VALIDASI DATA PENGUKURAN KARBON HUTAN

Transkripsi

1 VALIDASI DATA PENGUKURAN KARBON HUTAN I WAYAN SUSI DHARMAWAN salifa03@yahoo.co.id (Puslitbang Konservasi dan Rehabilitasi, Badan Litbang Kehutanan, Kementerian Kehutanan) Disampaikan pada acara Pelatihan Verifikasi dan Updating Data PSP Untuk Mendukung Sistem Pemantauan Karbon Hutan yang Sesuai Prinsip MRV Hotel Aston, Bogor 23 Juni 2014 PENDAHULUAN KONSEP MRV HUBUNGAN ANTARA VALIDITAS DATA, VERIFIKASI DAN RELIABILITAS DATA PARAMETER DALAM PENGUJIAN VALIDASI DATA MANFAAT VALIDASI DATA 1

2 PENDAHULUAN M (Monitoring), R (Reporting), V (Verification) Transparan, konsisten, komparabel, lengkap dan akurat Salah satu komponen penting pelaksanaan REDD+ DIPERLUKAN VALIDASI DATA KONSEP MRV Proses koleksi data, penyediaan data dasar. Data berasal dari pengukuran lapangan, data dari deteksi dengan remote sensing Proses pelaporan secara formal hasil penilaian kepada UNFCCC (format sesuai dengan standar yang telah dibuat oleh IPCC Guidelines and GPG). Monitoring Reporting Verification Proses verifikasi formal terhadap laporan-laporan hasil. 2

3 Monitoring Reporting PSP-PSP Verification HAL PENTING YANG SANGAT MEMPENGARUHI VALIDASI DATA PENGUKURAN KARBON HUTAN 1. KONSISTENSI PROSEDUR/PROTOKOL PENGUKURAN KARBON HUTAN PADA MASING-MASING CARBON POOL 2. IDENTIFIKASI SECARA TEPAT KATEGORISASI TUTUPAN LAHAN DAN PENEMPATAN PLOT SAMPELNYA 3

4 LIMA CARBON POOLS Trunk Root Five Carbon pools defined by COP9 Branch & Leaf Dead wood Litter Soil organic carbon (0-30cm) Carbon pools Above ground biomass Below ground biomass Litter Branc h & Leaf Trunk Root Dead wood Soil organic carbon Method for measurement Use of parameter Direct measurement Sampling survey & model Sampling survey & model Sampling survey & model Sampling survey & model COP9 decision paper Projects participants shall account for all changes in the following carbon pools: above-ground biomass, below-ground biomass, litter, dead wood, and soil organic carbon. Projects participants may choose not to account for a given pool in a commitment period, if transparent and verifiable information is provided that the pool is not a source. Feasibilit y (Cost) Kategorisasi Penggunaan Lahan Menurut IPCC Hutan Primer LK Hutan Primer Gambut Hutan Primer Mangrove Lahan Hutan (Forest Land) Hutan Skunder LK Hutan Skunder Gambut Hutan Skunder Mangrove HTI lahan Kering (LK) HTI Lahan Gambut Terdegradasi Berat Terdegradasi Sedang Terdegradasi Ringan HTI Jati HTI Sengon HTI Lainnya Lahan Pertanian (Crop land) Lahan Semak/Alang2 (Grassland) Lahan Basah (Wetland) Pertanian semusim LK Pertanian semusim Gambut Tanaman tahunan LK Tanaman tahunan gambut Semak Belukar Belukar rawa gambut Padang alang-alang Danau, badan air sungai, rawa, dam Sawah Pertanian campuran Agroforestri Multitrata Monokultur Kolam ikan, Embung kecil AF berbasis karet AF berbasis Damar AF berbasis buah2an Kebun Sawit Kebun Karet Kebun Kopi Kebun Coklat Kebun Teh Lahan Pemukiman (Settelement) Pemukiman, perumahan, perkampungan Lahan Lainnya (Other Lands) Padang pasir Bebatuan Lahan kosong 4

5 HUBUNGAN ANTARA VALIDITAS DATA, VERIFIKASI DAN RELIABILITAS DATA VALIDITAS DATA Tahapan pertama dalam verifikasi VERIFIKASI Akurasi dan presisi sama-sama rendah Presisi tinggi, akurasi rendah Presisi rendah, akurasi tinggi Akurasi dan Presisi tinggi RELIABILITAS DATA (DATA HANDAL) Validitas data merupakan derajat ketepatan antara data yang terjadi pada obyek penelitian dengan data yang dilaporkan. Verifikasi merupakan suatu pengujian kinerja metode standar. Verifikasi ini dilakukan terhadap suatu metode standar yang telah diterapkan. Akurasi/Akurat diartikan sebagai kedekatan hasil analisa terhadap nilai yang sebenarnya. Presisi/Cermat diartikan sebagai kedekatan antara sekumpulan hasil analisa. 5

6 Parameter dalam pengujian validasi data: Analisis statistik deskriptif: 1. Residual Standard Error (RSE, Galat Baku Sisaan) 2. Simpangan Baku Rata-rata 3. Koefisien Keragaman 4. Uji Normalitas Data Contoh uji validasi persamaan allometrik Seluruh klaster (n = 119 pohon contoh; DBH = 2,5 cm - 71,6 cm) Allometrik R 2 Simpangan Baku Ratarata (%) Y=0,064X 2, 657 Y=0,312X 2, 444 Y=0,023X 1, 535 Y=0,061X 1, 464 Residual Standard Error (RSE) 0,975 21,30 285,99 0,978 24,60 292,66 0,979 20,93 235,83 0,982 18,67 222,69 6

7 Year Heil et al, 2007 Levine, 1999 Page et al, 2002 Lowest Page et al, 2002 Highest Van der Duncan, Werf et al 2003 IFCA Rata-rata (2007) Rata- Rata APAKAH DATA DI ATAS VALID? AMATI DARI ASPEK AKURASI/KETEPATAN DAN PRESISI/KECERMATAN? DATA MANA SAJA YANG AKURAT DAN CERMAT? MANFAAT VALIDASI DATA 1. MENCIPTAKAN DATA YANG TEPAT DAN KETEPATAN DATA 2. DAPAT MENGUNGKAPKAN KEBERADAAN KESALAHAN DATA 3. MEMBERIKAN KEPASTIAN KEBENARAN DATA SEHINGGA DAPAT MENINGKATKAN DERAJAT KEPASTIAN DATA 4. MENJAMIN DATA SECARA AKURAT DAN CERMAT (DATA YANG DIPEROLEH DAPAT DIHANDALKAN) 7

8 Terima kasih atas perhatiannya 8