE, dan Melati Nuswantari atas semangat, bantuan, dan perhatiannya.

10 10. Saudara-saudara satu bimbingan Fathia Amalia Ramadhani, Eri Septiawardani dan I Putu Arimbawa Pande atas motivasi dan dukungan semangat serta bantuan yang sangat banyak dalam penyelesaian skripsi ini. 11. Sahabat-sahabat seperjuangan di laboratorium fisik remote sensing Tantri Janiatri S.Hut, Erry Maulana Wicaksono, Aditya Pradhana, Aditya Sani Sasmita, I Made Haribhawana Wijaya, Vivi Selviana dan Monika Turana atas bantuan semangat yang sangat berarti bagi penulis, serta keluarga besar laboratorium fisik Remote Sensing Kak pipit, Kak Wuland, Kak Ratih, Kak Puan, Kak Anom, Kak Puin, Kak Ina, Kak Chika, Kak Dian, Kak Baki, Kak Puut, Ibu Eva, Ibu Immy, Ibu Tien, Bunda, Pak sigit, Pak Anwar, Pak Jaya dan Tulang atas semangat yang diberikan. 12. Sahabat-sahabat bersenda gurau dan tempat bercerita Divo Jonriatno S.kh, Qori Pebrial Ilham S.Hut, Andrie Ridzki P, Rizki Agung, John Sandi Lembong, Rian Slamet, Anggi Rianto, Hilhamsyah Putra Haska, dan Rizki Saputra. 13. Seluruh Dosen dan Staf Departemen Manajemen Hutan, seluruh Temanteman Departemen Manajemen Hutan dan Fakultas Kehutanan IPB Angkatan 44 atas kebersamaannya selama ini yang tidak dapat penulis sebutkan namanya satu persatu-satu. Semoga Allah SWT memberikan limpahan atas kebaikan berupa pahala, serta diberikan balasan yang setimpal. Amin

11 DAFTAR ISI Halaman DAFTAR ISI... i DAFTAR TABEL... iii DAFTAR GAMBAR... iv DAFTAR LAMPIRAN... vi I. PENDAHULUAN 1.1. Latar Belakang Kerangka Berfikir Tujuan Manfaat... 4 II. METODE PENELITIAN 2.1. Lokasi dan Waktu Penelitian Data, Hardware, Software dan Alat Metode Penelitian Pengolahan Awal Citra (Image pre-processing) Koreksi Geometrik Analisis Data Citra a. Desain Plot b. Pengukuran Dimensi Tegakan Pemetaan Desain Plot Penelitian Pengambilan Data Lapangan Pengolahan Data Lapangan Uji Korelasi Analisis Fungsi Diskriminan Akurasi Peninggi III. KONDISI UMUM LOKASI PENELITIAN 3.1. Luas Geografis Topografi dan Iklim Daerah Aliran Sungai dan Tanah Kependudukan... 25

12 ii IV. HASIL DAN PEMBAHASAN 4.1. Pengolahan Data Citra dan Data Lapangan Uji Korelasi Hubungan Rasio Diameter dengan Bonita Analisis Diskriminan Akurasi Bonita V. KESIMPULAN DAN SARAN 5.1. Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN... 47

13 DAFTAR TABEL No. Halaman 1. Mata pencaharian penduduk di kecamatan sekitar hutan tahun 1998 di wilayah KPH Madiun Matriks korelasi antara peubah tinggi total rata-rata dengan peubah pada citra pada BKPH Dagangan Matriks korelasi antara peubah tinggi total rata-rata dengan peubah pada citra pada BKPH Dungus Nilai akurasi klasifikasi bonita di lapangan terhadap peubah C, D dan N pada citra pada lokasi BKPH Dagangan Nilai akurasi klasifikasi bonita di lapangan terhadap peubah C, D dan N pada citra pada lokasi BKPH Dungus Fungsi diskriminan untuk kelompok bonita terhadap peubah citra Persentase keseuaian bonita petak dilapangan dengan bonita yang dilakukan akurasi peninggi pada BKPH Dagangan Persentase keseuaian bonita petak dilapangan dengan bonita yang dilakukan akurasi peninggi pada BKPH Dagangan Nilai akurasi klasifikasi bonita peninggi pada BKPH Dagangan Nilai akurasi klasifikasi bonita peninggi pada BKPH Dungus Fungsi diskriminan untuk kelompok bonita terhadap peubah citra... 43

14 DAFTAR GAMBAR No. Halaman 1. Kerangka berfikir penelitian Lokasi penelitian Peta grid plot lapangan dan jaringan jalan BKPH Dagangan Peta grid plot lapangan dan jaringan jalan BKPH Dungus Plot penelitian di BKPH Dagangan Plot penelitian di BKPH Dungus Profil pohon pada citra Perhitungan kerapatan tajuk pohon pada citra Perhitungan diameter tajuk pohon pada citra Plot lingkaran Grafik indeks bonita H.E. Wolf von Wolfing (1932) Diagram alur tahapan penelitian Peta lokasi penelitian berdasarkan wilayah kerja KPH Madiun Diagram pencar peubah D dengan N pada keterangan bonita lapangan di lokasi BKPH Dagangan Diagram pencar peubah D dengan N pada keterangan bonita lapangan di lokasi BKPH Dungus Diagram pencar peubah C dengan N pada keterangan bonita lapangan di lokasi BKPH Dagangan Diagram pencar peubah C dengan N pada keterangan bonita lapangan di lokasi BKPH Dungus Diagram pencar peubah C dengan Dpada keterangan bonita lapangan di lokasi BKPH Dagangan Diagram pencar peubah C dengan Dpada keterangan bonita lapangan di lokasi BKPH Dungus Hubungan antara tinggi pohon dengan persentase kerapatan tajuk (C) di lokasi BKPH Dagangan Hubungan antara tinggi pohon dengan kerapatan tajuk (D) di lokasi BKPH Dagangan Hubungan antara tinggi pohon dengan jumlah pohon (N) di lokasi BKPH Dagangan... 32

15 v 23. Hubungan antara tinggi pohon dengan persentase kerapatan tajuk (C) di lokasi BKPH Dungus Hubungan antara tinggi pohon dengan kerapatan tajuk (D) di lokasi BKPH Dungus Hubungan antara tinggi pohon dengan jumlah pohon (N) di lokasi BKPH Dungus Hubungan rasio diameter dengan bonita di lokasi BKPH Dagangan Hubungan rasio diameter dengan bonita di lokasi BKPH Dungus Proporsi nilai analisis diskriminan bonita lapangan di lokasi BKPH Dagangan Proporsi nilai analisis diskriminan bonita lapangan di lokasi BKPH Dungus Proporsi nilai analisis diskriminan bonita akurasi peninggi di lokasi BKPH Dagangan Proporsi nilai analisis diskriminan bonita akurasi peninggi di lokasi BKPH Dungus... 42

16 DAFTAR LAMPIRAN No. Halaman 1. Data citra dan data lapangan pada lokasi BKPH Dagangan Data citra dan data lapangan pada lokasi BKPH Dungus Klasifikasi bonita lapangan dan bonita peninggi di lokasi BKPH Dagangan Klasifikasi bonita lapangan dan bonita peninggi di lokasi BKPH Dungus Analisis diskriminan bonita lapangan dengan peubah C, D dan N pada citra untuk BKPH Dagangan dan BKPH Dungus Analisis diskriminan bonita akurasi peninggi dengan peubah C, D dan N pada citra untuk BKPH Dungus Analisis diskriminan bonita akurasi peninggi dengan peubah C, D dan N pada citra untuk BKPH Dungus... 68

17 BAB I PENDAHULUAN 1.1 Latar Belakang Sektor kehutanan di Indonesia telah memberikan sumbangan yang besar dalam menunjang pertumbuhan ekonomi baik dari segi perdagangan barang (kayu dan non kayu) maupun dari segi manfaat jasa. Dampaknya, hutan telah mendapat tekanan untuk kepentingan berbagai sektor antara lain: pertanian, pertambangan, perikanan, dan sebagainya. Untuk menjaga eksistensi fisik dan kualitas hutan tetap terjaga diperlukan suatu pengelolaan yang berdasarkan azas kelestarian lingkungan (Darusman 2002). Pemanfaatan citra satelit sebagai bahan kajian sumberdaya alam terus berkembang, hal ini sejalan dengan semakin majunya teknologi pemrosesan dan peningkatan kemampuan sensor satelit dalam merekam kondisi permukaan bumi. Pengelolaan hutan yang terintegritas perlu didukung oleh data/informasi dasar tentang kondisi fisik hutan. Data yang multi-waktu juga sangat bermanfaat untuk memperkirakan laju dan arah terjadinya perubahan, sehingga kegiatan antisipasi dapat segera dilakukan (Jaya 2010). Kualitas tempat tumbuh (site quality) dari jenis satu tegakan pohon dinyatakan sebagai peninggi untuk umur tertentu yang disebut pohon persatuan luas, luas bidang dasar setinggi dada, dan rata-rata tinggi bidang dasar. Kondisi ini berlaku pada suatu daerah yang keadaan tanahnya mirip dengan daerah yang akan dibangun hutan tanaman industri (HTI), dimana mempunyai penentuan umur baku tegakan. Hasil menyeluruh ini ditabulasikan untuk memudahkan mengetahui volume kayu yang dihasilkan oleh peninggi pada umur tertentu. Parameter tersebut disusun sedemikian rupa dengan melawan umur tegakan, sehingga didapat indeks bonita. Umur tegakan yang digunakan dalam penyusunan indeks bonita adalah umur tegakan saat melakukan penjarangan, yaitu 5, 10, 20, 25,, 105 tahun dan hubungan peninggi dengan umur tegakan berdasarkan grafik disebut kelas bonita. Pengklasifikasian produktivitas lahan hutan didalam produksi kayu jati menggunakan parameter peninggi sebagai pengukurnya yang dimulai sejak tahun 1932 oleh H.E. Wolff von Wolffing. Peninggi yang diperoleh dari rata-rata pohon tertinggi merupakan ciri terbaik dari produktivitas lahan hutan jati. Metode ini

18 2 diisyaratkan dengan rata-rata jumlah 100 pohon tertinggi yang hidup merata pada kawasan dengan luas 1 ha (Arief 2001). Menurut Poerwowidodo (1990), penyusunan kelas-kelas bonita perlu memperhatikan umur baku. Jika korelasi antara peninggi dan umur tegakan linier positif, maka semakin tua suatu tegakan berarti memberikan mutu site yang makin tinggi. Pada tegakan terlalu tua (>80 tahun), hubungan peninggi dan umur cenderung tidak lagi linier, sehingga memberikan mutu site terlalu tinggi. Penilaian mutu site pada tegakan terlalu muda (<30 tahun) sering memberikan mutu site terlalu rendah. Hal ini berpeluang terjadinya gejolak pada kelas-kelas bonita setiap kali diadakan pengukuran ulang. Sebenarnya, peninggi sebagai alat ukur seharusnya mampu dijadikan pengukuran akurat bagi media dan pada lingkungan yang sama pula. Dengan kata lain, jika peninggi digunakan untuk mengukur produktivitas suatu kelas bonita pada pengkuran kapan saja akan menghasilkan nilai yang sama pula. Istomo (1985) menyatakan bahwa peninggi itu sebenarnya bukan merupakan alat yang akurat. Kenapa dikatakan tidak akurat, Arief (2001) menyatakan penilaian terlalu rendah bagi tegakan yang masih muda dan sebaliknya penilaian tertalu tinggi untuk tanaman yang sudah tua. Menurut Colie (1946) pertumbuhan tanaman jati sangat dipengaruhi oleh faktor lingkungan, salah satu faktor yang amat penting adalah kondisi tanah. Penelitian Siswanto (1997) menunjukkan persentase kelerengan tanah mempunyai hubungan yang sangat nyata dengan nilai bonita tanaman jati, dimana pada kondisi lahan yang datar tanaman jati cenderung tumbuh lebih baik. Penelitian kualialitas tempat tumbuh berdasarkan sifat-sifat tanah lebih memberikan keuntungan, karena penilaian kualitas tempat tumbuh ini tidak perlu harus menunggu adanya tegakan. Sedang dalam perencanaan pengembangan hutan jati penilaian kualitas tempat tumbuh sebelum hutan tersebut digunakan sangat perlu. Berdasarkan penelitian yang dilakukan oleh Rusdiana et al. (1987) alternatife lain dapat digunakan adalah penggunaan parameter tanah, dimana porositas total, bulk density horizon tebal solum dan tebal horizon B merupakan indikator utama yang dapat membedakan bonita 3.5 dan 4.0. Hal ini menunjukkan faktor fisik tanah pada horizon B merupakan faktor yang penting bagi pertumbuhan jati di daerah penelitian.

19 3 Penetapan kualitas tempat tumbuh berdasarkan faktor peninggi mempunyai beberapa kelemahan, antara lain: 1) Mensyaratkan kehadiran tegakan hutan, 2) Mensyaratkan kondisi tertentu dari tegakan dan 3) Khusus untuk jati menurut Haeruman (1965) penilaian terlalu rendah pada tegakan muda dan terlalu tinggi pada tegakan tua. Penentuan bonita di lapangan yang berat, yang memakan waktu lama serta biaya yang dikeluarkan banyak, sehingga tidak terlalu efisien untuk penentuan keputusan secara cepat. Perlunya akurasi data dan pembaharuan tentang kualitas tempat tumbuh itu sendiri (update), maka perlu adanya penentuan kualitas bonita dengan teknik baru salah satunya adalah menggunakan metode penginderaan jauh (remote sensing). Menurut Jaya (2010) pada saat ini penginderaan jauh tidak hanya mencangkup kegiatan pengumpulan data mentah, tetapi juga mencangkup pengolahan data secara otomatis (komputerisasi) dan manual (interpretasi), analasis citra dan penyajian yang diperoleh. Kegiatan penginderaan dibatasi oleh penggunaan energi elektromagnetik. 1.2 Kerangka Berfikir Pertanyaan-pertanyaan yang dapat dikembangkan dari penelitian : 1. Masih relevankah peta kualitas tempat tumbuh (bonita) yang digunakan saat ini? 2. Jika peta harus direvisi, adakah metode pembutan peta kualitas tempat tumbuh (bonita) secara cepat? 3. Dapatkah remote sensing digunakan sebagai alat menentukan bonita? Kualias tempat tumbuh berhubungan erat dengan kesuburan tanah yang akan mempengaruhi kualitas tegakan. Penggunaan tanah secara terus menerus akan menyebabkan kesuburan tanah berkurang, sehingga kelas bonita ikut menurun. Perlu dilakukannya evaluasi peta bonita yang digunakan untuk mendapatkan informasi yang sesuai dengan keadaan saat ini. Kerangka berpikir penelitian ini dikembangkan dan disusun sebagaimana terlihat dalam Gambar 1.

20 4 Faktor-faktor kualitas tempat tumbuh : 1. Jenis tanah 2. Kesuburan tanah 3. Drainase tanah Kualitas tegakan : 1. Volume pohon 2. Basal area 3. Kerapatan tegakan 4. Tinggi pohon Penurunan kualitas tempat tumbuh (bonita) Revisi peta kualitas tempat tumbuh Evaluasi dengan remote sensing menggunakan kerapatan tajuk (C), diameter tajuk (D) dan Jumlah Pohon. (N). Korelasi Tinggi Evaluasi terestris Pengukuran tinggi terestris. Fungsi Diskriminan Site indeks (bonita) = f(c, D, N) Gambar 1 Kerangka berfikir penelitian. 1.3 Tujuan Penelitian ini bertujuan untuk menyusunan metode evaluasi kualitas tempat tumbuh (bonita) Jati (Tectona grandis L,f) menggunakan teknologi citra dijital non mentrik resolusi tinggi. 1.4 Manfaat Penelitian ini diharapkan dapat digunakan sebagai pertimbangan dalam menentukan kualitas tempat tumbuh (bonita) dengan metode baru menggunakan penginderaan jauh (remote sensing).

21 BAB II METODE PENELITIAN 2.1 Lokasi dan Waktu Penelitian ini dimulai pada bulan Oktober 2011-Februari Lokasi penelitian terletak di KPH Madiun, yaitu: BKPH Dagangan dan BKPH Dungus (Gambar 2). Pra pengolahan citra dan persiapan peta kerja dilakukan di Laboratorium Remote Sensing dan GIS Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor. Gambar 2 Lokasi penelitian. 2.2 Data, Hardware, Software dan Alat Data yang digunakan dalam penelitian ini adalah sebagai berikut: 1. Data spasial yang merupakan Citra dijital non-metrik resolusi tinggi KPH Madiun Perum Perhutani Unit II Jawa Timur hasil rekaman pada bulan April 2011 resolusi 20 cm, menggunakan pesawat tak berawak (unman aircraft).

22 6 2. Data Shapfile yang terdiri dari peta batas petak dan peta jaringan jalan yang mempunyai data atribut pendukung (Gambar 3 dan Gambar 4). 3. Data hasil pengambilan plot penelitian pada tegakan jati di BKPH Dagangan dan BKPH Dungus (Gambar 5 dan Gambar 6). Hardware yang digunakan dalam penelitian ini adalah satu unit komputer yang dilengkapi dengan Software Erdas Imagine Ver 9.1, ArcView GIS Ver 3.2, SPSS 16.0, Minitab 14 dengan Analisis Diskriminan dan Microsoft Excel Alat yang digunakan dalam penelitian ini, yaitu GPS CS 60, suunto klinometer, kompas, haga hypsometer, pita ukur, dan kamera digital, serta kamera Fisheye.

23 Gambar 3 Peta grid plot lapangan dan jaringan jalan pada lokasi BKPH Dagangan. 7

24 Gambar 4 Peta grid plot lapangan dan jaringan jalan pada lokasi BKPH Dungus. 8

25 Gambar 5 Plot penelitian di BKPH Dagangan. 9

26 Gambar 6 Plot penelitian di BKPH Dungus. 10

27 Metode Penelitian Pengolahan Awal Citra (Image pre-processing) Koreksi Geometrik Koreksi Geometrik merupakan suatu proses melakukan transformasi data dari suatu sistem grid menggunakan suatu transformasi geometrik. Area yang terekam oleh sensor pada satelit maupun pesawat terbang sesungguhnya mengandung kesalahan (distorsi) yang diakibatkan oleh pengaruh kelengkungan bumi dan atau oleh sensor itu sendiri sehingga perlu adanya koreksi geometrik (Jaya 2010). Data penginderaan jauh dihasilkan oleh scanner multispektral atau kamera vidicon resolusi tinggi dari wahana ruang angkasa adalah dalam format raster. Namun, data spektral tersebut harus di simpan kembali, ditajamkan, difilter atau ditransformasikan secara geometrik dengan teknik pemrosesan citra sebelum data tersebut dapat digabungkan ke dalam sistem informasi geografik. Satu masalah penting untuk mengahasilkan kesesuain antara informasi raster dengan koordinat sistem informasi geografik yaitu menggunakan pendekatan umum dengan mengembangkan persamaan transformasi (Mayer 1984). Rangkaian persamaan konversi sistem informasi geografik (format vektor) yaitu: p = f (X, Y), l = f (X, Y), X = f 1 (L, E), dan Y = f 2 (L, E) dimana : p, l = posisi pixel dan baris garis penyiaman pada citra L, E = koordinat posisi lintang dan bujur X = koordinat horizontal proyeksi Y = koordinat vertikal proyeksi peta Rektifikasi yang dilakukan adalah rektifikasi citra-ke-citra (image-toimage rectification). Citra dijital non metrik dilakukan koreksi geometrik menggunakan citra LANDSAT yang telah terkoreksi sebelumnya, hal ini dilakukan agar koordinat geografisnya sama. Sistem koordinat yang digunakan dalam koreksi geometrik adalah Universal Transvers Mercator (UTM), zone 48 Selatan (South UTM 1984).

28 12 Koreksi geometrik dimulai dengan memilih sejumlah titik-titik Kontrol lapangan (GCP). Untuk penelitian ini jumlah total titik GCP adalah sebanyak 14 titik. GCP adalah suatu titik-titik pada permukaan bumi yang diketahui koordinatnya baik pada citra (kolom/piksel dan baris) maupun pada peta (yang diukur dalam lintang bujur meter). Syarat pemilihan GCP adalah tersebar merata di seluruh citra dan relatif permanen atau tidak berubah dalam kurun waktu yang pendek (seperti jalan, jembatan, sudut bangunan dan sebagainya) (Jaya 2002). Jumlah GCP minimum dihitung dengan menggunakan persamaan : GCP min = (t+1)(t+2)/ 2 dimana: t : orde dari persamaan transformasi (t=1,2 atau.. n) Analisis Data Citra 1. Desain Plot Langkah awal adalah overlay Peta Batas Petak dengan Poligon citra untuk mengumpulkan data atribut dengan penentuan umur tanaman 2011 berdasarkan data tahun tanam. Data citra dan data spasial yang telah di overlay dilakukan pembuatan grid, lokasi plot pengamatan ditentukan dengan metode sistematik sampling dengan jarak antar plot (JAP) adalah meter dengan penyamaan angka acak untuk ke tiga lokasi. Pembuatan grid ini menggunakan ekstensi IHMB Jaya versi 6 pada ArcView 3.2 selanjutnya dilakukan pembuatan buffer untuk setiap plot terpilih sesuai dengan luasan masing-masing plot berdasarkan kelas umur untuk hutan tanaman jati. Plot yang terpilih merupakan keterwakilan umur dan bonita pada setiap petak dan setiap lokasi. 2. Pengukuran Dimensi Tegakan Citra Interpretasi citra pada dasarnya merupakan proses klasifikasi, maka identifikasi dan pengenalan dapat dilakukan secara matematik, apabila tersedia data citra dalam betuk dijital. Ukuran atau dimensi suatu objek merupakan kunci penting untuk identifikasi dan pengenalan objek yang bentuknya sama dan dapat dipakai sebagai standar bagi perbandingan (Purbowaseso 1995).

29 13 Pada penelitian ini dilakukan pengukuran dimensi tegakan citra terhadap peubahpeubah tegakan, sebagai berikut : a. Penghitungan Jumlah Pohon (N) Penafsiran jumlah pohon citra dilakukan dalam satu plot pengamatan (Gambar 7). Pada setiap tajuk yang membentuk satu kesatuan tajuk pohon dianggap sebagai satu pohon di lakukan penitikan dengan simbol draw point pada tools ArcView 3.2 Gambar 7 Profil pohon citra b.penghitungan Persentase Kerapatan Tajuk Tegakan pada Citra (C) Persentase penutupan tajuk diartikan sebagai persentase areal yang tertutup oleh proyeksi vertikal tajuk pohon. Digitasi dilakukan pada buffer plot dengan deliniasi atas tajuk per pohon. Deliniasi ialah seleksi visual dan perbedaan wujud gambaran pada berbagai data dengan jalan menarik garis batas (Rosalina & Rahaju 1996). Kerapatan Tajuk Citra = ( Jumlah Luas Tajuk / Luas Plot) 100 %

30 14 Tajuk pohon Gap Tajuk Gambar 8 Perhitungan kerapatan tajuk pohon pada citra. Pada atribut citra yang telah dideliniasi, tajuk pohon diklasifikasikan dalam kelompok 1 sedangkan gap tajuk diklasifikasikan dalam kelompok 0 (Gambar 8). Perhitungan persentase penutupan tajuk dalam satu luasan plot dilakukan pada ArcView 3.2 dengan tools summarize. c. Penghitungan Diameter Tajuk Pohon pada Citra (D) Pada dasarnya pengukuran tajuk sama dengan pengukuran jarak sebagaimana terlihat pada Gambar 9. Pengukuran tajuk pohon dilakukan pada tutupan tajuk yang telah dideliniasi dan dianggap sebagai satu pohon. Rumus untuk menghitung diameter tajuk adalah sebagai berikut : Dt= dimana : Dt Dt US Dt BT Dt US + Dt BT 2 : Diamater tajuk pohon : Panjang diameter tajuk utara ke seletan : Panjang diameter tajuk barat ke timur

31 15 Dt BT Dt US Gambar 9 Perhitungan diameter tajuk pohon pada citra Pemetaan Desain Plot Penelitian Desain peta kerja dibuat sebagai alat pembantu pengamatan di lapangan. Peta kerja dibuat dengan menumpangtindihkan (overlay) citra dijital non metrik, lokasi titik pengamatan total dan lokasi terpilih, Titik GCP, Titik Ikat, peta jaringan jalan hutan dan peta batas petak kerja Pengambilan Data Lapangan Pengamatan lapangan merupakan proses pengecekan langsung ke lokasi penelitian terhadap objek yang telah diinterpretasi menggunakan citra. Pengecekan lapangan dilakukan dengan 3 metode yaitu pengecekan titik dan pembuatan plot serta pengukuran dimensi tegakan lapangan. 1. Pengecekan titik dilakukan pada plot terpilih yang telah disesuaikan pada identifikasi awal posisi plot pada citra. Penentuan titik pusat plot terpilih dibantu dengan adanya GCP dan Titik ikat. 2. Metode kedua adalah pembuatan plot contoh berdasarkan kelas umur (KU), yaitu 0,02 Ha untuk KU I dan KU II, 0,04 Ha untuk KU III dan KU IV dan ukuran plot 0.1 Ha untuk KU V > up (Gambar 10).

32 m m m a.plot Lingkaran 0.02 Ha b.plot Lingkaran 0.04 Ha Gambar 10 Plot lingkaran c.plot Lingkaran 0.1 Ha 3. Pengukuran dimensi tegakan lapangan dilakukan dengan cara pengambilan data mengenai bonita (peta kerja Perhutani pada setiap areal kerja BKPH), tinggi pohon, diameter 50 cm dan 130 cm, jari-jari tajuk pohon, jarak antar pohon, dan kondisi pohon. Pemotretan bentang titik pengamatan yang dapat menggambarkan kondisi tutupan lahan juga dilakukan sebagai alat bantu argumen hasil verifikasi. Untuk penentuan bonita yang dipakai, merupakan hasil dari perhitungan peninggi dengan umur yang kemudian dilakukan penilaian nilai kelas bonita, ditunjukkan oleh grafik indeks bonita H.E. Wolff von Wolffing (1932). Pada grafik indeks bonita (Gambar 11), kelas bonita diperoleh melalui korelasi antara peninggi dan umur tegakan. Perhitungan korelasi antara peninggi dan umur tegakan ini dilakukan secara manual.

33 Peninggi Umur Penjarangan Gambar 11 Grafik indeks bonita H.E. Wolff von Wolffing (1932). 17

34 Pengolahan Data Lapangan Pendugaan data lapangan dilakukan untuk menentukan kesesuaian data lapangan dengan data citra. Pengolahan data lapangan, sebagai berikut: 1. Pembuatan Profil Pohon Lapangan Pada saat pengkuran di lapangan dilakukan sekaligus pengamatan posisi pohon dan jarak dari titik pusat. Perhitungan jarak dilakukan dengan mengukur jarak pohon dari titik pusat menggunakan pita ukur. 2. Penghitungan Jumlah Pohon Lapangan Jumlah pohon (N) lapangan dihitung dari pengumpulan data lapangan yang berada dalam satu luasan plot. 3. Penghitungan Diameter Tajuk Lapang Pengukuran diameter tajuk lapang pada setiap plot yang diambil di lapangan adalah satu sampel diameter tajuk pohon yang memiliki batang lurus atau yang paling bagus. Pohon yang terpilih dalam satu plot, diukur diameter tajuk lapang dengan cara mengukur panjang diameter tajuk pohon dari utara ke selatan dan panjang diameter tajuk pohon dari barat ke utara menggunakan pita ukur. Rumus menghitung diameter tajuk sebagai berikut : Dt US + Dt BT Dt= 2 dimana : Dt : Diamater tajuk pohon Dt US : Panjang diameter tajuk utara ke seletan : Panjang diameter tajuk barat ke timur Dt BT 4. Penghitungan Kerapatan Tajuk Lapang Dari hasil pengukuran jarak pohon dari titik pusat (profil pohon) dan diameter tajuk di lapangan diperoleh jari-jari tajuk pohon. Dari jari-jari pohon dibuat buffer tajuk menggunakan ArcView 3.2. Cara menghitung persentase tajuk pohon di lapangan sama dengan cara menghitung persentase tajuk pohon pada citra mengunakan rumus sebagai berikut : Kerapatan tajuk = ( Jumlah Luas Tajuk / Luas Plot) 100 %

35 Uji Korelasi Dalam Hadjar (1995) dijelaskan bahwa, arti korelasi akan lebih mudah dipahami dengan mempelajari scatter plot atau diagram pencar, yang dimaksud untuk menyelidiki hubungan antara dua peubah (Glass & Hopkins 1984). Diagram pecar adalah grafik yang memperlihatkan hubungan yang diperoleh dengan cara membuat gambaran visual pada titik pertemuan antara dua nilai dari dua peubah (sepasang observasi) (McMillan & Schumacher 1989). Diagram pencar juga dapat digunakan untuk mengindentifikasi titik hubungan pasangan skor yang menyimpang dari pola hubungan yang lain, dengan mengetahui perbedaan dapat dilakukan pemeriksaan kembali dalam proses pengolahan data apakah terjadi kesalahan (Hadjar 1995). Hubungan kuantitatif antara peubah kriterium dengan peubah prediktor dapat dilukiskan dalam suatu garis yang disebut garis regresi. Suatu garis regresi dapat dinyatakan dalam persamaan matematik yang dinamakan regresi (Sutrisno 1983). Supranto (1983), diacu dalam Sahid (2010) mendefinisikan analisis regresi sebagai suatu alat yang digunakan untuk menganalisis bentuk hubungan antara dua peubah atau lebih yang terdiri dari peubah bebas (dependent variable) dan peubah tidak bebas (independent variable) dengan tujuan untuk memperkirakan atau meramalkan nilai rata-rata dari peubah tak bebas apabila nilai peubah yang menerangkan sudah diketahui. Penetapan nilai bonita sering didasarkan pada hubungan antara rata-rata peninggi dengan umur tegakan. Salah satu penentu kualitas kayu jati adalah tinggi tanaman jati, semakin tinggi tanaman jati semakin baik kualitas dari jati tersebut. Tinggi pohon lebih mudah diukur, dengan suatu persyaratan tertentu, pertumbuhan tinggi pohon berkorelasi dengan penambahan volume (Anonim 2010). Uji korelasi dilakukan terhadap tinggi pohon, karena tinggi pohon merupakan faktor penting dalam penentuan bonita. a) Uji koefisien determinansi Untuk mengukur kecocokan antara peubah tinggi dan peubah citra adalah dengan melihat koefisien determinansi (R 2 ), dimana pendekatan koefisien determinasi (R 2 ) menyatakan seberapa baik kemampuan suatu peubah bebas dalam

36 20 model liniar dua peubah yang dipakai. Secara umum, nilai R 2 yang dianggap baik jika lebih dari 50%. Rumus untuk menghitung koefisien determinasi adalah sebagai berikut: R 2 = JKT JKS JKT x 100% JKS = JKT = n j=1 (Yj Ŷj)² Yj² ( Yj)² n dimana : R 2 = Koefisien determinasi JKT = Jumlah kuadrat total JKS = Jumlah kuadrat sisa Yj = Nilai Peubah (C, D dan N) Ŷj = Nilai tinggi rata-rata per plot contoh n = Banyaknya plot contoh b). Korelasi antar peubah Perhitungan koefisien korelasi menggunakan pendekatan korelasi product moment (r) untuk mengetahui keeratan tinggi dengan peubah pada citra yang akan digunakan dalam pendugaan tegakan. Rumus untuk menghitung korelasi adalah sebagai berikut: dimana: r = xi = Dimensi tinggi pohon ke i yj = Dimensi peubah pada citra ke j n = jumlah pohon X Y ( X )( Y )/ n X i ( X ) / n Y j ( Y ) / n Besarnya nilai r berkisar antara -1 sampai +1. Jika nilai r = -1 maka hubungan antara dua peubah adalah korelasi negatif sempurna. Artinya, apabila salah satu peubah nilainya menurun, maka peubah lainnya akan meningkat. Sebaliknya jika nilai r = +1 maka hubungan antara dua peubah merupakan korelasi positif sempurna. Artinya, apabila salah satu peubah meningkat, maka peubah i j i i j j

37 21 lainnya akan meningkat pula. Bila r mendekati -1 atau +1 maka hubungan antara peubah itu kuat dan terdapat korelasi yang tinggi antara kedua peubah itu (Walpole 1995) Analisis Fungsi Diskriminan Analisis diskriminan merupakan teknik menganalisis data peubah tak bebas (criterion) yang merupakan kategori non-metrik bersifat kualitatif terhadap peubah bebas sebagai predictor merupakan metrik bersifat kuantitatif (Supranto 2004). Analisis diskriminan dapat digunakan untuk mengelompokkan atau mengklasifikasikan pengamatan atau peubah ke dalam kelompok baru yang jumlahnya lebih sedikit dibandingkan jumlah pengamatan atau peubah awal (Jonathan 2012). Pengolahan analisis diskriminan dilakukan dengan pengelompokkan bonita yang diperoleh dari data bonita tegakan jati di peta petak kerja Perhutani. Peubah bebas yang digunakan, yaitu : D citra, C citra, dan N citra. Model analisis diskriminan menghasilkan fungsi dengan kombinasi liniar sebagai berikut : D i = b 0 + b 1 X i1 + b 2 X i2 + b 3 X i3 dimana : D i = niai diskriminan dari bonita ke-i i = 3.0, 3.5, 4.0 (D merupakan peubah tak bebas) b j = koefisien atau timbangan diskriminan dari peubah X ij = peubah (atribut) ke-j dari responden ke i X ij merupakan peubah bebas/prediktor Model matematik untuk analisis diskriminan adalah sebagai berikut: D = b 0, b 1, b 2, b 3,.., b k 1 X1 X2 X3.. Xk = b 0 + b 1 X 1 + b 2 X 2 + b 3 X b k X k

38 22 Proses klasifikasi pada fungsi diskriminan bonita adalah sebagai berikut : X D1 D2 Dn Max Bonita terpilih Dimana X adalah vektor lajur yang dinyatakan sebagai berikuit, X = X1 X2 Xn Suatu vektor X yang tidak diketahui akan dimasukkan dan dievaluasi oleh masing-masing fungsi diskriminannya, kemudian nilai yang paling besar akan menyatakan kelas dari fungsi yang menghasilkan nilai tersebut. Untuk mengetahui tingkat keterwakilan data sebaran yang terklasifikasikan dengan benar, dilakukan penghitungan Jumlah benar : dimana : Pc = Proporsi benar Nt = Total sampel Nc = Jumlah benar PC = Nc Nt 100% Akurasi Bonita Penilaian bonita didasarkan atas tinggi yang dicapai pada umur indeks tertentu (specific index age). Pembagian bonita didasarkan atas peninggi tegakan, peninggi ini disebut indeks bonita (Anonim 2010). Peninggi merupakan rata-rata dari 100 pohon tertinggi yang hidup merata dalam luasan 1 hektar (Arief 2001). Akurasi peninggi dimaksud adalah melakukan perhitungan ulang peninggi dengan tinggi total pohon dalam setiap plot per petaknya. Peninggi yang diperoleh di korelasikan dengan umur untuk ditentukan bonita melalui grafik indeks bonita H.E. Wolff von Wolffing (1932) sehingga diperoleh nilai bonita baru, dalam hal ini disebut bonita peninggi. Pengolahan data selanjutnya menggunakan analisis diskriminan dengan pengelompokkan bonita yang diperoleh dari data bonita peningi, dengan peubah D citra, C citra, N citra.

39 23 Tahapan pelaksanaan penelitian terangkum dalam bagan penelitian berikut (Gambar 12) : Mulai Persiapan dan Pengumpulan Data Mosaik Citra Koreksi Geometrik Interpretasi Visual (Interpretasi, Digitasi, klasifikasi) CDN Citra Desain Pengambilan Contoh Pengambilan Data Lapangan Pengolahan Data Lapangan CDN Lapangan Overlay dan Uji Korelasi TIDAK Analisis Fungsi Diskriminan Evaluasi TIDAK Accuracy Tt YA Analisis Diterima Selesai Gambar 12 Diagram alur tahapan penelitian.

40 3.1 Letak Geografis BAB III KONDISI UMUM LOKASI PENELITIAN Kesatuan Pemangkuan Hutan (KPH) Madiun membagi wilayah kerjanya menjadi 4 bagian hutan yaitu: Bagian Hutan Caruban, Bagian Hutan Pagotan, Bagian Hutan Ponorogo Timur, dan Bagian Hutan Ponorogo Barat (Gambar 13). Gambar 13 Peta Lokasi penelitian berdasarkan wilayah kerja KPH Madiun Secara geografis KPH Madiun berada di dalam batas LS LS dan BT BT dan berbatasan dengan Kawasan Pemangkuan Hutan (KPH) sebagai berikut: 1. Sebelah Utara : KPH Saradan 2. Sebelah Timur : KPH Saradan dan Lawu Ds 3. Sebelah Selatan : KPH Lawu Ds. 4. Sebelah Barat : KPH Lawu Ds dan KPH Ngawi

41 Topografi dan Iklim Wilayah kawasan hutan KPH Madiun mempunyai kemiringan lereng, landai, bergelombang, sampai dengan bergunung-gunung. Wilayah hutan KPH Madiun terletak pada suatu daerah dengan musim hujan dan musim kemarau yang jelas. KPH Madiun termasuk ke dalam tipe curah hujan C dimana mempunyai nilai Q = 57% (33,3%-60%) dengan rata-rata bulan basah adalah 7 bulan dan rata-rata bulan kering 4 bulan selama setahun. Dengan tipe iklim C. KPH Madiun cocok untuk tempat tumbuh jati. Berdasarkan peta hutan RPKH KPH Madiun jangka , tipe iklim C untuk sebagian wilayah Bagian Hutan Ponorogo Timur dan Pagotan dan tipe iklim D untuk Bagian Hutan Caruban, sebagian besar Pagotan, Ponorogo Barat dan sebagian Ponorogo Timur. 3.3 Daerah Aliran Sungai dan Tanah Wilayah kawasan KPH Madiun termasuk DAS Solo Hulu dan merupakan salah satu penyangga kestabilan serta keseimbangan ekosistem pada sub DAS Solo Hulu. Sungai yang ada di Wilayah KPH Madiun adalah Sungai Catur yang melintasi Bagian Hutan Caruban dan Bagian Hutan Pagotan yang bermuara di Kali Madiun terus ke Bengawan Solo. Sebagian besar jenis tanah di kawasan hutan KPH Madiun untuk SKPH Madiun Utara terdiri dari Mediteran Cokelat Kemerahan dan Litosol Coklat Kemerahan, sedangkan di wilayah KPH Madiun Selatan terdiri dari jenis Aluvial Kelabu Tua, Glei humus dan Mediteran Coklat Kemerahan. 3.4 Kependudukan 1. Penduduk Jumlah penduduk dalam kecamatan yang masuk dalam wilayah kerja KPH Madiun adalah jiwa, terdiri dari laki-laki dan perempuan.

42 26 2. Mata Pencaharian Berdasarkan data yang diperoleh diketahui bahwa mata pencaharian masyarakat sekitar bervariasi, yaitu: petani, pedagang, buruh, pegawai negeri/abri, dan lainlain, seperti yang terlihat pada Tabel 1. Tabel 1 Mata pencaharian penduduk di kecamatan sekitar hutan tahun 1998 di wilayah KPH Madiun Mata Kabupaten Pencaharian Jumlah Madiun Magetan Ponorogo (orang) Petani Pedagang Pensiunan Buruh Peg/TNI Lain-lain Jumlah Sumber data : RPKH madiun

43 D cit ra BAB IV HASIL DAN PEMBAHASAN 4.1 Pengolahan Data Citra dan Data Lapangan Berdasarkan pengolahan data menggunakan peubah pada citra dan lapangan, diperoleh diagram pencar untuk setiap plot di masing-masing lokasi sebagaimana disajikan pada Gambar 14 sampai dengan Gambar 19. Data hasil penelitian disajikan dalam Lampiran 1 dan 2. Di lokasi BKPH Dagangan dan BKPH Dungus diperoleh 38 plot. Pada Gambar14 sampai dengan 19 disajikan pengelompokan data menggunakan peubah citra (N, D, dan C). 1. Diagram Pencar Peubah D dengan N pada keterangan bonita lapangan Scatterplot of D citra vs N citra Bonita N citra Gambar 14 Diagram pencar peubah D dengan N pada keterangan bonita lapangan di lokasi BKPH Dagangan. Gambar 14 menunjukkan bahwa di lokasi BKPH Dagangan ada pengelompokan bonita menggunakan nilai peubah D dan N, khususnya pada bonita 3.5. Penyebaran data menunjukkan dengan peubah D dan N bonita 3.0, bonita 3.5 dan bonita 4.0 akan dapat dipisahkan.

44 C cit ra D_cit ra C_cit ra 28 Scatterplot of D_citra vs N_citra 9 8 Bonita N_citra Gambar 15 Diagram pencar peubah D dengan N pada keterangan bonita lapangan di lokasi BKPH Dungus. Pada Gambar 15 pengelompokan dengan peubah D dan N terlihat jelas khususnya pada bonita 4.0 di lokasi BKPH Dungus, dimana bonita 3.5 dan bonita 4.0 kemungkinan dapat dipisahkan. 2. Peubah C dengan N pada citra terhadap bonita lapangan Scatterplot of C citra vs N citra Bonita N citra Gambar 16 Diagram pencar peubah C dengan N pada keterangan bonita lapangan di lokasi BKPH Dagangan.

45 C_cit ra 29 Demikian juga untuk peubah C dan N di lokasi BKPH Dagangan sebagaimana diperlihatkan pada Gambar 16, menunjukkan bahwa bonita 3.0, bonita 3.5 dan bonita 4.0 mengelompok secara jelas, sehingga ada kemungkinan bonita 3.0 dapat dipisahkan dari bonita 3.5 dan bonita 4.0. Scatterplot of C_citra vs N_citra Bonita N_citra Gambar 17 Diagram pencar peubah C dengan N pada keterangan bonita lapangan di lokasi BKPH Dungus. Pada Gambar 17 pengelompokan bonita dengan peubah C dan N di lokasi BKPH Dungus menunjukkan bahwa, untuk bonita 3.0, 3.5 dan bonita 4.0 telihat mengelompok dengan jelas, dimana untuk masing-masing kelompok bonita mungkin dapat dipisahkan. 3. Peubah C dengan D pada citra terhadap bonita lapangan Pengelompokan peubah C dan D di lokasi BKPH Dagangan ditunjukkan oleh Gambar 18, dimana terlihat secara jelas bahwa bonita 3.5 dan bonita 4.0 mengelompok secara terpisah.

46 C_cit ra C_cit ra 30 citra Scatterplot of C_citra vs D_citra Bonita Bonita D_citra Gambar 18 Diagram pencar peubah C dengan D pada keterangan bonita lapangan di lokasi BKPH Dagangan. citra Scatterplot of C_citra vs D_citra Bonita Bonita D_citra Gambar 19 Diagram pencar peubah C dengan D pada keterangan bonita lapangan di lokasi BKPH Dungus. Gambar 19 menunjukkan bahwa ada pengelompokan bonita dengan menggunakan peubah C dan D di lokasi BKPH Dungus, dimana terlihat secara jelas bahwa bonita 3.5 dan bonita 4.0 bergerombol.

47 Uji Korelasi Dari hasil data di lapangan dan citra diperoleh matriks korelasi untuk BKPH Dagangan sebagaimana disajikan pada Tabel 2. Tabel 2 Matriks korelasi antara peubah tinggi total rata-rata dengan peubah pada citra pada BKPH Dagangan Peubah Tt C D C D N Pada BKPH Dagangan nilai korelasi tertinggi ditunjukkan oleh peubah tinggi dengan diameter tajuk pohon, dengan oleh nilai R sebesar Nilai ini menjelaskan bahwa tinggi pohon memiliki hubungan yang cukup erat dengan diameter tajuk (D). Hubungan antara peubah tinggi dengan persentase tutupan tajuk dan jumlah pohon relatih rendah. Grafik hubungan tinggi total rata-rata (Tt) dengan nilai peubah citra diitunjukkan pada Gambar 20 sampai dengan Gambar Tinggi (m) C citra (%) Gambar 20 Hubungan antara tinggi pohon dengan persentase kerapatan tajuk (C) di lokasi BKPH Dagangan. Berdasarkan Gambar 20, hubungan antara tinggi pohon dengan persentase kerapatan tajuk (C) mempunyai nilai R hanya sebesar (R 2 = 15.0%) dengan model regresi Y= 0.038X (Y= Tinggi pohon, X= Kerapatan tajuk).