ANGKA BENTUK DAN MODEL VOLUME KAYU AFRIKA (Maesopsis eminii Engl) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT DIANTAMA PUSPITASARI

Transkripsi

1 ANGKA BENTUK DAN MODEL VOLUME KAYU AFRIKA (Maesopsis eminii Engl) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT DIANTAMA PUSPITASARI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2015

2

3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Angka Bentuk dan Model Volume Kayu Afrika (Maesopsis eminii Engl.) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Januari 2015 Diantama Puspitasari NIM E

4 ABSTRAK DIANTAMA PUSPITASARI. Angka Bentuk dan Model Volume Kayu Afrika (Maesopsis eminii Engl.) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat. Dibimbing oleh TATANG TIRYANA Beberapa model volume dan angka bentuk telah dikembangkan untuk beberapa jenis pohon di Hutan Pendidikan Gunung Walat (HPGW), namun belum ada model volume dan angka bentuk untuk jenis kayu afrika. Penelitian ini bertujuan menentukan angka bentuk dan menyusun model volume kayu afrika di HPGW. Sebanyak 87 pohon contoh digunakan untuk penyusunan model dan 37 pohon contoh untuk validasi model yang dipilih secara purpossive pada tegakan kayu afrika dengan kisaran diameter antara 5.7 sampai 73.5 cm. Pengukuran pohon contoh dilakukan dengan menggunakan Laser Criterion (untuk mengukur diameter) dan Laser Rangefinder (untuk mengukur tinggi pohon). Hasil penelitian menunjukkan bahwa kayu afrika di HPGW memiliki angka bentuk absolut dan angka bentuk buatan 0.699, sedangkan model terbaik untuk menduga volume kayu afrika adalah V = D Model volume tersebut memberikan ketelitian pendugaan yang lebih baik (dengan nilai bias sebesar 0.032) daripada pendugaan volume dengan angka bentuk. Kata kunci: angka bentuk, kayu afrika, model volume, Hutan Pendidikan Gunung Walat ABSTRACT DIANTAMA PUSPITASARI. Form Factor and Volume Model for Maesopsis eminii Engl. in Gunung Walat University Forest, Sukabumi, West Java. Supervised by TATANG TIRYANA. Some volume models and form factors have been developed for several trees species in Gunung Walat University Forest (GWUF), but no volume model and form factor are available yet for Maesopsis eminii. The objective of this study was to determine form factor and to develop volume model for M. eminii in GWUF. Eighty seven sample trees were used to develop volume models and 37 sample trees were used to validate the volume models, which were purpossively selected from the M. eminii stands with diameters ranging from 5.7 to 73.5 cm. The measurements of sample trees were conducted by using a Laser Criterion (for measuring tree diameter) and Laser Rangefinder (for measuring tree height). The results showed that M. eminii had an absolute form factor of and an artificial form factor of 0.699, while the best model for estimating its volume was V = D This volume model provided better precision (with a bias of 0.032) than the use of form factors. Keywords: form factor, Maesopsis eminii, volume model, Gunung Walat University Forest

5 ANGKA BENTUK DAN MODEL VOLUME KAYU AFRIKA (Maesopsis eminii Engl) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT DIANTAMA PUSPITASARI Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2015

6

7

8 PRAKATA Puji dan syukur penulis panjatkan atas kehadirat Allah subhanahu wa ta ala yang telah memberikan rahmat, hidayah, serta karunia-nya sehingga skripsi ini dapat diselesaikan. Skripsi ini adalah hasil penelitian yang berlangsung pada bulan Juni 2014, dengan judul Angka Bentuk Kayu Afrika (Maesopsis eminii Engl.) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat. Terima kasih penulis sampaikan kepada Bapak Dr. Tatang Tiryana, S.Hut, M.Sc selaku pembimbing yang dengan sabar memberikan pengarahan dan bimbingan kepada penulis, kepada Ayah, Ibu, dan Adik, serta seluruh keluarga besar atas segala doa, kasih sayang, dan dukungannya, kepada seluruh staf karyawan Hutan Pendidikan Gunung Walat atas bantuan yang di berikan secara langsung maupun tidak langsung dalam proses pengambilan data di lapangan, dan seluruh pihak yang membantu yang tidak dapat disebutkan satu persatu. Semoga skripsi ini dapat memberikan manfaat dan kebaikan bagi banyak pihak. Penulis pun mengharapkan kritik dan saran untuk penyempurnaan skripsi ini. Bogor, Januari 2015 Diantama Puspitasari

9 DAFTAR ISI DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vi PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 1 Manfaat Penelitian 1 METODE 2 Lokasi dan Waktu Penelitian 2 Alat dan Bahan 2 Prosedur Pengumpulan Data 2 Prosedur Analisis Data 3 HASIL DAN PEMBAHASAN 7 Angka Bentuk Kayu Afrika 7 Model Volume Kayu Afrika 8 SIMPULAN DAN SARAN 11 Simpulan 11 Saran 11 DAFTAR PUSTAKA 11 LAMPIRAN 13 RIWAYAT HIDUP 21

10 DAFTAR TABEL 1 Jumlah pohon contoh untuk penyusunan dan validasi model 3 2 Deskripsi statistik dimensi pohon contoh dalam penyusunan dan validasi model 3 3 Koefisien korelasi antara satu peubah dengan peubah lainnya 4 4 Deskripsi statistik angka bentuk absolut dan angka bentuk buatan 8 5 Hasil perhitungan uji validasi pendugaan volume menggunakan angka bentuk absolut dan buatan 8 6 Nilai-nilai dugaan parameter, standard error (SE), dan statistik kesesuaian model-model volume 9 7 Hasil perhitungan uji validasi menggunakan model volume 10 DAFTAR GAMBAR 1 Grafik analisis sisaan model Berkhout 10 DAFTAR LAMPIRAN 1 Hasil pengolahan data dengan menggunakan Minitab 14 13

11 PENDAHULUAN Latar Belakang Hutan merupakan sumber daya alam yang memiliki manfaat melimpah, seperti hasil kayu, hasil hutan bukan kayu, dan juga sebagai penyangga kestabilan ekosistem lingkungan. Pengelolaan hutan lestari perlu memperhatikan aspek ekologi, ekonomi, dan sosial. Perencanaan hutan perlu dilakukan agar tercipta pengelolaan hutan yang lestari, sehingga diperlukan data dan informasi mengenai hutan yang dikelola. Salah satu informasi yang dibutuhkan sebagai dasar kegiatan perencanaan adalah informasi mengenai potensi volume pohon dan tegakan. Struktur tegakan dipengaruhi oleh waktu, sehingga terjadi perubahan dimensi dan jumlah pohon. Oleh karena itu, pembaharuan model-model volume perlu dilakukan terhadap berbagai jenis tegakan untuk mengetahui potensi tegakan yang dikelola. Kawasan Hutan Pendidikan Gunung Walat (HPGW) didominasi oleh tegakan damar, pinus, puspa, dan jenis lainnya seperti kayu afrika. Kayu afrika merupakan jenis kayu endemik Afrika dan termasuk dalam famili Rhamnaceae. Kayu afrika digunakan sebagai tanaman pengayaan, seperti tanaman tepi dan tanaman pembatas (JICA 2003 dalam Wulandari 2008) dan merupakan jenis pohon cepat tumbuh (fast growing species). Kayu ini memiliki kelas kekuatan sedang sampai kuat sehingga baik digunakan sebagai kayu konstruksi, kotak, dan tiang (Dephut 2002 dalam Wulandari 2008). Menurut Wahyudi et al. (1990) dalam Wulandari (2008), kayu ini berpotensi sebagai bahan pembuat pulp, bahan baku kayu lapis, dan papan partikel. Pendugaan volume pohon dapat dilakukan menggunakan model volume dan angka bentuk pohon. Perbedaan jenis dan karakteristik pohon dapat mempengaruhi angka bentuk yang digunakan, sehingga perlu dilakukan pengukuran untuk jenis pohon berbeda agar memperoleh angka bentuk yang sesuai. Pendugaan volume dan angka bentuk di HPGW telah diteliti untuk beberapa jenis seperti agathis (Wardasanti 2011), puspa (Juliantari 2013), dan pinus (Rianto 2012), namun belum ada penelitian serupa untuk untuk jenis kayu afrika. Tujuan Penelitian Penelitian ini bertujuan menentukan angka bentuk dan menyusun model volume kayu afrika (Maesopsis eminii Engl.) di HPGW. Manfaat Penelitian Angka bentuk dan model volume kayu afrika dari hasil penelitian ini bermanfaat untuk menduga volume pohon kayu afrika di HPGW.

12 2 METODE Lokasi dan Waktu Penelitian Penelitian dilaksanakan di Hutan Pendidikan Gunung Walat (HPGW), Sukabumi, Jawa Barat pada bulan Juni Juli Berdasarkan administrasi pemerintahan, HPGW yang luasnya 359 ha terletak di Kecamatan Cibadak dan Cicantayan, Kabupaten Sukabumi, sedangkan berdasarkan administrasi kehutanan termasuk dalam wilayah Dinas Kehutanan Kabupaten Sukabumi. HPGW terletak pada ketinggian mdpl. Topografi di HPGW bervariasi dari landai sampai bergelombang, terutama di bagian selatan, sedangkan pada bagian utara mempunyai topografi yang semakin curam. Jenis tanah di HPGW adalah podsolik, litosol, dan latosol. Sekitar 70% tutupan lahan di HPGW didominasi oleh tegakan agathis (Agathis loranthifolia) dan campuran (Pinus merkusii, Pinus ocarpa, dan Schima walichii). Sekitar 30% lainnya merupakan tanaman yang berumur 1 40 tahun yang terdiri dari sonokeling (Dalbergia latifolia), Acacia auriculiformis, Acacia mangium, dan rasamala (Altingia excelsa), serta beberapa jenis asli yang dipertahankan. Selain pepohonan juga terdapat jenis paku-pakuan, epifit, dan berbagai jenis perdu dan rumput (Kosmaryandi 2013). Alat dan Bahan Alat yang digunakan dalam penelitian ini adalah Laser Rangefinder, Criterion RD 1000, phi band, tally sheet, dan kamera. Analisis data menggunakan software Minitab versi 14 dan Microsoft Excel Bahan yang digunakan adalah tegakan kayu afrika (Maesopsis eminii Engl.) di HPGW. Prosedur Pengumpulan Data Data utama yang digunakan dalam penelitian ini adalah tegakan kayu afrika berdiameter 5 cm di HPGW dan data penunjang berupa dokumen-dokumen terkait kondisi umum HPGW. Pengukuran dilakukan secara purpossive sampling dengan pertimbangan tertentu, yaitu pemilihan pohon secara merata di seluruh areal HPGW dan menyebar pada semua kelas diameter. Jumlah pohon contoh yang diukur sebanyak 124 pohon, yang dibagi menjadi dua kelompok data, yaitu 87 pohon untuk penyusunan model dan 37 pohon untuk validasi model (Tabel 1 dan Tabel 2). Pengukuran yang dilakukan pada pohon contoh meliputi pengukuran diameter setinggi dada (Dbh), diameter pohon per seksi (panjang seksi 1 meter), tinggi total (Tt), dan tinggi bebas cabang (Tbc).

13 3 Tabel 1 Jumlah pohon contoh untuk penyusunan dan validasi model Kelas diameter (cm) Jumlah pohon contoh Total Model Validasi Jumlah Tabel 2 Deskripsi statistik dimensi pohon contoh dalam penyusunan dan validasi model Peubah Data penyusunan model (n = 87) Data penyusunan validasi (n = 37) Mean Min Max SD Mean Min Max SD Dp Dbh Tt Tbc Va Keterangan: Mean (rata-rata); Min (minimum); Max (maksimum); SD (Standar deviasi); n (jumlah pohon) Prosedur Analisis Data Perhitungan Dimensi Pohon Penentuan volume aktual (Va) untuk setiap pohon dilakukan dengan menjumlahkan volume pohon per seksi batang (Vsi). Pengukuran volume per seksi tersebut menggunakan rumus Smalian (Simon 1996): V si = (g l + g s ) l (1) 2 n V a = i=1 (V si ) (2) Keterangan: Va : volume aktual (m 3 ) Vsi : volume perseksi (m 3 ) gl : luas bidang dasar pangkal (m 2 ) gs : luas bidang dasar ujung (m 2 ) l : panjang seksi batang (m) Keeratan hubungan antarpeubah bebas dengan peubah terikat dihitung menggunakan rumus koefisien korelasi (r) sebagai berikut (Walpole 1993):

14 4 r = n i=1 x i y i - ( n i=1 x i ) ( n i=1 y i ) n ( n x 2 i=1 i -( n 2 i=1 x i ) n) ( n yi 2 i=1 -( n 2 i=1 y i ) n ) (3) Tabel 3 menyajikan nilai-nilai koefisien korelasi antarpeubah yang diukur. Menurut Walpole (1993) bila r mendekati +1 atau -1, hubungan antara dua peubah itu kuat dan dapat dikatakan adanya korelasi yang tinggi antara dua peubah tersebut. Tabel 3 Koefisien korelasi antara satu peubah dan peubah lainnya Koefisien korelasi pada peubah Dp, Dbh, Tt, Tbc, Va Peubah Va Dp Dbh Tt Dp 0.931* Dbh 0.942* 0.993* Tt 0.765* 0.816* 0.822* Tbc 0.641* 0.614* 0.629* 0.848* Keterangan: Dp (diameter pangkal); Dbh (diameter setinggi dada); Tt (tinggi total); Tbc (tinggi bebas cabang); Va (volume aktual); *signifikan pada P-value < 0,01 Berdasarkan Tabel 3, diameter (Dp, Dbh) dan tinggi pohon (Tt, Tbc) memiliki hubungan keeratan yang signifikan dengan volume pohon (Va), sehingga pendugaan volume pohon dapat diduga dengan menggunakan satu peubah bebas (diameter pohon) atau dua peubah bebas (diameter dan tinggi pohon). Walaupun antara peubah Dp dan Tbc terdapat hubungan yang erat, pendugaan volume tetap dilakukan dengan menggunakan peubah Dbh dan Tt. Hal ini disebabkan oleh kemudahan pengerjaan di lapangan dan nilai korelasinya lebih besar. Menurut Simon (1996) untuk pohon-pohon yang tidak berbanir, pengukuran diameter dilakukan pada Dbh, karena adanya korelasi yang kuat antara Dbh dengan volume pohon. Penentuan Angka Bentuk Angka bentuk merupakan suatu nilai atau angka hasil perbandingan antara volume pohon dan volume silinder yang besarnya kurang dari satu. Menurut Simon (1996), penentuan angka bentuk absolut merupakan angka bentuk yang didasarkan pada diameter pangkal, sedangkan angka bentuk buatan didasarkan pada diameter setinggi dada dimana perhitungan volume kayu dihitung mulai dari pangkal pohon. Penghitungan angka bentuk absolut dan buatan dihitung menggunakan persamaan: f a = V a f b = V dp V a V dbh (4) (5) Keterangan: fa : faktor/angka bentuk absolut fb : faktor/angka bentuk buatan Va : volume aktual (m 3 ) Vdp : volume diameter pangkal (m 3 ) Vdbh : volume diameter setinggi dada (m 3 )

15 5 Kedua macam angka bentuk tersebut selanjutnya digunakan untuk menduga volume pohon dengan menggunakan persamaan (Krisnawati et al 2012): V a = 0.25π ( Dbh 100 )2 H f (6) Keterangan: Dbh : diameter setinggi dada (cm) Va : volume aktual (m 3 ) H : tinggi (m) f : angka bentuk absolut (fa) atau buatan (fb) Penyusunan Model Volume Penyusunan model volume kayu afrika dilakukan dengan analisis regresi menggunakan satu peubah bebas (diameter) dan dua peubah bebas (diameter dan tinggi). Model-model regresi dengan peubah bebas diameter pohon adalah (Simon 1996) : V = b0 D b1 (Berkhout) (7) V = b0 + b1d 2 (Kopksky-Gehrhardt) (8) V = b1d + b2d 2 (Dissescu-Meyer) (9) V = b0 + b1d + b2d 2 (Hohenadl-Krenn) (10) sedangkan Model-model regresi dengan peubah bebas diameter dan tinggi pohon adalah (Simon 1996): V = b0 D b1 H b2 (Schumacher-Hall) (11) V = b0 + b1d 2 H (Spurr) (12) V = b0 + b1d 2 + b2d 2 H + b3h (Stoate) (13) V = b0 + b1d + b2d 2 H + b3dh 3 (Mayer) (14) Keterangan: V : volume (m 3 ) D : diameter (cm) H : tinggi (m) b0, b1, b2, b3 : konstanta Model Berkhout dan Schumacher-Hall merupakan model pangkat yang parameter-parameter modelnya ditentukan melalui transformasi logaritma menjadi model linier. Model tersebut perlu dikoreksi karena transformasi balik nilai-nilai logaritma menyebabkan terjadinya bias atau kesalahan sistematis dengan menggunakan rumus correction factor (CF) (Sprugel 1983 dalam Tiryana dan Muhdin 2012). Kemudian nilai CF dikalikan dengan nilai dugaan volume dari model tersebut (dengan mengalikan b0 (hasil anti ln b0)) untuk mendapatkan nilai dugaan terkoreksi: CF = exp( SEE 2 2) (15) Keterangan: SEE = kuadrat tengah sisaan.

16 6 Pemilihan Model Terbaik Model terbaik dipilih berdasarkan nilai koefisien determinasi terkoreksi (R 2 adj) dan simpangan baku (s). Kemudian dilakukan uji keberartian model regresi. R 2 adj = 1 - JKS (n-p) JKT (n-1) (Draper dan Smith 1992) (16) s = JKS (Draper dan Smith 1992) (17) n-p Keterangan: R 2 adj : koefisien determinasi terkoreksi (n-p) : derajat bebas sisa (n-1) : derajat bebas total JKS : jumlah kuadrat sisa JKT : jumlah kuadrat total s : simpangan baku Menurut Baroroh (2006), nilai simpangan baku (s) menunjukkan besarnya penyimpangan antara data aktual dengan dugaan model, sehingga model terbaik adalah model yang memiliki nilai s terkecil, sedangkan untuk nilai R 2 adj yang terbaik adalah yang terbesar atau yang mendekati 1. Adanya hubungan yang nyata antara peubah bebas dan peubah terikat, dilakukan uji signifikasi, yaitu dengan membandingkan Fhitung dengan Ftabel. Hipotesis: H0 : βi = 0 H1 : sekurang-kurangnya ada βi 0 dimana i = 1, 2, 3,.., n Kriteria uji: Fhitung = KTR/KTS keterangan: KTR : Kuadrat tengah regresi KTS : Kuadrat tengah sisaan Kaidah keputusan: Fhitung > Ftabel (Tolak H0) Fhitung Ftabel (Terima H0) Selain itu, dilakukan pula uji t parsial untuk mengetahui berperannya atau tidak berperannya masing-masing peubah bebas dalam tiap model regresi. Validasi Model Tahapan validasi model dilakukan untuk menguji akurasi pendugaan dari model-model yang telah dibuat. Uji validasi dilakukan pada satu set data yang berbeda dengan data untuk penyusunan model, untuk mengetahui ada tidaknya perbedaan antara nilai volume dugaan model dan nilai volume aktual dilakukan uji χ 2 (khi-kuadrat) pada taraf nyata α (α = 5% dan α = 1%) dengan rumusan sebagai berikut: Hipotesis: H0 : Vtabel = Vaktual H1 : Vtabel Vaktual Kriteria uji: χ 2 hit= (V a - V t ) 2 Va Keteranga: Vt : volume dugaan (m 3 ) (22)

17 7 Va : volume aktual (m 3 ) Kaidah keputusan: χ 2 hitung χ 2 tabel (Terima H0) χ 2 hitung > χ 2 tabel (Tolak H0) Apabila hasil uji χ 2 (khi-kuadrat) menunjukkan hasil yang tidak berbeda nyata (terima H0), maka model volume tersebut layak digunakan, karena memberikan hasil dugaan volume yang sama dengan volume aktual. Nilai-nilai statistik yang dihitung pada tahap validasi adalah bias, simpangan agregat (SA), simpangan ratarata (SR), dan Root Mean Square Error (RMSE): e = (V t - V a )/n (Akca 1995 dalam Juliantari 2013) (18) SA = {( V t - V a ) V t } 100% (Husch 1963) (19) SR = {( V a - V t 100%) V t } n (Husch 1963) (20) RMSE= (V a - V t ) 2 (Huang et al dalam Siahaan et al. 2010) (21) n Keterangan: e : rata-rata bias SR : simpangan rata-rata (%) SA : simpangan agregat (%) Va : volume aktual pohon (m 3 ) Vt : volume dugaan pohon (m 3 ) n : jumlah pohon Model yang baik memiliki simpangan agregat (SA) tidak lebih dari 1%, simpangan rata-rata (SR) tidak lebih dari 10%, nilai RMSE dan bias yang kecil. HASIL DAN PEMBAHASAN Angka Bentuk Kayu Afrika Setiap pohon memiliki bentuk yang berbeda-beda, bahkan untuk jenis yang sama. Bentuk pohon akan bervariasi karena pengaruh umur dan kondisi lingkungannya. Bentuk batang dipengaruhi oleh perubahan diameter. Terdapat tiga macam bentuk batang, yaitu neolid, silindris atau paraboloid, dan konus, sehingga akan mempengaruhi besar volume sebenarnya. Angka bentuk diperlukan sebagai penghubung antara volume suatu silinder dengan volume batang atau pohon (Simon 1996). Oleh karena itu, penggunaan angka bentuk batang pohon dapat mengurangi kesalahan dalam menduga volume aktual jika perhitungan volume pohon dilakukan dengan menggunakan rumus silinder terkoreksi. Adapun angka bentuk absolut dan angka bentuk buatan untuk kayu afrika dapat dilihat pada Tabel 4.

18 8 Tabel 4 Deskripsi statistik angka bentuk absolut dan angka bentuk buatan Angka bentuk Minimal Maksimal Rata-rata Standar deviasi Buatan Absolut Tabel 4 menunjukkan bahwa angka bentuk buatan kayu afrika sebesar dan angka bentuk absolut sebesar Angka bentuk absolut dan buatan kayu afrika tersebut berbeda karena bentuk diameter pangkal (Dp) dan diameter setinggi dada (Dbh) berbeda pula. Menurut Simon (1996) perbedaan bentuk batang yang tidak berbentuk lingkaran melainkan elips disebabkan karena pengaruh arah angin yang kontinu dan lereng. Ada pula peneliti yang mengatakan karena berkaitan dengan bentuk magnetik bumi. Perbedaan ini mengakibatkan bentuk batang pohon yang tidak silindris dari pangkal hingga ujung pohon, sehingga nilai angka bentuk absolut dan buatan menjadi berbeda dengan selisih Menurut Banyard (1973) dalam Simon (1996), angka bentuk umum memiliki nilai sebesar 0.7 dan menurut Krisnawati dan Harbagung (1996), angka bentuk umum yang digunakan sebesar 0.6. Nilai 0.7 dan 0.6 bersifat universal, karena setiap batang pohon memiliki bentuk batang yang berbeda. Hal ini terjadi dikarenakan perbedaan tempat tumbuh, kondisi lingkungan, dan juga jenis pohonnya. Penggunaan angka bentuk buatan dalam perhitungan volume pohon menghasilkan nilai bias yang lebih besar (yaitu 1.008) dibandingkan dengan penggunaan angka bentuk absolut (yaitu 0.464, Tabel 5). Hal ini menunjukkan bahwa pendugaan volume dengan angka bentuk buatan akan menghasilkan nilai dugaan yang lebih besar dari volume sebenarnya. Namun, angka bentuk absolut lebih baik digunakan daripada angka bentuk buatan, karena nilai bias yang dihasilkan lebih kecil. Tabel 5 Hasil perhitungan uji validasi pendugaan volume menggunakan angka bentuk absolut dan buatan Angka bentuk χ 2 χ 2 0,5 χ 2 0,01 SA(%) SR(%) e RMSE Buatan % Absolut % Model Volume Kayu Afrika Peubah diameter dan tinggi pohon pada model Berkhout dan Schumacher- Hall berperan nyata (P-value <0.05) dan mampu menjelaskan variasi volume pohon berturut-turut sebesar 98.3% dan 98.8,% (Tabel 6, Lampiran 1). Namun peubah diameter dalam model Kopksky-Gehrhardt, Dissescu-Meyer, dan Hohenadl-Krenn tidak berpengaruh nyata (karena nilai P-value >0.05) dan hanya mampu menjelaskan variasi volume pohon berturut-turut sebesar 91.7%, 95.3%, dan 91.8%. Penambahan peubah tinggi pada persamaan Schumacher-Hall hanya meningkatkan koefisien determinasi terkoreksi sebesar 0.6%. Pada persamaan Spurr, Stoate, dan Meyer penambahan peubah tinggi tidak signifikan dalam

19 menjelaskan volume karena nilai P-value lebih dari 0.05, sehingga penambahan peubah tinggi tersebut tidak cukup berarti. Ketiga persamaan tersebut hanya menjelaskan keragaman volume secara berturut-turut sebesar 91.7%, 92.5%, dan 92.6%. Tabel 6 Nilai-nilai dugaan parameter, standard error (SE), dan statistik kesesuaian model-model volume Model Regresi Parameter Koefisien SE P-value R 2 adj s Model Volume Lokal Berkhout b < b <0.001 Kopksky-Gehrhardt b b <0.001 Dissescu-Meyer b b <0.001 Hohenadl-Krenn b b b <0.001 Model Volume Standar Schumacher-Hall b < b <0.001 b <0.001 Spurr b b <0.001 Stoate b b b b Meyer b b b <0.001 b Keterangan: SE (Sampling error); R 2 adj (Koefisien determinasi terkoreksi); s (simpangan baku) Penambahan peubah tinggi pada persamaan Schumacher-Hall bisa menjadi sebuah pilihan dalam menduga volume pohon. Namun, penggunaan peubah diameter dalam persamaan Berkhout sudah cukup memuaskan dalam menduga volume. Pendugaan volume menggunakan peubah diameter lebih menguntungkan karena lebih praktis dan membutuhkan waktu yang lebih singkat. Selain itu, tidak perlu dilakukan pengukuran tinggi sehingga dapat mengurangi bias pada hasil pengukuran. Hasil uji validasi (Tabel 7) menunjukkan bahwa delapan model yang diuji memiliki volume dugaan yang tidak jauh berbeda dengan volume aslinya pada taraf nyata 1% (nilai χ 2 hit<χ ). Menurut Bustomi et al (1998) dalam Haryanto (2004) 9

20 10 penilaian ketelitian model pendugaan volume pohon didasarkan oleh besarnya simpangan agregatif (SA) dan simpangan rata-rata (SR). Persamaan Berkhout menghasilkan nilai SR sebesar >10% dan SA sebesar >1% (Tabel 7). Hal ini menunjukkan bahwa persamaan tersebut akan menimbulkan bias yang lebih besar atau memiliki ketelitian yang rendah dalam menduga volume pohon sebenarnya. Nilai SA dan SR menunjukkan angka yang lebih besar dari kriteria yang ditentukan, namun model tersebut masih dapat digunakan karena memiliki nilai SA lebih kecil jika dibandingkan dengan model Schumacher-Hall dan nilai bias yang lebih kecil dari model Schumacher-Hall yaitu Hal ini berarti dalam menduga volume memiliki nilai dugaan yang lebih besar m 3 dalam menduga volume sebenarnya. Tabel 7 Hasil perhitungan uji validasi menggunakan model volume Model χ 2 hit χ χ e RMSE SA(%) SR(%) Model volume lokal Berkhout Kopksky-Gehrhardt Dissescu-Meyer Hohenadl-Krenn Model volume standar Schumacher-Hall Spurr Stoate Meyer Menurut Kuncahyo (1991) dalam Seputra (2013), suatu model regresi dapat digunakan dengan baik apabila salah satu asumsi penting mengenai kenormalan dari nilai sisaan terpenuhi, sehingga perlu dilihat apakah sisaan tersebut menyebar normal atau tidak. Oleh karena itu, untuk meyakinkan bahwa model Berkhout adalah model terbaik dalam menduga volume kayu afrika, selanjutnya dilakukan analisis terhadap sisaan. Gambar 1 Grafik analisis sisaan model Berkhout

21 Pada Gambar 1, grafik normal probability plot nilai sisaan pada model Berkhout menyebar normal dengan membentuk pola garis linier. Hal ini berarti nilai-nilai sisaan mendekati nilai tengah nol, sehingga model ini memenuhi asumsi kenormalan sisaan. Selain itu, kehomogenan ragam sisaan dapat dilihat dari grafik residual vs fitted values. Nilai sisaan pada model tersebut tidak membentuk pola tertentu. Hal ini menunjukkan bahwa model ini memenuhi asumsi kehomogenan ragam sisaan. Menurut Sembiring (1995), sisaan memberi keterangan tentang data yang tidak mengikuti pola umum model yang digunakan, ditandai oleh sisaan yang relatif besar. Sisaan yang relatif besar tersebut menunjukkan bahwa model yang digunakan belum sesuai. 11 SIMPULAN DAN SARAN Simpulan Kayu afrika di HPGW memiliki angka bentuk absolut dan angka bentuk buatan Model volume terbaik yang dihasilkan untuk kayu afrika di HPGW adalah V = D 2.35 untuk kisaran diameter 5.7 cm hingga 73.5 cm. Model ini dapat menjelaskan keragaman volume sebesar 98.3%. Pendugaan volume dengan menggunakan model regresi lebih baik dari pendugaan volume dengan angka bentuk, karena nilai bias yang dihasilkan oleh model volume tersebut lebih kecil, yaitu sebesar Saran Perlu dilakukan penelitian serupa untuk jenis lainnya di HPGW seperti rasamala, sengon, dan sebagainya. Selain itu perlu dilakukan penelitian terkait pendugaan biomassa kayu afrika di HPGW. DAFTAR PUSTAKA Baroroh AN Karakteristik biometrik pohon Shorea leprosula Miq. (studi kasus pada Hutan Tanaman Haurbentes, Kecamatan Jasinga, Kabupaten Bogor) [skripsi]. Bogor (ID): Institut Pertanian Bogor. Draper NR, H Smith Analisis Regresi Terapan Edisi Kedua. Jakarta (ID): PT. Gramedia Pustaka Utama. Haryanto A Penyusunan tabel volume pohon untuk jenis mahoni daun besar (Swietenia marcophylla King) di BKPH Tanggeung KPH Cianjur Perum Perhutani Unit II Jawa Barat dan Banten [skripsi]. Bogor (ID): Institut Pertanian Bogor. Husch B Forest Mensuration and Statistics. New York (US): The Ronald Press Company. Juliantari F Angka bentuk dan model volume puspa (Schima wallicii (DC.) Korth) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat [skripsi]. Bogor (ID): Institut Pertanian Bogor.

22 12 Kosmaryandi N Sejarah Pengelolaan Hutan Gunung Walat. Bogor (ID): Fakultas Kehutanan IPB. Krisnawati H dan Harbagung Kajian Angka Bentuk Batang untuk Pendugaan Volume Jenis-Jenis Hutan Primer. Prosiding Diskusi Hasil-Hasil Penelitian dalam Menunjang Pemanfaatan Hutan yang Lestari; Maret 1996; Cisarua, Bogor. Bogor (ID): Indonesia. hlm Krisnawati H, Adinugroho WC, Imanuddin R Monograf: Model-Model Alometrik untuk Pendugaan Biomassa Pohon pada Berbagai Tipe Ekosistem Hutan di Indonesia. Bogor (ID): Pusat Penelitian dan Pengembangan Konservasi dan rehabilitasi, Badan Penelitian dan Pengembangan Kehutanan. Rianto A Karakteristik biometrik pohon Pinus merkusii Jungh et. De Vriese di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat [skripsi]. Bogor (ID): Institut Pertanian Bogor. Sembiring RK. Analisis Regresi. Bandung (ID): Institut Teknologi Bandung. Seputra DD Penyusunan tabel volume lokal jenis nyatoh (Palaquium spp) di IUPHHK-HA PT. Memberamo Alasmandiri, Propinsi Papua [skripsi]. Bogor (ID): Institut Pertanian Bogor. Siahaan H, Suhendang E, Rusolono T, Sumadi A Pertumbuhan Tegakan Kayu Bawang (Disoxylum mollissium Bl.) pada Berbagai Pola Tanaman dan Kerapatan Tegakan. Jurnal Penelitian Hutan Tanaman [Internet]. [diunduh 2014 Okt 6]; 8(4): Tersedia pada: 20Siahaan%20,Endang%20Suhendang%20,Teddy%20Rusolono%20dan%20A gus%20sumadi.pdf. Simon H Metode Inventore Hutan. Yogyakarta (ID): Aditya Media. Tiryana T, Muhdin Modul Pelatihan Teknik Pendugaan Potensi Serapan Karbon Dioksida (CO2) pada Areal Revegetasi. Bogor (ID): Fakultas Kehutanan Institut Pertanian Bogor. Walpole RE Pengantar Statistika Edisi Ke-3. Sumantri B, Penerjemah. Jakarta (ID): Gramedia Pustaka Utama. Terjemahan dari: Introduction to Statistics 3 rd Edition. Wardasanti CE Persamaan penduga volume pohon pinus (Pinus merkusii Jungh et de Vriese) di Hutan Pendidikan Gunung Walat Kabupaten Sukabumi, Jawa Barat [skripsi]. Bogor (ID): Institut Pertanian Bogor. Wulandari Y Analisis keragaman genetik kayu afrika (Maesopsis eminii Engl.) berdasarkan penanda Random Amplified Polymorphic DNA (RPAD) [skripsi]. Bogor (ID): Institut Pertanian Bogor.

23 13 Lampiran 1 Hasil pengolahan data dengan menggunakan Minitab 14 Regression Analysis: Ln V (m 3 ) versus Ln Dbh (cm) The regression equation is Ln V (m 3 ) = - 8,26 + 2,35 Ln Dbh (cm) Predictor Coef SE Coef T P Constant -8,2565 0, ,18 0,000 Ln Dbh (cm) 2, , ,08 0,000 S = 0, R-Sq = 98,3% R-Sq(adj) = 98,3% Analysis of Variance Source DF SS MS F P Regression 1 201,13 201, ,27 0,000 Residual Error 85 3,48 0,04 Total ,61 Unusual Observations Ln Dbh Obs (cm) Ln V (m 3 ) Fit SE Fit Residual St Resid 1 1,74-4,3077-4,1582 0,0611-0,1495-0,78 X 2 1,84-3,9428-3,9225 0,0580-0,0203-0,10 X 3 1,97-3,6787-3,6081 0,0539-0,0706-0,36 X 6 2,25-3,4917-2,9554 0,0455-0,5363-2,72R 32 3,39 0,1371-0,2793 0,0218 0,4164 2,07R 44 3,63 0,7554 0,3028 0,0226 0,4526 2,25R 84 4,19 1,0900 1,6160 0,0333-0,5261-2,64R R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.

24 14 Lampiran 1 (lanjutan) Regression Analysis: Va (m 3 ) versus Dbh 2 (cm 2 ) The regression equation is Va (m 3 ) = - 0, ,00103 Dbh 2 (cm 2 ) Predictor Coef SE Coef T P Constant -0, , ,29 0,773 Dbh 2 (cm 2 ) 0, , ,92 0,000 S = 0, R-Sq = 91,8% R-Sq(adj) = 91,7% Analysis of Variance Source DF SS MS F P Regression 1 175,44 175,44 955,99 0,000 Residual Error 85 15,60 0,18 Total ,03 Unusual Observations Dbh 2 Obs (cm 2 ) Va (m 3 ) Fit SE Fit Residual St Resid ,7634 3,4640 0,0721 1,2994 3,08R ,0141 4,1946 0,0916 1,8195 4,35R ,4456 4,4084 0,0976-0,9628-2,31R ,9742 4,5036 0,1004-1,5294-3,67R ,7681 4,7952 0,1088-1,0271-2,48R ,5945 4,9230 0,1126-0,3285-0,79 X R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.

25 15 Lampiran 1 (lanjutan) Regression Analysis: Va (m 3 ) versus Dbh (cm); Dbh 2 (cm 2 ) The regression equation is Va (m 3 ) = 0,00074 Dbh (cm) + 0,00101 Dbh 2 (cm 2 ) Predictor Coef SE Coef T P Noconstant Dbh (cm) 0, , ,16 0,870 Dbh 2 (cm 2 ) 0, , ,81 0,000 S = 0, R-Sq = 96,5% R-Sq(adj) = 95,3% Analysis of Variance Source DF SS MS F P Regression 2 440,03 220, ,12 0,000 Residual Error 85 15,61 0,18 Total ,64 Source DF Seq SS Dbh (cm) 1 414,41 Dbh2 (cm2) 1 25,62 Unusual Observations Obs Dbh (cm) Va (m 3 ) Fit SE Fit Residual St Resid 76 58,1 4,7634 3,4572 0,0725 1,3062 3,09R 81 63,9 6,0141 4,1771 0,0984 1,8370 4,40R 83 65,5 3,4456 4,3877 0,1072-0,9421-2,27R 84 66,2 2,9742 4,4814 0,1113-1,5072-3,64R 85 67,8 5,4521 4,6995 0,1211 0,7526 1,83 X 86 68,3 3,7681 4,7687 0,1243-1,0006-2,44RX 87 69,2 4,5945 4,8945 0,1302-0,3000-0,73 X R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.

26 16 Lampiran 1 (lanjutan) Regression Analysis: Va (m 3 ) versus Dbh (cm); Dbh 2 (cm 2 ) The regression equation is Va (m 3 ) = - 0, ,0123 Dbh (cm) + 0, Dbh 2 (cm 2 ) Predictor Coef SE Coef T P Constant -0,2033 0,1838-1,11 0,272 Dbh (cm) 0, , ,08 0,283 Dbh 2 (cm 2 ) 0, , ,74 0,000 S = 0, R-Sq = 91,9% R-Sq(adj) = 91,8% Analysis of Variance Source DF SS MS F P Regression 2 175,649 87, ,51 0,000 Residual Error 84 15,385 0,183 Total ,034 Source DF Seq SS Dbh (cm) 1 169,620 Dbh2 (cm2) 1 6,029 Unusual Observations Obs Dbh (cm) Va (m 3 ) Fit SE Fit Residual St Resid 76 58,1 4,7634 3,4562 0,0724 1,3072 3,10R 81 63,9 6,0141 4,1448 0,1025 1,8693 4,50R 83 65,5 3,4456 4,3451 0,1138-0,8995-2,18R 84 66,2 2,9742 4,4341 0,1191-1,4599-3,55R 86 68,3 3,7681 4,7063 0,1364-0,9382-2,31R 87 69,2 4,5945 4,8254 0,1443-0,2309-0,57 X

27 17 Lampiran 1 (lanjutan) R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence. Regression Analysis: Ln V (m 3 ) versus Ln Dbh (cm); Ln Tt(m) The regression equation is Ln V (m 3 ) = - 9,11 + 1,99 Ln Dbh (cm) + 0,687 Ln Tt(m) Predictor Coef SE Coef T P Constant -9,1055 0, ,86 0,000 Ln Dbh (cm) 1, , ,64 0,000 Ln Tt(m) 0,6871 0,1014 6,77 0,000 S = 0, R-Sq = 98,9% R-Sq(adj) = 98,9% Analysis of Variance Source DF SS MS F P Regression 2 202,36 101, ,24 0,000 Residual Error 84 2,25 0,03 Total ,61 Source DF Seq SS Ln Dbh (cm) 1 201,13 Ln Tt(m) 1 1,23 Unusual Observations Ln Dbh Obs (cm) Ln V (m 3 ) Fit SE Fit Residual St Resid 6 2,25-3,4917-2,9387 0,0369-0,5530-3,47R

28 18 Lampiran 1 (lanjutan) 49 3,73 0,2480 0,6168 0,0233-0,3689-2,28R 84 4,19 1,0900 1,5959 0,0271-0,5059-3,13R R denotes an observation with a large standardized residual. Regression Analysis: Va (m 3 ) versus Dbh 2 Tt The regression equation is Va (m 3 ) = 0, , Dbh 2 Tt Predictor Coef SE Coef T P Constant 0, , ,53 0,013 Dbh 2 Tt 0, , ,75 0,000 S = 0, R-Sq = 91,8% R-Sq(adj) = 91,7% Analysis of Variance Source DF SS MS F P Regression 1 175,28 175,28 945,66 0,000 Residual Error 85 15,75 0,19 Total ,03 Unusual Observations Obs Dbh 2 Tt Va (m 3 ) Fit SE Fit Residual St Resid ,7634 3,5456 0,0746 1,2178 2,87R ,0141 4,5090 0,1011 1,5051 3,60R ,4456 4,3457 0,0964-0,9001-2,15R ,9742 4,7687 0,1087-1,7945-4,31R ,4521 5,3128 0,1249 0,1393 0,34 X ,5945 5,3372 0,1256-0,7427-1,80 X

29 19 Lampiran 1 (lanjutan) R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence. Regression Analysis: Va (m 3 ) versus Dbh 2 (cm 2 ); Dbh 2 Tt; Tt (m) The regression equation is Va (m 3 ) = - 0, , Dbh 2 (cm 2 ) + 0, Dbh 2 Tt + 0,0166 Tt (m) Predictor Coef SE Coef T P Constant -0,2330 0,1839-1,27 0,209 Dbh2 (cm 2 ) 0, , ,24 0,002 Dbh 2 Tt 0, , ,88 0,063 Tt (m) 0, , ,75 0,084 S = 0, R-Sq = 92,8% R-Sq(adj) = 92,5% Analysis of Variance Source DF SS MS F P Regression 3 177,235 59, ,36 0,000 Residual Error 83 13,799 0,166 Total ,034 Source DF Seq SS Dbh2 (cm2) 1 175,435 Dbh2Tt 1 1,290 Tt (m) 1 0,510 Unusual Observations Dbh 2 Obs (cm 2 ) Va (m 3 ) Fit SE Fit Residual St Resid

30 20 Lampiran 1 (lanjutan) ,2070 2,1370 0,1565 0,0700 0,19 X ,7634 3,5061 0,0716 1,2573 3,13R ,3521 4,0897 0,1662 0,2624 0,70 X ,0141 4,3087 0,1122 1,7054 4,35R ,4456 4,3294 0,1010-0,8838-2,24R ,9742 4,5750 0,1190-1,6008-4,10R ,4521 4,9341 0,1618 0,5180 1,38 X ,7681 4,6203 0,1194-0,8522-2,19R R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence. Regression Analysis: Va (m 3 ) versus Dbh (cm); Dbh 2 Tt; Dbh Tt 3 The regression equation is Va (m 3 ) = - 0, ,0268 Dbh (cm) + 0, Dbh 2 Tt - 0, Dbh Tt 3 Predictor Coef SE Coef T P Constant -0,3008 0,1531-1,96 0,053 Dbh (cm) 0, , ,49 0,001 Dbh 2 Tt 0, , ,90 0,000 Dbh Tt 3-0, , ,22 0,826 S = 0, R-Sq = 92,9% R-Sq(adj) = 92,6% Analysis of Variance Source DF SS MS F P Regression 3 177,459 59, ,69 0,000 Residual Error 83 13,574 0,164 Total ,034 Source DF Seq SS

31 21 Lampiran 1 (lanjutan) Dbh (cm) 1 169,620 Dbh2Tt 1 7,831 Dbh Tt3 1 0,008 Unusual Observations Obs Dbh (cm) Va (m 3 ) Fit SE Fit Residual St Resid 44 37,9 2,1284 1,8250 0,1670 0,3034 0,82 X 54 44,3 1,7975 2,4206 0,1711-0,6231-1,70 X 76 58,1 4,7634 3,5176 0,0705 1,2458 3,13R 77 60,0 4,3521 4,1823 0,1795 0,1698 0,47 X 81 63,9 6,0141 4,3174 0,1085 1,6967 4,36R 83 65,5 3,4456 4,2648 0,1110-0,8192-2,11R 84 66,2 2,9742 4,5582 0,1203-1,5840-4,10R 85 67,8 5,4521 4,9566 0,1527 0,4955 1,32 X R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence.

32 22 RIWAYAT HIDUP Penulis dilahirkan di Bogor, Jawa Barat pada tanggal 7 Januari Penulis merupakan anak pertama dari tiga bersaudara pasangan Bapak Rachmat Santoso dan Ibu Sri Budi Lestari. Riwayat pendidikan penulis dimulai dari tahun di TK Melati kemudian pada tahun melanjutkan pendidikan di SD Negeri Cibuluh 1 Bogor, pada tahun melanjutkan ke SMP Negeri 5 Bogor, pada tahun melanjutkan ke SMA Negeri 3 Bogor. Pada tahun 2010, penulis melanjutkan studi S1 di Institut Pertanian Bogor (IPB) melalui seksi masuk Ujian Talenta Mandiri (UTM) dengan Mayor Manajemen Hutan, Fakultas Kehutanan. Kegiatan Praktik yang pernah diikuti penulis diantaranya adalah kegiatan Praktek Pengenalan Ekosistem Hutan (P2EH) di Sancang Timur-Papandayan, Garut, Jawa Barat; Preaktek Pengelolaan Hutan (P2H); Praktek Kerja Lapang di PT. Indexim Utama, Kalimantan Tengah. Selama mengikuti pendidikan, penulis aktif dalam kegiatan Himpunan Propesi FMSC (Forest Management Student Club) sebagai anggota divisi PSDM pada periode dan serta anggota PC Silva Indonesia IPB pada periode Penulis juga aktif pada kegiatan Ecological Social Mapping (ESM) pada periode tahun di Hutan Pendidikan Gunung Walat dan pada periode di Haurbentes, Kabupaten Bogor. Sebagai syarat memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan, Fakultas Kehutanan Institut Pertanian Bogor, penulis menyusun skripsi dengan judul Angka Bentuk Kayu Afrika (Maesopsis eminii Engl.) di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat di bawah bimbingan Dr. Tatang Tiryana, S.Hut, M.Sc.