PENYUSUNAN TABEL VOLUME JENIS Rhizophora apiculata DI AREAL IUPHHK-HA PT. BINA OVIVIPARI SEMESTA PROVINSI KALIMANTAN BARAT ARTIKA AFIFATUS SOLEHAH

Transkripsi

1 PENYUSUNAN TABEL VOLUME JENIS Rhizophora apiculata DI AREAL IUPHHK-HA PT. BINA OVIVIPARI SEMESTA PROVINSI KALIMANTAN BARAT ARTIKA AFIFATUS SOLEHAH DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2014

2 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Penyusunan Tabel Volume Jenis Rhizophora apiculata di Areal IUPHHK-HA PT. Bina Ovivipari Semesta Provinsi Kalimantan Barat adalah benar karya saya dengan arahan dari komisi pembimbing dan belum pernah 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, Juli 2014 Artika Afifatus Solehah NIM E

3 ABSTRAK ARTIKA AFIFATUS SOLEHAH. E Penyusunan Tabel Volume Jenis Rhizophora apiculata di Areal IUPHHK-HA PT. Bina Ovivipari Semesta Provinsi Kalimantan Barat. Dibimbing oleh I NENGAH SURATI JAYA. Dalam setiap sistem pengelolaan hutan, kegiatan inventarisasi memegang peranan penting dalam menyediakan berbagai informasi baik tentang areal hutan, tegakan hutan maupun hasil hutannya. Dalam kegiatan inventarisasi hutan, pengembangan alat pendukung, seperti tabel volume pohon, kurva tinggi pohon, dan tabel diameter tajuk merupakan kegiatan yang sangat penting. Penelitian ini menerangkan tentang pengembangan tabel volume dan kurva tinggi pohon hutan mangrove, khususnya di areal PT. Bina Ovivipari Semesta, Kalimantan Barat. Tujuan utama penelitian ini adalah untuk mendapatkan model penduga volume pohon dan tinggi pohon terbaik. Untuk mencapai tujuan penelitian, sebanyak 140 pohon memiliki berbagai ukuran diameter dipilih secara purposive. Semua pohon ditebang, dibagi batangnya, diukur dan dihitung sehingga menghasilkan volume setiap pohon. Dari sampel pohon tersebut, sekitar 93 pohon dipilih secara acak untuk mengembangkan model-model penduga, sementara sisanya digunakan untuk melakukan uji validasi. Pada analisis statistik, beberapa model penduga pohon dan tinggi pohon dengan bentuk sederhana, polynomial dan berganda diperiksa dan dievaluasi. Studi ini menemukan bahwa model terbaik untuk memperkirakan volume pohon adalah V = D ( D) dan V = D ( D) sedangkan model terbaik untuk memperkirakan tinggi pohon adalah H = D D 2. Penelitian ini menyimpulkan bahwa volume pohon dan kurva tinggi pohon untuk Rhizophora apiculata dapat dikembangkan menggunakan peubah diameter pohon setinggi dada (peubah dbh). Kata kunci: hutan mangrove, sediaan tegakan, tabel volume, kuva tinggi, Rhizophora apiculata. ABSTRACT ARTIKA AFIFATUS SOLEHAH. E Establishing Volume Table for Rhizophora apiculata in IUPHHK-HA PT. Bina Ovivipari Semesta West Kalimantan Province. Supervised by I NENGAH SURATI JAYA. In every forest management system, forest inventory hold important role in providing various information either regarding forest area, forest stand or forest product. Within the forest inventory activities, development of supporting tools, such as tree volume table, tree height curve and crown diameter table is crusial task. This study describes a development of tree volume table and tree height curve of mangrove forest in PT. Bina Ovivipari Semesta area, West Kalimantan Province. The main study objective is to provide the best models for estimating standing tree volume and tree height. To achieve the study objective, a total number of 140 trees having various dbh size were selected purposively. All of the trees were felled, bucked, measured and calculated providing timber volume for

4 each tree. From those tree samples, about 93 trees were randomly selected to develop estimation models, while the rest were used to perform validation test. On the statistical analysis, several tree volume and tree height models having simple, polynomial and multiple forms were examined and evaluated. This study found that the best model for estimating tree volume are V = D ( xD) and V = D ( x D) while the best model for estimating tree height is H = D D 2. This study concludes that tree volume and tree height curve for Rhizophora apiculata could be developed on the basis of diameter at breast height (dbh). Keywords: mangrove forest, standing stok, tree volume table, tree height curve, Rhizophora apiculata.

5

6 PENYUSUNAN TABEL VOLUME JENIS Rhizophora apiculata DI AREAL IUPHHK-HA PT. BINA OVIVIPARI SEMESTA PROVINSI KALIMANTAN BARAT ARTIKA AFIFATUS SOLEHAH Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2014

7

8 Judul Skripsi: Penyusunan Tabel Volume Jenis Rhizopora apiculata di Areal IUPHHK-HA PT. Bina Ovivipari Semesta Kalimantan Barat. Nama : Artika Afifatus Solehah NIM : E Disetujui oleh Prof Dr Ir I Nengah Surati Jaya, MAgr Pembimbing I Diketahui oleh Dr Ir Ahmad Budiaman, MSc FTrop Ketua Departemen Tanggal Lulus:

9 PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta ala atas segala karunia-nya sehingga karya ilmiah ini berhasil diselesaikan. Penelitian yang dilaksanakan sejak bulan September 2013 ini bertema alat bantu inventarisasi hutan, dengan judul Penyusunan Tabel Volume Jenis Komersial Rhizopora apiculata di Areal IUPHHK-HA PT. Bina Ovivipari Semesta Provinsi Kalimantan Barat. Penelitian dan penyusunan skripsi ini dilakukan dalam rangka melengkapi salah satu syarat kelulusan sebagai sarjana kehutanan IPB. Terima kasih penulis ucapkan kepada Bapak Prof Dr Ir I Nengah Surati Jaya, M.Agr selaku pembimbing atas nasihat, bimbingan, dan arahan serta kesabarannya dalam penyelesaian skripsi ini. Di samping itu, penghargaan penulis sampaikan kepada Bapak Ir Fairus Mulya selaku Direktur IUPHHK-HA PT. Bina Ovivipari Semesta Kalimantan Barat atas izin dan kesempatan yang telah diberikan kepada penulis untuk melakukan penelitian di areal kerja PT. Bina Ovivipari Semesta. Ungkapan terima kasih juga disampaikan kepada Bapak Sudjarwo, Ibu Jumiati, serta seluruh keluarga, atas segala doa dan kasih sayangnya. Tidak lupa penulis ucapkan terima kasih pula untuk Bapak Uus Saepul beserta keluarga besar Laboratorium SIG dan Remote Sensing atas semua ilmu, bantuan, dan motivasi yang telah diberikan. Kepada Kak Syarifah Melinda Sari selaku staff perencanaan dan seluruh team survei PT. Bina Ovivipari Semesta yang telah menemani dan membantu penulis selama kegiatan pengambilan data dilapangan. Dan kepada teman-teman Manajemen Hutan 46 atas semangat dan bantuannya, serta semua pihak yang tidak mungkin penulis sebutkan satu persatu. Semoga karya ilmiah ini bermanfaat. Bogor, Juli 2014 Artika Afifatus Solehah

10 DAFTAR ISI DAFTAR TABEL xi DAFTAR GAMBAR xi DAFTAR LAMPIRAN xi PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 3 Manfaat Penelitian 3 METODE 3 Waktu dan Tempat Penelitian 3 Alat dan Data 5 Prosedur Analisis Data 5 HASIL DAN PEMBAHASAN 16 Uji Asumsi Klasik 16 Hubungan antara Diameter dan Tinggi Pohon 18 Penyusunan Model Persamaan Penduga Volume 19 Validasi Model 21 Pemilihan Model Persamaan Terbaik 22 SIMPULAN DAN SARAN 23 Simpulan 23 Saran 23 DAFTAR PUSTAKA 23 LAMPIRAN 27 RIWAYAT HIDUP 29

11 DAFTAR TABEL 1. Model-model alometrik yang dapat digunakan untuk menduga volume pohon komersial di hutan mangrove 2 2. Model-model alometrik yang dapat digunakan untuk menduga biomassa pohon atas permukaan tanah di hutan mangrove 3 3. Jumlah pohon pada masing-masing kelas diameter 6 4. Analisis Keragaman Hasil uji normalitas model penduga volume pohon dengan kulit Hasil uji normalitas model penduga volume pohon tanpa kulit Hasil pengujian asumsi autokorelasi pengaruh diameter terhadap volume pohon dengan kulit Hasil pengujian asumsi autokorelasi pengaruh diameter terhadap volume pohon tanpa kulit Nilai p-value model penduga volume pohon dengan kulit pada uji Park Nilai p-value model penduga volume pohon tanpa kulit pada uji Park Model persamaan penduga volume dengan kulit dan nilai-nilai pembanding Model persamaan penduga volume tanpa kulit dan nilai-nilai pembanding Hasil uji validasi model persamaan penduga volume dengan kulit Hasil uji validasi model persamaan penduga volume tanpa kulit Skor penentuan peringkat model persamaan penduga volume pohon dengan kulit terbaik Skor penentuan peringkat model persamaan penduga volume pohon tanpa kulit terbaik Peringkat model persamaan penduga volume dengan kulit Peringkat model persamaan penduga volume tanpa kulit 23 DAFTAR GAMBAR 1. Peta lokasi penelitian PT.Bina Ovivipari Semesta 4 2. Pengukuran tinggi pohon 7 3. Pengukuran dimensi pohon, (a) pengukuran panjang seksi, (b) pembagian per seksi, lihat tanda panah, (c) pengukuran diameter per seksi, dan (d) pengukuran tebal kulit per seksi 8 4. Kurva hubungan antara diameter setinggi dada (Dbh) dan tinggi total (Tt) Diagram pencar hubungan diameter dan (a) volume dengan kulit dan (b) tanpa kulit 19

12 DAFTAR LAMPIRAN 1. Kurva tinggi pohon jenis Rhizopora apiculata (m) Tabel volume pohon jenis Rhizopora apiculata (m 3 ) Tabel volume pohon tanpa kulit jenis Rhizopora apiculata (m 3 ) 27

13 PENDAHULUAN Latar Belakang Hutan mangrove dikenal sebagai salah satu ekosistem hutan tropis yang unik dan sangat kompleks. Hutan mangrove merupakan salah satu sumberdaya alam yang sangat potensial, yang mampu memberikan kontribusi yang cukup besar bagi kehidupan masyarakat baik itu dari aspek ekonomi, aspek ekologi maupun aspek sosial. Luas hutan mangrove di Indonesia sekitar ha dengan penyebaran: persen di Sumatera, 2.35 persen di Sulawesi, 2.35 persen di Maluku, 9.02 persen di Kalimantan, 1.03 persen di Jawa, 0.18 persen Bali dan Nusa Tenggara, dan persen di Irian Jaya (Sunito dan Rusdianti 2012). Di beberapa tempat seperti di Provinsi Papua dan Kalimantan, hutan mangrove banyak dikelola sebagai hutan produksi melalui Izin Usaha Pemanfaatan Hasil Hutan Kayu Hutan Alam (IUPHHK-HA) dengan luasan yang cukup besar. PT. Bina Ovivipari Semesta merupakan salah satu perusahaaan yang memiliki izin untuk mengelola hutan mangrove di Kalimantan Barat. IUPHHK- HA PT. Bina Ovivipari Semesta terletak di wilayah Kabupaten Kubu Raya, dimana wilayah tersebut memiliki lebih dari 9600 ha hutan mangrove yang didominasi oleh vegetasi bakau (Rhizophora apiculata) (Purnamawati et al. 2007). Salah satu kriteria untuk menilai kelestarian hutan produksi sebagai sumber hasil kayu adalah keberlanjutan produksi kayu, baik dalam hal kuantitas (volume) maupun kualitasnya. Kelestarian hutan dipandang sebagai ukuran keberhasilan dari proses pengelolaan hutan yang baik, yang mencakup kegiatan mulai dari perencanaan hingga pemanfaatan hasil hutan. Kelestarian hasil dapat dicapai dengan melakukan suatu teknik pengaturan hasil (dalam hal ini produksi kayu) yang baik sehingga produktivitasnya sesuai dengan apa yang diharapkan (Wahjono dan Imanuddin 2007). Untuk keperluan pengaturan hasil diperlukan informasi mengenai besarnya sediaan tegakan (standing stock), dimana data potensi dapat dihasilkan melalui kegiatan inventarisasi hutan. Kegiatan inventarisasi hutan meliputi kegiatan pengukuran pohon dan tegakan, estimasi volume pohon dan tegakan, prediksi pertumbuhan pohon dan tegakan, estimasi volume dan tegakan, prediksi pertumbuhan pohon dan tegakan, serta pemecahan permasalahan permasalahan dalam penarikan contoh (Simon 1993). Kegiatan pengukuran dapat dilakukan secara langsung dengan pengambilan contoh di lapangan, menggunakan teknologi penginderaan jauh, atau dengan kombinasi antara pengamatan terestris dan penginderaan jauh. Pada umumnya dalam pendugaan potensi hutan, khususnya potensi volume, memerlukan pengukuran diameter dan tinggi pohon. Tinggi pohon total dan diameter setinggi dada merupakan dua peubah yang paling penting dalam kegiatan inventarisasi hutan (Huang et al. 2000). Pengukuran tinggi dan pendugaan volume pohon dengan pengambilan contoh di lapangan merupakan cara konvensional dimana dalam pelaksanaannya memerlukan waktu yang lebih lama, tenaga dan biaya yang lebih besar (Abdurachman 2012). Oleh karena itu perlu adanya suatu alat bantu dalam kegiatan inventarisasi hutan. Tersedianya data tinggi dan diameter dapat dirumuskan ke dalam bentuk model hubungan tinggi

14 2 dan diameter dimana tinggi merupakan fungsi dari diameter. Pendugaan model hubungan tinggi dan diameter sering disebut juga kurva tinggi. Berbagai fungsi yang menyatakan hubungan tinggi dan diameter telah banyak dipelajari dan diteliti (Husch et al.(1972); Huang et al. (2000); Newton dan Amponsah (2007); Adame et al. (2008)). Alat bantu pendugaan volume pohon berdiri sering disebut dengan tabel volume. Tabel volume adalah sebuah tabel yang digunakan untuk menentukan volume kayu pohon berdiri berdasarkan dimensi-dimensi penentu volume (biasanya diameter setinggi dada, tinggi pohon, dan/atau angka bentuk), yang dibuat menggunakan persamaan volume batang melalui analisis regresi (Muhdin dan Hakim 2004). Dengan mempertimbangkan fungsi-fungsi volume yang disederhanakan maka dapat dilakukan pengukuran dalam pendugaan volume dengan efisien. Pendugaan volume pohon dengan menggunakan model-model penduga volume terbaik salah satunya dapat diperoleh dengan pendekatan metode kuadrat terkecil (OLS: Ordinary Least Square) (Brandies et al. 2006). Akurasi dan ketepatan dugaan dari model regresi dapat ditingkatkan dengan menggunakan model-model regresi, baik tabel volume maupun kurva tinggi bersifat sangat spesifik (Brandies et al. 2006). Oleh karena itu, penyusunan alat bantu tabel volume pohon dan kurva tinggi pada setiap lokasi tertentu menjadi salah satu kunci keberhasilan pengelolaan sumberdaya hutan. Saat ini telah ditetapkan kebijaksanaan pengelolaan hutan yang berhubungan dengan penerapan ecolabelling dengan memasukkan komponen tersedianya tabel volume pohon sebagai salah satu dasar penilaian pengelolaan hutan secara lestari (Siswanto dan Imanuddin 2008). Mengingat model alometrik penduga volume pohon belum tersedia secara lengkap khususnya di hutan mangrove di areal kerja PT. Bina Ovivipari Semesta, maka penyusunan tabel volume pohon untuk jenis komersial di hutan mangrove merupakan hal yang sangat mendesak diperlukan. Penelitian-penelitian yang terkait dengan penyusunan alat bantu inventarisasi di hutan mangrove menggunakan model alometrik penduga volume pohon komersial dan model-model alometrik penduga biomassa atas permukaan tanah sebelumnya telah banyak dilakukan sebagaimana dirangkum oleh Krisnawati et al. (2012) (Lihat Tabel 1 dan 2). Tabel 1 Model-model alometrik yang dapat digunakan untuk menduga volume pohon komersial di hutan mangrove Jenis Lokasi Model Alometrik Sumber Rhizophora conjungata Kalimantan Timur V = D H Sjafe i (1972) Rhizophora apiculata Riau V = D 2.4 Marlia et al. (1999) Rhizophora sp. Papua Barat V = D H Rachman dan Abdurrochim (1989) Rhizophora sp. Kalimantan Barat V = D H Soemarna (1980) Bruguiera sp. Kalimantan Barat V = D Soemarna (1980)

15 Tabel 2 Model-model alometrik yang dapat digunakan untuk menduga biomassa pohon atas permukaan tanah di hutan mangrove Jenis Lokasi Model Alometrik Sumber Rhizophora apiculata Kalimantan Barat logbba = logd Amira (2008) Bruguiera Krisnawati et al. Kalimantan Barat logbba = logd gymnorrhiza (2012) Xylocarpus granatum Kalimantan Barat logbba = logd Talan (2008) Avicennia Jawa Barat BBA = D Darmawan dan marina Siregar (2008) Saat ini, PT. Bina Ovivipari Semesta telah memiliki alat bantu untuk menduga volume dari jenis kelompok rimba campuran dengan model Berkhout yaitu Vbc = D Akan tetapi, perbedaan morfologi diantara jenisjenis pohon menyebabkan diperlukannya perangkat pendugaan volume untuk masing-masing jenis pohon (Wahjono dan Imanuddin 2007). Dengan demikian, penyusunan tabel volume di PT. Bina Ovivipari Semesta sebelumnya perlu disempurnakan lebih lanjut sehingga dirasakan perlu untuk menyusun kembali tabel volume untuk jenis Rhizhopora apiculata. Sejalan dengan penelitian Siswanto dan Imanuddin (2008), penelitian ini diharapkan dapat membantu para pelaksana di lapangan dalam penyusunan rencana pengusahaan hutan dan penentuan jatah tebangan serta pengaturan hasil tebangan setempat. 3 Tujuan Penelitian Penelitian ini bertujuan untuk menyusun tabel volume lokal pohon mangrove jenis Rhizophora apiculata pada areal IUPHHK-HA PT. Bina Ovivipari Semesta, Kalimantan Barat. Manfaat Penelitian Manfaat yang didapatkan dari penelitian ini adalah untuk mempermudah dan meningkatkan efisiensi pelaksanaan kegiatan Inventarisasi Hutan Menyeluruh Berkala pada areal IUPHHK-HA PT. Bina Ovivipari Semesta, Kalimantan Barat. METODE Waktu dan Tempat Penelitian Pengukuran dan observasi lapang dari penelitian dilaksanakan selama dua minggu pada tanggal 5-20 September 2013 di areal kerja IUPHHK-HA PT. Bina Ovivipari Semesta, Kalimantan Barat. Secara geografis lokasi penelitian terletak

16 4 antara BT, serta antara LS (Lihat Gambar 1). Kegiatan pengolahan data dilakukan di Laboratorium SIG dan Remote Sensing Fakultas Kehutanan IPB pada bulan September-Oktober Gambar 1 Peta lokasi penelitian PT.Bina Ovivipari Semesta Berdasarkan peta Penunjukan Kawasan Hutan dan Perairan Provinsi Kalimantan Barat, PT. Bina Ovivipari Semesta memiliki fungsi Hutan Produksi Terbatas (HPT) seluas ± ha (40.60%) untuk Blok S. Bunbun. Untuk Blok Gunung Bongkok fungsinya termasuk kedalam fungsi Hutan Produksi (HP) seluas ± ha (59.23%) dan Hutan Lindung ha (0.17% ) (Surat Keputusan Menteri Kehutanan Nomor 674/Menhut-II/2009 tanggal 15 Oktober 2010). Areal hutan PT. Bina Ovivipari Semesta dipengaruhi oleh dua musim, yaitu musim penghujan (Agustus-Februari) dan musim kemarau (Maret Juli). Berdasarkan klasifikasi iklim Schmidt dan Ferguson, lokasi penelitian termasuk dalam tipe iklim A dengan curah hujan rata-rata 3887 mm/tahun dan jumlah hari hujan yaitu selama 132 hari. Di areal PT.Bina Ovivipari Semesta ini terdapat lima jenis tanah yaitu aluvial regosol, organosol, podsolik merah kuning, podsol, dan latosol. Berdasarkan kandungan unsur hara yang ada, maka dapat dikatakan bahwa tingkat kesuburan tanah diareal penelitian cukup tinggi. Sedangkan Kondisi perairan di wilayah kecamatan Batu Ampar termasuk ke dalam DAS Kapuas, DAS Mendawah dengan wilayah Sub DAS Keluang, DAS Lida, DAS Jenu, DAS Sapar, DAS Kelabau, DAS Bunbun, DAS Kemuning, dan sungai Limau. PT. Bina Ovivipari Semesta memiliki enam tipe zonasi ekosistem mangrove, yaitu zona Avicennia, zona Sonneratia, zona Rhizophora dan Bruguiera, zona Rhizophora dan Nipah, zona Nipah, dan zona Pandan dan Nibung. Di areal penelitian ini terdapat berbagai jenis mangrove diantaranya yaitu

17 Avicennia alba, Bruguiera gymnorrhiza, Nypa fructicans, Acrostichum sp, Rhizophora apiculata, Rhizophora mucronata, Xylocarpus granatum, Xylocarpus moluccensis, dan Kandelia candel. Keanekaragaman jenis satwa liar yang terdapat di wilayah PT. Bina Ovivipari Semesta cukup tinggi, dimana ditemukan jenis mamalia yaitu monyet ekor panjang (Macaca fascicularis), bekantan (Nasalis larvatus), pesut (Orcaela brevirostris), babi hutan (Sus scrofa), rusa (Cervus unicolor), kelelawar, dan lain-lain. Untuk jenis burung umumnya merupakan burung endemik Kalimantan yaitu brecet kalimantan (Ptilocichla leucogrammica). Jenis reptilia yang dapat dijumpai antara lain ular bakau (Boiga dendropylla), buaya muara (Crocodylus porosus), dan biawak (Varanus salvator). Sortimen hasil hutan kayu yang dihasilkan oleh PT. Bina Ovivipari Semesta adalah kayu bulat kecil dengan jenis bakau-bakauan. Sebesar 80% dari hasil hutan kayu tersebut digunakan untuk memasok industri chip PT. Bina Silva Nusa dan sisanya sebesar 20% dimanfaatkan untuk bahan baku industri arang sendiri. Alat dan Data Pada saat dilakukan pengambilan data lapangan alat yang digunakan adalah phi-band dan pita meter (pengukur diameter pohon), suunto meter (alat pengukur tinggi pohon), rollmeter (mengukur panjang seksi), kamera untuk dokumentasi, alat tulis,dan tallysheet untuk pencatatan data. Sedangkan dalam pengolahan data menggunakan software statistik pada Microsoft Excell Data utama yang digunakan adalah hasil pengukuran pohon-pohon berdiri dan pohon rebah yang diukur secara langsung di lapangan, khususnya dari jenis Rhizopora apiculata. Prosedur Analisis Data Metode Pengumpulan Data Metode pengumpulan data pada penelitian ini dilakukan dengan dua pendekatan, yaitu pengumpulan data secara langsung dilapangan dan pengumpulan data secara tidak langsung. Pengumpulan data langsung dilakukan bersamaan dengan kegiatan penebangan pada RKT 2013 sedangkan data tidak langsung dilakukan dengan mempelajari dokumen-dokumen, laporan-laporan serta data-data sekunder berupa data kondisi umum lokasi penelitian yang diperoleh dari arsip Rencana Kerja Umum Pemanfaatan Hasil Hutan Kayu (RKUPHHK) PT. Bina Ovivipari Semesta. Pengukuran Pohon Contoh Pohon contoh adalah pohon yang diambil sebagai contoh atau sampel yang diukur diameter, tinggi dan volumenya yang lebih akurat untuk digunakan sebagai bahan dasar dalam penyusunan alat bantu ukur IHMB, yang dipilih secara purposive (Jaya et al. 2010). Kriteria pohon contoh yang dipilih yaitu pohon yang sehat, lurus, tersebar pada setiap kelas diameter yang ditentukan dan tersebar merata di seluruh areal kerja PT. Bina Ovivipari Semesta. Pohon contoh yang digunakan termasuk kelompok jenis komersial yaitu jenis Bakau (Rhizopora apiculata). Loetsch dan Haller (1973) menyatakan bahwa tabel volume lokal dibatasi oleh pemakaiannya yaitu terbatas pada jenis atau kelompok dan kondisi tapak yang sama. Pada setiap pohon yang terpilih sebagai pohon contoh dilakukan 5

18 6 pengukuran dimensi pohon antara lain diameter pohon setinggi dada (dbh), tinggi pohon (bebas cabang dan total), diameter seksi batang, panjang seksi dan tebal kulit. Penentuan Jumlah dan Pemilihan Pohon Contoh Pengelompokan jenis pohon mangrove dibagi menjadi dua, yaitu kelompok komersial dan kelompok non komersial. Pada penelitian hanya menggunakan satu kelompok jenis yaitu kelompok komersial (Rhizopora apiculata). Bustomi et al. (1998) menyatakan bahwa untuk penyusunan tabel volume diperlukan jumlah pohon contoh yang dikumpulkan dari satu lokasi penelitian minimal 50 pohon contoh. Pengambilan pohon contoh dilakukan dengan mengambil sebaran diameter secara purpossive untuk memenuhi dari kelas diameter yang ada dilapangan. Pohon contoh yang telah diambil sebanyak 150 pohon dengan diameter berkisar antara 5 cm sampai dengan lebih besar dari 60 cm yang menyebar pada setiap kelas diameter. Pohon contoh dibagi menjadi dua bagian yaitu untuk tahap penyusunan model dan tahap validasi model dengan bantuan software Microsoft Excel. Dari 150 pohon terdapat 10 pohon yang bersifat pencilan sehingga tidak dikutkan dalam pengolahan data. Jumlah pohon 140 dibagi lagi untuk penyusunan model dan validasi masing-masing sebanyak 93 dan 47 pohon dari keseluruhan pohon contoh. Jumlah dan penyebaran pohon pada masing-masing diameter yang digunakan dalam penyusunan tabel volume dapat dilihat pada Tabel 3. Tabel 3 Jumlah pohon pada masing-masing kelas diameter Kelas Diameter Pohon Contoh Jumlah Pohon (cm) Penyusun Model Validasi Model > Total Pengukuran Dimensi Pohon Contoh Kegiatan pengukuran pohon contoh dilakukan dengan langkah-langkah sebagai berikut: 1. Diameter diukur pada ketinggian 130 cm dari permukaan tanah atau 30 cm diatas akar. 2. Pengukuran tinggi pohon contoh menggunakan suuntometer dengan variabelpeubah yang diukur adalah persen tinggi total (h t ), persen tinggi bebas cabang (h bc ), persen tinggi banir (h p ), dan persen tinggi dipermukaan tanah (h b ). Tinggi

19 total pohon (H T ) dan tinggi bebas cabang (Hbc) dihitung dengan rumus sebagai berikut (Departemen Kehutanan Republik Indonesia 2007) : h Ht ( h t p h h b b ) tb h Htc ( h bc p h h b b ) tb Keterangan: Ht : tinggi total Htc : tinggi bebas cabang h t : persen tinggi total h bc : persen tinggi bebas cabang h p : persen tinggi banir h b : persen tinggi dipermukaan tanah tb : tinggi banir Cara pengukuran tinggi pohon di lapangan dapat dilihat pada Gambar 2. 7 Gambar 2 Pengukuran tinggi pohon 3. Menghitung volume batang rebah dengan cara mengukur peubah-peubah volume yaitu diameter, panjang, dan tebal kulit. Penentuan volume dapat menggunakan persamaan Huber, Smallian, dan Newton (Husch 1963). Kegiatan yang dilakukan adalah: a) Mengukur panjang batang mulai dari potongan bawah sampai bagian terujung batang yang masih dapat dimanfaatkan. Pengukuran dilakukan dengan menggunakan pita ukur.setiap pohon contoh dibagi menjadi beberapa seksi tergantung tingginya, adapun panjang setiap seksi adalah 2 m dan untuk seksi terakhir panjang seksi dengan atau < 2 meter.

20 8 b) Mengukur diameter dan tebal kulit setiap seksi pada pagkal dan ujung seksi. Letak diameter pangkal seksi pertama adalah 30 cm diatas banir. Pengukuran dilakukan dengan melingkarkan pita diameter pada batang. Data tersebut kemudian digunakan untuk menghitung volume per seksi (Vs i ) menggunakan rumus Smalian (Chapman dan Meyer 1949), yaitu: Vs i = L x ( Gp i + Gu i ) / 2 Keterangan : Vs i : volume seksi ( m 3 ) L : panjang seksi (m ) Gp i : luas bidang dasar pangkal seksi ke- i (m 2 ) Gu i : luas bidang dasar ujung seksi ke- i (m 2 ) Cara pengukuran dimensi pohon saat kondisi pohon rebah dilapangan dapat dilihat pada Gambar 3. (a) (b) (f) (c) (d) Gambar 3 Pengukuran dimensi pohon, (a) pengukuran panjang seksi, (b) pembagian per seksi, lihat tanda panah, (c) pengukuran diameter per seksi, dan (d) pengukuran tebal kulit per seksi

21 9 Perhitungan volume pohon Volume pohon aktual merupakan jumlah dari volume semua seksi dari satu pohon sampel, atau : Keterangan: Va n i 1 Vsi V a : volume aktual pohon (m 3 ) Vs i : volume seksi ke-i dari satu pohon (m 3 ) Analisis Data Kurva Tinggi Pohon Penyusunan kurva tinggi melihat hubungan antara tinggi pohon dan diameter pohon yang dinyatakan menggunakan analisis regresi. Bentuk-bentuk model persamaan kurva tinggi mempunyai cenderung beberapa bentuk, di antaranya linear, logaritmik, kuadratik sebagai berikut: 1. H = a + bd 2. H = a D b 3. H = a + b D+ c D 2 Keterangan: H : tinggi total (m) D : diameter setinggi dada (cm) a,b,c : koefisien-koefisien regresi Lebih lanjut, model kurva tinggi yang dihasilkan dari analisis regresi perlu dilakukan pengujian-pengujian statistik, apabila persyaratan regresi,uji asumsi klasik dan uji validasi terpenuhi maka kurva tinggi dapat digunakan untuk penyusunan tabel tinggi pohon. Analisis Kurva Tinggi Hipotesis dalam penyusunan tabel volume lokal adalah terdapat hubungan yang erat antara tinggi pohon dengan diameter pohon. Hubungan ini dapat dilihat dari koefisien korelasi antara kedua peubah tersebut, yang ditunjukkan oleh besarnya koefisien korelasinya. Apabila antara tinggi pohon dengan diameter pohon terdapat korelasi yang erat, maka untuk menduga volume pohon dapat hanya menggunakan peubah diameter atau tinggi pohon saja, namun jika hubungan antara tinggi dan diameter tidak terdapat hubungan yang kuat perlu dibuat tabel volume standar, yaitu tabel volume yang disusun berdasarkan pada diameter dan tinggi pohon (Sutarahardja 1976). Koefisien korelasi (r) antara tinggi pohon dengan diameter pohon dapat dihitung dengan rumus :

22 10 r = n i=1 Xi.Yi n n i=1 Xi. i=1 Yi n n i=1 Xi 2 n i=1 Xi 2 n n. Yi 2 n i=1 Yi 2 i=1 n Keterangan: r : koefisien korelasi x i : diameter pohon setinggi dada pada pohon ke- i (cm) y i : tinggi pohon ke- i (m) n : jumlah pohon contoh Nilai koefisien korelasi (r) merupakan penduga tak bias dari koefisien korelasi populasi (ρ). Besarnya nilai koefisien korelasi adalah antara - 1 r +1 dimana jika nilai r mendekati - 1 atau + 1, maka hubungan antara kedua peubah itu kuat, artinya terdapat korelasi yang tinggi antara keduanya (Walpole 1993). Pengujian Koefisien Korelasi dengan Uji Z-fisher Pengujian dilakukan dengan analisis perhitungan koefisien korelasi (r) dari kedua peubah tersebut sebagai penduga koefisien korelasi populasinya, yaitu (ρ). Apabila r = 0 maka besar kemungkinannya untuk menyimpulkan tidak ada korelasi atau ρ = 0 dan apabila ada korelasi dicirikan oleh nilai ρ 0. Suatu uji untuk menyatakan kapan nilai r berada cukup jauh dari nilai ρ adalah melalui pengujian koefisien korelasi dengan uji Z-fisher (Walpole 1993). Dalam uji Z- fisher ini, dilakukan transformasi nilai-nilai r dan ρ kedalam Z-fisher. Menurut Sutarahardja (2008) untuk menguji apakah hubungan antara tinggi dengan diameter setinggi dada yang dihasilkan cukup kuat atau memenuhi persyaratan ρ>0.7071, maka dilakukan analisis dengan transformasi Z-fisher. Pengujian korelasi tersebut dilakukan pada tingkat nyata sebesar α (biasanya α = 5% atau α=1%) sebagai berikut: a. Menentukan hipotesis pengujian koefisien korelasi, yaitu : H 0 : ρ H 1 : ρ > b. Menghitung nilai transformasi Z-fisher dari nilai koefisien korelasi populasi (ρ) dan koefisien korelasi contoh (r) : Zρ = 0.5 ln{( 1 + ρ )/( 1 ρ ) Zr = 0.5 ln{( 1 + r )/( 1 r ) c. Menentukan pendekatan simpangan baku dari hasil transformasi Z-fisher, yaitu: σzr = 1/ (n-3) d. Kriteria uji dalam pengujian transformasi Z-fisher: Zhit = (Zr-Zp) / α zr Keterangan : Z : Sebaran normal Z σzr : Pendekatan simpangan baku transformasi Z-fisher

23 e. Kaidah keputusan : Jika Z hitung Z tabel pada tingkat nyata tertentu (umumnya pada taraf nyata 5%), maka H 0 diterima, yang artinya hubungan antara tinggi pohon dengan diameter pohon kurang erat (ρ 0.701). Pada kondisi ini, tabel volume yang disusun perlukajian lebih lanjut, misalnya dengan menyertakan peubah lainnya selain peubah diameter pohon, misalnya antara lain mengikut sertakan tinggi pohon. Model yang menggunakan peubah diameter dan tinggi pohon sekaligus disebut dengan tabel volume standar. Sebaliknya, jika Z hitung >Z tabel pada tingkat nyata tertentu, maka H 0 ditolak, yang artinya bahwa hubungan antara tinggi pohon dengan diameter pohon sangat erat (ρ > 0.701). Ini akan membawa konsekuensi bahwa model penduga volume pohon dapat menggunakan salah satu peubah yaitu diameter atau tinggi pohon saja. Penentuan Model PenyusunTabel Volume Diagram pencar (Scatter diagram) dapat digunakan untuk membantu dalam pemilihan model dengan melihat bentuk penampilan penyebaran datanya, apakah mengikuti pola linier atau nonlinier. Selain itu pembuatan diagram pencar adalahuntuk memeriksa data apabila terdapat kemungkinan adanya pengamatan yang bisa jadi merupakan pencilan. Penyusunan Persamaan Volume Pohon Beberapa bentuk model persamaan regresi yang akan dipergunakan dalam penyusunan tabel volume ini adalah sebagai berikut: a. V = ad b (Model Berkhout) b. V = a D b 10 c D (Noor 2009) c. Log V =a + b log d (Model Husch) d. Log V =a + b log d + b 1 (1/d) (Model Brenac) Sumber: Model a, b, dan c dari Simon (1993) Keterangan: V : volume total pohon (m 3 ) D : diameter setinggi dada (cm) a,b : konstanta Suatu model regresi dapat dipergunakan untuk menduga dengan baik, apabila asumsi-asumsi penting mengenai kenormalan dari nilai sisaan (ei), non heteroskedastisitas, dan non autokorelasi dipenuhi. Dengan menggunakan software Microsoft Excel uji asumsi klasik tersebut dapat diketahui. 1. Uji Normalitas Uji normalitas dimaksudkan untuk mengetahui apakah residual yang diteliti berdistribusi normal atau tidak (Nawari 2010). Penyebab ketidaknormalan data karena terdapat nilai ekstrim atau pencilan dalam data. Uji normalitas dilakukan dengan cara multivariate dengan uji Kollmogorov-Smirnov yaitu menguji nilai residual antara nilai dugaan dengan nilai hasil observasi. 11

24 12 2. Uji Non Heteroskedastisitas Menurut Ghozali (2011) uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Penyebab adanya heteroskedastisitas yaitu peubahyang digunakan untuk memprediksi memiliki nilai yang sangat beragam, sehingga menghasilkan nilai residu yang tidak konstan. Cara mendeteksi adanya heteroskedastisitas dengan cara uji Park yaitu meregresikan peubah bebas terhadap nilai log-linier kuadrat. Jika peubah bebas secara signifikan tidak mempengaruhi peubah terikat, maka tidak terdapat indikasi terjadi heteroskedastisitas. Hal ini dapat dilihat apabila dari probabilitas signifikansinya di atas tingkat kepercayaan 5% (Ghozali 2011). 3. Uji Non Autokorelasi Uji autokorelasi adalah untuk melihat pengaruh antara peubah bebas terhadap peubah terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya (Yuwono 2005). Pengujian untuk mengetahui masalah autokorelasi yang paling banyak digunakan adalah metode Durbin- Watson (DW test). Jika nilai Durbin Watson berada diantara dl dan du (du<dw<dl) maka pada model regresi tidak terjadi autokorelasi (Nawari 2010). Pemilihan Model Persamaan Terbaik Model persamaan pendugaan volume yang paling baik diperoleh dengan melakukan pengujian terhadap persamaan-persamaan regresi pendugaa volume dengan menggunakan beberapa kriteria sebagai berikut: Koefisien determinasi (R 2 ) Perhitungan nilai R 2 adalah untuk melihat tingkat ketelitian dan keeratan hubungan antara peubah bebas (diameter) dan peubah terikat (volume). Nilai R 2 mengukur besarnya bagian keragaman total terhadap nilai tengah peubah tidak bebasnya yang dapat diterangkan oleh regresinya, nilai R 2 ini biasanya dinyatakan dalam persen (%) dan dihitung dengan menggunakan rumus sebagai berikut ( Draper dan Smith 1992): R 2 = JKR x 100% JKT Semakin besar nilai R 2 maka semakin besar pula total keragaman yang dapat diterangkan oleh persamaan regresinya, yang berarti regresi yang diperoleh semakin baik (Sumadi dan Siahaan 2010). Koefisien determinasi terkoreksi (R 2 adj) Koefisien determinasi terkoreksi (R 2 adj) adalah koefisien determinasi yang telah terkoreksi oleh derajat bebas dari JKsisa dan JKtotalnya. Kriteria R 2 adj sama dengan kriteria R 2. R 2 adj mempunyai kelebihan yaitu dapat membandingkan keterandalan model-model yang mewakili banyak peubah bebas yang berbeda. Pengujian ini dapat menambahkan kenyakinan penerimaan model. Rumus yang digunakan dalam perhitungan R 2 adj adalah ( Draper dan Smith 1992):

25 13 R 2 adj = 1 (JKS)/(n k 1) (JKT)/(n 1) Simpangan baku (s) Nilai simpangan baku (s) ditentukan dengan menggunakan rumus (Draper dan Smith 1992): s = s 2 = JKSisa n p Perhitungan simpangan baku menunjukkan bahwa semakin kecil nilainya maka semakin baik, artinya dugaannya semakin teliti. Analisis keragaman dan uji keberartian Tabel 4 Analisis Keragaman Sumber keragaman Derajat bebas Jumlah Kuadrat (JK) JKregresi Regresi k = p-1 Sisaan n-k-1 JKsisa (JKS) Total n-1 JKtotal (JKT) Kuadrat Tengah (KT) KTR=JKR/k KTS=JKS/(n-k-1) F-hitung F-tabel Fhitung =KTR/KTS Keterangan: p : banyaknya konstanta (koefisien regresi dan intersept) n : banyaknya pohon contoh yang digunakan dalam penyusunan model regresi Untuk mengetahui ada tidaknya hubungan regresi yang nyata antara peubah bebas dengan peubah tidak bebasnya dilakukan uji signifikansi F-test, yaitu dengan cara membandingkan nilai F hitung dengan nilai F tabel.hipotesa yang digunakan, yaitu: H 0 : β = 0 vs H 1 : β 0 Kriteria pengujian F hitung, apabila F hitung > F tabel pada taraf nyata 5% dan 1% maka H 0 ditolak, artinya sedikitnya ada satu peubah bebas yang berpengaruh terhadap peubah tidak bebasnya (Draper dan Smith 1992). Sebaliknya apabila F hitung F tabel maka terima H 0 artinya persamaan regresi tidak dapat untuk menduga volume pohon berdasarkan peubah bebasnya. Validasi Model Penyusunan tabel volume pohon dengan analisis regresi perlu dilakukan validasi pada persamaan-persamaan regresi yang telah diuji sebelumnya. Uji validasi ini dilakukan untuk melihat sejauh mana akurasi persamaan volume saat digunakan pada set data yang berbeda dengan set data yang digunakan pada saat penyusunan persamaan, dengan cara mencari dan membandingkan nilai-nilai simpangan agregasinya (SA, Agregative Deviation), simpangan rata-rata (SR, Mean Deviation), RMSE (Root Mean Square Error), bias (e) serta uji Khi-kuadrat. Menurut Bruce (1950) dalam Hush (1963), rumus dari SA dan SR adalah sebagai berikut:

26 14 SA = n i=1 Vt i Va i SR = Vt i Vt i Va i Vt i n X100% Keterangan: Vt i : volume pohon ke-i berdasarkan persamaan volume tertentu Va i : volume aktual pohon ke-i n : jumlah pohon contoh untuk validasi persamaan regresi Menurut Spurr (1952) persamaan yang baik memiliki nilai simpangan agregat (SA) yang berkisar dari -1 sampai +1. Nilai simpangan rata-rata yang baik adalah tidak lebih dari 10%. Selain SA dan SR, dilakukan perhitungan bias dari sisaan volume aktual dengan volume dugaannya. Perhitungan RMSE yang merupakan akar dari ratarata jumlah kuadrat nisbah antara selisih volume dugaan dari table volume pohon (Vt) dengan volume aktualnya (Va) terhadap volume aktual. Rumus dari bias dan RMSE (Bustomi et al.1998), yaitu: e = n i=1 Vt i Va i Va i n X100% RMSE = Vt i Va i Va i 2 n X 100% Keterangan: Vt i : volume pohon ke-i berdasarkan persamaan volume tertentu Va i : volume aktual pohon ke-i n : jumlah pohon contoh untuk validasi persamaan regresi Bias berkorelasi positif dengan banyaknya contoh yang diambil (Sutarahardja 1976). Bias bernilai positif menunjukkan bahwa model persamaan yang digunakan menghasilkan nilai dugaan volume pohon yang overestimate, sedangkan nilai yang negatif menunjukkan bahwa model persamaan penduga volume yang digunakan meghasilkan nilai yang underestimate. Model persamaan penduga volume yang baik apabila nilai RMSE yang lebih kecil. Pengujian validasi model dengan menggunakan uji X 2 (Chi-square) berguna untuk mengetahui apakah pada taraf nyata α (α = 5%), nilai-nilai dugaan volume yang disusun dengan menggunakan persamaan tertentu (Vt) tidak berbeda nyata dengan nilai volume pohon sebenarnya (Va). Dalam hal ini hipotesa yang diuji adalah sebagai berikut: H 0 : Vt = Va H 1 : Vt Va

27 15 Kriteria ujinya adalah: X 2 = Vt i Va i 2 Va i Kaidah keputusannya adalah sebagai berikut: X 2 hitung X 2 tabel(α,n-1), maka terima H 0 X 2 hitung X 2 tabel(α,n-1), maka terima H 1 Pemilihan Model Terbaik dan Perhitungan Peringkat Pemilihan model persamaan terbaik pada tahap penyusunan model dan validasi model dilakukan dengan memberi peringkat pada nilai-nilai pembandingnya. Untuk R 2, R 2 adj, dan F hitung peringkat terbaik diberikan pada persamaan yang mempunyai nilai terbesar. Metode perhitungan peringkat untuk nilai R 2, R 2 adj, dan F hitung menggunakan rumus sebagai berikut, max x Score (( ) 4) 1 max min Keterangan: x : nilai R 2, R 2 adj atau F hitung max : nilai tertinggi dari masing-masing nilai pembanding min : nilai terendah dari masing-masing nilai pembanding Peringkat terbaik diberikan pada nilai pembanding s, simpangan agregasinya (SA), simpangan rata-rata (SR), RMSE, bias serta uji Khi-kuadrat yang memiliki nilai terkecil. Metode perhitungan peringkat untuk nilai R 2, R 2 adj, dan F hitung menggunakan rumus sebagai berikut, x min Score (( ) 4) 1 max min Keterangan: x : nilai s, SA, SR, RMSE, bias, atau X hitung max : nilai tertinggi dari masing-masing nilai pembanding min : nilai terendah dari masing-masing nilai pembanding Langkah selanjutnya menjumlahkan peringkat (skor) untuk setiap persamaan khususnya berdasarkan uji validasi. Model persamaan regresi yang dianggap terbaik dapat dilihat dari skor akhirnya, peringkat akhir terbaik adalah persamaan yang memiliki jumlah skor yang paling kecil.

28 16 HASIL DAN PEMBAHASAN Uji Asumsi Klasik Dalam penelitian ini menggunakan tiga buah alat uji untuk menduga model terbaik yaitu uji normalitas, uji non autokorelasi, dan uji homokedastisitas. 1. Uji Normalitas Hasil pengujian untuk membuktikan data terdistribusi normal atau tidak pada model yang digunakan. Hasil uji normalitas dapat dilihat pada Tabel 5 dan Tabel 6. Tabel 5 Hasil uji normalitas model penduga volume pohon dengan kulit No Model Penduga Z Q 1 Q 2 P(Z) α 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) Tabel 6 Hasil uji normalitas model penduga volume pohon tanpa kulit No Model Penduga Z Q 1 Q 2 P(Z) α 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) Asumsi kenormalan nilai residual perlu diuji untuk membuktikan apakah nilai residual berada pada disekitar nilai nol. Hasil uji dengan Kollmogorov- Smirnov test z memang terbukti bahwa nilai residual mengikuti sebaran normal karena nilai signifikansi dari nilai z > Tampak hasil dari perhitungan Kollmogorov-Smirnov test z sudah menunjukkan sebaran nilai residual berdistribusi normal pada seluruh model penduga volume yang digunakan baik model penduga dengan kulit (Tabel 5) dan model penduga volume tanpa kulit (Tabel 6). Hal ini ditunjukkan oleh nilai probabilitas dari seluruh model penduga volume yang lebih besar 0.05 sehingga asumsi normalitas dari model regresi yang digunakkan telah terpenuhi. 2. Uji Non Autokorelasi Untuk mendiagnosis adanya autokorelasi dalam suatu model regresi dilakukan pengujian melalui nilai uji Durbin-Watson. Pada Tabel 7 dan Tabel 8 berikut ini adalah hasil perhitungan Durbin-Watson dengan menggunakan regresi:

29 Tabel 7 Hasil pengujian asumsi autokorelasi pengaruh diameter terhadap volume pohon dengan kulit No Model Penduga DW DL DU 4-DL 4-DU 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) Tabel 8 Hasil pengujian asumsi autokorelasi pengaruh diameter terhadap volume pohon tanpa kulit No Model Penduga DW DL DU 4-DL 4-DU 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) Pengujian autokorelasi dilakukan dengan menghitung nilai statistika Durbin-Watson (DW). Nilai DW kemudian dibandingkan dengan nilai kritis Durbin-Watson untuk menentukan signifikansinya. Jika nilai Durbin-Watson berada diantara du dan 4-du berarti tidak terjadi autokorelasi. Angka Durbin- Watson pada model penduga volume dengan kulit (Tabel 7) dan volume tanpa kulit (Tabel 8) yaitu lebih besar dari nilai du (1.616) dan lebih kecil dari nilai 4-du (2.384). Hal ini berarti pada seluruh model regresi tidak terdapat masalah autokorelasi. 3. Uji Homokedastisitas Pemeriksaan uji asumsi yang ketiga adalah homokedastisitas atau tidak adanya masalah heterokedastisitas pada residual dengan melakukan uji Park. Nilai p-value hasil perhitungan menggunakan uji Park dapat dilihat pada Tabel 9 dan Tabel 10. Tabel 9 Nilai p-value model penduga volume pohon dengan kulit pada uji Park No Model Penduga P-value Α 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D)

30 18 Tabel 10 Nilai p-value model penduga volume pohon tanpa kulit pada uji Park No Model Penduga P-value Α 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) Uji homokedastisitas memprasyaratkan nilai sisaan memiliki varian yang sama dari satu pengamatan ke pengamatan yang lainnya. Model regresi terbaik harus menghasilkan nilai sisaan yang bersifat homokedastisitas. Berdasarkan uji Park suatu model mengalami homokedastisitas apabila nilai sisaan membentuk hubungan yang tidak signifikan dengan peubah bebasnya. Pada Tabel 9 dan 10 dapat dilihat bahwa nilai peluang dari sisaan kurang dari 0.05 pada tingkat kepercayaan 95%, sehingga dapat disimpulkan bahwa tidak terdapat hubungan yang signifikan yang berarti bahwa nilai sisaan memiliki varian yang sama dari suatu pengamatan ke pengamatan lainnya atau dengan kata lain tidak terjadi heteroskedastisitas pada seluruh model. Hubungan antara Diameter dan Tinggi Pohon Hasil uji dari beberapa tipe model regresi untuk jenis Rhizopora apiculata, model hubungan antara diameter dengan tinggi pohon yang paling baik adalah y = x x 2, dimana y merupakan tinggi total pohon dan x adalah diameter setinggi dada. Model ini mempunyai koefisien determinasi (R 2 ) cukup tinggi yaitu sebesar Hasil perhitungan persamaan tersebut menghasilkan nilai koefisien korelasi (r) sebesar Pada uji Z-fisher, diperoleh nilai Z hitung yakni 10.97, yang lebih besar dari Z tabel yang bernilai 2.33 pada tingkat kepercayaan 95%. Ini berarti bahwa secara statistik ada korelasi yang sangat erat antara diameter batang dengan tinggi pohon jenis Rhizopora apiculata dengan nilai koefisien korelasi lebih besar dari Nilai koefisien determinasi juga menunjukkan bahwa lebih dari 90% keragaman diameter pohon contoh dapat menerangkan keragaman tingginya. Nilai koefisien korelasi ini dapat dijadikan petunjuk bahwa keragaman volume pohon yang disebabkan oleh adanya keragaman tinggi pohon dapat tercakup oleh keragaman diameter pohon. Dengan demikian, untuk menduga volume pohon dapat menggunakan peubah diameter pohon saja. Kurva hubungan regresi diameter dan tinggi dapat dilihat pada Gambar 4.

31 Tinggi Total (m) y = -0,012x 2 + 1,405x - 2,999 R² = 0, Dbh (cm) Gambar 4 Kurva hubungan antara diameter setinggi dada (Dbh) dan tinggi total (Tt). 19 Volume 3,5 3 2,5 2 1,5 1 0,5 0 Penyusunan Model Persamaan Penduga Volume Penyusunan model penduga volume dibagi menjadi dua tipe yaitu tipe model penduga volume pohon dengan kulit dan tipe model penduga volume pohon tanpa kulit. Pemilihan model persamaan penduga volume dibuat berdasarkan pola diagram pencar data hasil pengukuran di lapangan. Diagram pencar hubungan diameter setingi dada dan volume baik dengan kulit maupun tanpa kulit dapat dilihat pada Gambar 5 dan 6. Masing-masing menghasilkan pola penyebaran pohon contoh tidak mengikuti pola linier Diameter (a) Gambar 5 Diagram pencar hubungan diameter dan volume dengan kulit (a) dan tanpa kulit (b) Hasil pengolahan beberapa model persamaan penduga volume yang dihasilkan untuk penyusunan tabel volume lokal disajikan pada Tabel 11 dan 12. Untuk mendapatkan model persamaan regresi terbaik dilakukan analisis kembali dengan membandingkan nilai simpangan baku (s), koefisien determinasi (R 2 ), koefisien determinasi terkoreksi (R 2 adj) dan analisa keragaman (F-test). Volume 3,5 3 2,5 2 1,5 1 0, Diameter (b)

32 20 Tabel 11 Model persamaan penduga volume dengan kulit dan nilai-nilai pembanding No Model Penduga S 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) R 2 (%) R 2 adj (%) F hit F tabel (0.05) F tabel (0.01) Tabel 12 Model persamaan penduga volume tanpa kulit dan nilai-nilai pembanding No Model Penduga S 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) R 2 (%) R 2 adj (%) Berdasarkan hasil analisis pada Tabel 11 dan 12 model persamaan regresi penduga volume dengan kulit dan tanpa kulit yang memiliki nilai simpangan baku (s) terkecil adalah model nomor 2, yang berbentuk model pangkat yang dimodifikasi. Nilai ini menunjukkan bahwa model tersebut memiliki nilai pendugaan yang lebih teliti dari model lainnya. Nilai koefisien determinasi dari semua model regresi yang dikaji sebagaimana disajikan pada Tabel 11 dan 12, menunjukkan nilai yang sangat baik, yaitu lebih dari 50%. Nilai ini merupakan batas minimal yang digunakan dalam penyusunan tabel volume yang dianggap cukup memadai (Suharlan et al.1976). Nilai R 2 terbesar pada model regresi penduga volume kulit dan non kulit adalah model nomor 2 yaitu sebesar 95.74% dan 93.86%. Hal ini berarti peubah diameter (dbh) dapat menjelaskan 95.74% dan 93.86% dari keragaman volumenya. Koefisien determinasi terkoreksi (R 2 adj) berguna untuk membandingkan beberapa persamaan regresi, dimana persamaan yang satu merupakan himpunan bagian dari yang lainnya (Sembiring 1995). R 2 adj juga dapat digunakan sebagai indikator awal untuk membandingkan dari dua atau lebih gugus data (Draper dan Smith 1992). Pada Tabel 11 dan 12 setiap model persamaan memiliki nilai R 2 adj yang besar. Semakin besar nilai R 2 adj maka persamaan tersebut semaki baik. Berdasarkan uji F, pada Tabel 11 dan 12 dapat dilihat bahwa nilai F hitung dari setiap model regresi lebih besar dari F tabel pada taraf nyata 5% dan 1%. Hal ini menjelaskan bahwa peubah diameter (dbh) berpengaruh nyata terhadap volume pada taraf 5% dan 1%. Nilai F tabel yang terbesar untuk model persamaan penduga volume dengan kulit dan tanpa kulit adalah model nomer 1 dan 3. Kedua model regresi tersebut memiliki nilai F hitung yang sama besar yaitu untuk volume dengan kulit dan untuk volume tanpa kulit. Menurut Draper dan Smith (1992) apabila F hitung > F tabel pada taraf nyata 1% artinya sedikitnya ada satu peubah bebas yang mempengaruhi peubah tak bebas sehingga persamaan regresi yang diuji dapat diterima. F hit F tabel (0.05) F tabel (0.01)

33 21 Validasi Model Berikut hasil uji validasi model regresi penduga volume pohon dengan kulit dan tanpa kulit. Tabel 13 Hasil uji validasi model persamaan penduga volume dengan kulit SR RMSE B X 2 tabel X 2 tabel No Model Penduga SA (%) (%) (%) hit (0.05) (0.01) 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) X 2 Tabel 14 Hasil uji validasi model persamaan penduga volume tanpa kulit SR RMSE B X 2 tabel X 2 tabel No Model Penduga SA (%) (%) (%) hit (0.05) (0.01) 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) X 2 Pada Tabel 13 dan 14 ditunjukkan bahwa seluruh model memiliki nilai SA antara -1 sampai +1 dan, tetapi mempunyai nilai SR yang lebih besar dari 10%. Hal ini berarti model persamaan regresi tersebut adalah model persamaan penduga volume pohon dengan kulit dan tanpa kulit yang baik dilihat dari nilai SA nya. Namun karena nilai SR lebih besar dari 10% maka keempat model persamaan regresi tersebut sebagai penduga isi pohon kurang cukup seksama dalam menduga volume pohon karena akan menimbulkan bias pada tingkat pengamatan tertentu atau validitasnya rendah (Noor 2009). Kriteria lain yang juga dihitung adalah Root Mean Square Error (RMSE), dimana nilai RMSE yang lebih kecil dari suatu model persamaan penduga volume menunjukkan model persamaan tersebut lebih baik. Model persamaan regresi pada Tabel 13 dan 14 yang memiliki nilai RMSE terkecil adalah model persamaan nomor 2. Oleh karena itu model nomor 2 baik digunakan untuk menduga volume dengan kulit dan tanpa kulit, karena nilai RMSE yang lebih kecil menunjukkan model persamaan regresi penduga volume lebih baik. Bias merupakan suatu ukuran ketelitian yang menunjukkan seberapa jauh keberhasilan dalam menaksir nilai sebenarnya. Suatu model persamaan regresi dikatakan lebih baik apabila memiliki nilai bias paling kecil. Model nomor 2 pada Tabel 13 dan model nomor 4 pada Tabel 14 adalah model terbaik karena nilai biasnya paling kecil. Pada Tabel 13 dan 14 juga diperlihatkan bahwa seluruh model persamaan regresi yang diuji memiliki nilai X 2 hitung yang lebih kecil dari nilai X 2 tabel pada taraf nyata 5% dan 1%. Hal ini berarti bahwa antara penduga volume yang berasal dari model persamaan regresi tersebut tidak berbeda nyata dengan volume aktualnya. Nilai X 2 hitung terkecil dimiliki oleh model persamaan regresi nomor 2

34 22 yaitu sebesar 2.17% dan 2.31% sehingga model persamaan tersebut lebih baik dari pada model persamaan regresi penduga volume lainnya. Guna memberikan informasi yang konprehensif, selanjutnya dilakukan pemberian peringkat pada setiap kriteria pada masing-masing model persamaan regresi penduga volume, seperti yang terlihat pada Tabel 15 dan 16. Tabel 15 Skor penentuan peringkat model persamaan penduga volume pohon dengan kulit terbaik No Model Penduga Skor SA SR RMSE B X 2 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) No Tabel 16 Skor penentuan peringkat model persamaan penduga volume pohon tanpa kulit terbaik Model Penduga Skor SA SR RMSE B X 2 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) Pemilihan Model Persamaan Terbaik Model persamaan regresi penduga volume terbaik dapat ditentukan dengan menghitung peringkat dari setiap model. Model persamaan regresi terbaik dapat dilihat dari skor akhir yang paling kecil yang dapat dilihat pada Tabel 17 dan 18. No Tabel 17 Peringkat model persamaan penduga volume dengan kulit Model Penduga Validasi Model Skor Peringkat 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D)

35 23 No Tabel 18 Peringkat model persamaan penduga volume tanpa kulit Model Penduga Validasi Model Skor Peringkat 1 V = D V = D ( x D) Log V = logd Log V = logd (1/D) Berdasarkan penentuan peringkatnya, seperti yang ditunjukkan pada Tabel 17 dan 18, model persamaan terbaik untuk menduga volume dengan kulit untuk jenis Bakau (Rhizophora apiculata) adalah model persamaan V = D ( x D), sedangkan untuk penduga volume tanpa kulit untuk jenis Bakau (Rhizophora apiculata) adalah V = D ( x D). Selanjutnya dengan model persamaan regresi tersebut dapat disusun tabel volume lokal baik tabel volume dengan kulit maupun tabel volume tanpa kulit. Tabel volume pohon dapat dilihat pada Lampiran 2 dan 3. SIMPULAN DAN SARAN Simpulan Dari penelitian ini dapat disimpulkan bahwa terdapat hubungan yang erat antar diameter dan tinggi pohon. Model terbaik untuk memperkirakan tinggi pohon jenis Rhizopora apiculata yang diperoleh adalah H = D D 2. Model persamaan penduga volume pohon terbaik untuk menduga volume dengan kulit adalah V = D ( x D) dan untuk menduga volume tanpa kulit adalah V = D ( x D). Saran Perlu dilakukan penelitian mengenai penyusunan tabel volume lokal untuk jenis komersial mangrove lainnya di lokasi penelitian serta dapat pula dilakukan penelitian untuk menduga biomassa jenis komersial mangrove khususnya Rhizopora apiculata. DAFTAR PUSTAKA Abdurrachman Tabel volume batang di bawah pangkal tajuk pohon Keruing (Dipterocarpus acutangulus) di Labanan Berau Kalimantan Timur.Jurnal Balai Besar Penelitian Dipterokarpa.6(1): AdameP, del Rio M, and CanellasI A mixed nonlinear height-diameter model for pyrenean oak (Quercus pyrenaica Willd.). Forest Ecology and Management.256:

36 24 Amira S Penduga biomassa jenis Rhizhopora apiculata BI di hutan mangrove, Batu Ampar, Kabupaten Kubu Raya, Kalimantan Barat. Di dalam Krisnawati H, Adinugroho WC, Imanuddin R, editor. Monograf Model-Model Alometrik untuk Pendugaan Biomassa Pohon pada Berbagai Tipe Ekosistem Hutan di Indonesia; 2012 Juli; Bogor Indonesia. Bogor (ID): Badan Penelitian dan Pengembangan Kehutanan. halm 50. Bustomi S, Wahjono D, Herbagung, Parthama Petunjuk Teknis Tata Cara Penyusunan Tabel Volume Pohon. Bogor (ID): Badan Penelitian dan Pengembangan Kehutanan. Brandies T J, M D Delaney, B R Parresol, and L Royer Development of equations for predicting Puerto Rican subtropical dry forest biomass and volume. Forest Ecology and Management. 233: Chapman HH, WH Meyer Forest Mensuration. New York (US): Mc. Graw Hill Book Company Inc. Departemen Kehutanan Republik Indonesia Peraturan Menteri Kehutanan No.P.34/Menhut/-II/2007, tentang Pedoman Inventarisasi Hutan Menyeluruh Berkala (IHMB) Pada Usaha Pemanfaatan Hasil Hutan Kayu Pada Hutan Produksi. Jakarta: Departemen Kehutanan Republik Indonesia. Draper NR, Smith H Analisis Regresi Terpadu Edisi 2 Terjemahan. Jakarta (ID):Gramedia. Huang S, Price D, and Titus SJ Development of ecoregion-based heightdiameter models for white spruce in boreal forests. Forest Ecology and Management.129: Husch B Forest Mensuration and Statistics.New York (US). Ronald Press Company Inc. Husch B, Miller CI, and Beers TW Forest Mensuration Second Edition. New York (US): The Ronald Press Company. Ghozali I. (2006). Aplikasi Analisis Multivariate dengan Program SPSS. Semarang (ID): Badan Penerbit Universitas Diponegoro. Jaya I NS, Sutarahardja S, Warsito S, Pambudi F Inventarisasi Hutan Dan Perencanaan Pengaturan Kelestarian Tegakan Hutan. Jakarta (ID): Departemen Kehutanan Republik Indonesia. Krisnawati H, Adinugroho WC, Imanuddin R Monograf Model-Model Alometrik untuk Pendugaan Biomassa Pohon pada Berbagai Tipe Ekosistem Hutan di Indonesia.Bogor (ID): Badan Penelitian dan Pengembangan Kehutanan. Laar A Van, A Akca Forest Mensuration. Cuvillier Verlag : Gottingen Loetsch F, Zohrer F, Haller KE Forest Inventory Volume II. Munchan : BLV Verlagsgesellschaft. Marlia R, Suwarno S, Budi P Studi penyusunan tabel volume lokal jenisjenis komersial ekspor di hutan mangrove HPH PT. Bina Lestari, Provinsi Riau.Di dalam Krisnawati H, Adinugroho WC, Imanuddin R, editor. Monograf Model-Model Alometrik untuk Pendugaan Biomassa Pohon pada Berbagai Tipe Ekosistem Hutan di Indonesia; 2012 Juli ; Bogor Indonesia. Bogor (ID): Badan Penelitian dan Pengembangan Kehutanan. halm 50. Muhdin, Hakim A R Penentuan jumlah pohon contoh minimal untuk penyusunan persamaan volume melalui fungsi taper: studi kasus pada jenis

37 Pinus merkusii Jungh et de vriese di Hutan Pendidikan Gunung Walat, Sukabumi, Jawa Barat. Jurnal Manajemen Hutan Tropika 5(2): Nawari Analisis Regresi dengan MS Excel 2007 dan SPSS 17. Jakarta (ID): PT. Elex Media Komputindo. Newton PF, Amponsah IG Comparative evaluation of five height-diameter models developed for black spruce and jack pine standtypes in terms of goodnessoffit, lackoffit and predictive ability. Forest Ecology and Management 247: Noor F Penyusunan tabel volume lokal tegakan hutan alam pada areal IUPHHK PT. Trisetia Intiga di kabupaten Lamandau, Kalimantan Tengah [Skripsi]. Bogor (ID): Institut Pertanian Bogor. [PT. BIOS] Perusahaan Bina Ovivipari Semesta Company Profile PT. Bina Ovivipari Semesta Kalimantan Barat. Pontianak. Purnamawati, Dewantara E, Sadri, Vatria B Manfaat hutan mangrove pada ekosistem pesisir (studi kasus di Kalimantan Barat). Jurnal Media Akuakultur. 2(1): Sembiring R K Analisis Regresi. Bandung (ID): Institut Teknologi Bandung. Simon H Metode Inventori Hutan. Yogyakarta (ID): Aditya Media. Siswanto B E, Imanuddin R Persamaan regresi penaksiran volume pohon Sonokeling ( Dalbergia latifolia Roxb) di Kediri Jawa Timur. Info Hutan 5(4): Siswanto B E, Imanuddin R Model pendugaan isi pohon Agathis loranthifolia Salibsdi Kesatuan Pemangkuan Hutan Kedu Selatan, Jawa Tengah. Jurnal Penelitian Hutan dan Konservasi Alam 5(5) : Sjafe i M Tabel volume Rhizophora conjungata Linn. berdasarkan data dari Pulau Segita Kalimantan Timur. Di dalam Krisnawati H, Adinugroho WC, Imanuddin R, editor. Monograf Model-Model Alometrik untuk Pendugaan Biomassa Pohon pada Berbagai Tipe Ekosistem Hutan di Indonesia; 2012 Juli ; Bogor Indonesia. Bogor (ID): Badan Penelitian dan Pengembangan Kehutanan. halm 50. Soemarna K Tabel isi pohon bakau-bakau (Rhizophora spp) di kelompok hutan Padang Tikar dab Pulau Panjang Provinsi Dati I Kalimantan Barat. Di dalam Krisnawati H, Adinugroho WC, Imanuddin R, editor. Monograf Model- Model Alometrik untuk Pendugaan Biomassa Pohon pada Berbagai Tipe Ekosistem Hutan di Indonesia; 2012 Juli ; Bogor Indonesia. Bogor (ID): Badan Penelitian dan Pengembangan Kehutanan. halm 50. Soemarna K Tabel isi pohon tumu ( Bruguiera spp) di kelompok hutan Padang Tikar dab Pulau Panjang Provinsi Dati I Kalimantan Barat. Di dalam Krisnawati H, Adinugroho WC, Imanuddin R, editor. Monograf Model-Model Alometrik untuk Pendugaan Biomassa Pohon pada Berbagai Tipe Ekosistem Hutan di Indonesia; 2012 Juli ; Bogor Indonesia. Bogor (ID): Badan Penelitian dan Pengembangan Kehutanan. halm 50. Spuur SH Forest Inventory. New York (US) : The Ronald Press Company, Inc. Suharlan A, Boestami S, Soemarna K Tabel volume lokal Pinus merkusii Jung et de vriese. Bogor (ID) : Lembaga Penelitian Hutan. 25

38 26 Sumadi A, Siahaan H Model Penduga Volume Pohon Kayu Bawang (Disoxylum molliscimum Burm F.) di Provinsi Bengkulu. Jurnal Penelitian Hutan Tanaman 7(4): Sunito S, Rusdianti K Konservasi lahan hutan mangrove serta upaya penduduk lokal dalam merehabilitasi ekosistem mangrove. Jurnal Sosiologi Pedesaan 6(1): Sutarahardja S Inventarisasi Hutan. Bogor (ID): Institut Pertanian Bogor. Sutarahardja S Penyusunan Alat Bantu Dalam Inventarisasi Hutan. Bogor (ID): Fakultas Kehutanan Institut Pertanian Bogor. Rachman E, Abdurrochim S Tabel volume bebas cabang Bakau (Rhizophora mucronata BL) pada kelompok hutan Wimro CDK Babo Manokwari. Di dalam Krisnawati H, Adinugroho WC, Imanuddin R, editor. Monograf Model-Model Alometrik untuk Pendugaan Biomassa Pohon pada Berbagai Tipe Ekosistem Hutan di Indonesia; 2012 Juli; Bogor Indonesia. Bogor (ID): Badan Penelitian dan Pengembangan Kehutanan. halm 50. Talan MA Persamaan penduga biomassa pohon jenis nyirih (Xylocarpus granatum Koenig) dalam tegakan mangrove hutan alam di Batu Ampar, Kalimantan Barat. Di dalam Krisnawati H, Adinugroho WC, Imanuddin R, editor. Monograf Model-Model Alometrik untuk Pendugaan Biomassa Pohon pada Berbagai Tipe Ekosistem Hutan di Indonesia; 2012 Juli ; Bogor Indonesia. Bogor (ID): Badan Penelitian dan Pengembangan Kehutanan. halm 50. Wahjono D, Imanuddin R Model pendugaan volume gabungan jenis Meranti (Shorea sp) dan Keruing (Dipterocarpus sp) di Kabupaten Kotawarigin Timur, Kalimantan Tengah. Info Hutan4(4): Walpole ER Pengantar Statistik Edisi Ke-3. Jakarta (ID): PT. Gramedia Pustaka Utama. Yuwono P Pengantar Ekonometri. Yogyakarta (ID): ANDI Yogyakarta.

39 27 Lampiran 1 Kurva tinggi pohon jenis Rhizopora apiculata (m) Dbh Dbh satuan (cm) puluhan (cm) Catatan cara membaca tabel pada Lampiran 1. Kolom pertama tabel adalah diameter dalam puluhan dan baris kedua table menyatakan diameter dalam satuan. Contoh untuk diameter pohon 35 cm, maka perhatikan baris tabel, angka dbh puluhan pada angka 30 dan kolom tabel, angka 5, diperoleh nilai artinya pohon berdiameter 35 cm tingginya adalah 41.9 m Lampiran 2 Tabel volume pohon jenis Rhizopora apiculata (m 3 ) Dbh Dbh satuan (cm) puluhan (cm) Catatan cara membaca tabel pada Lampiran 2 dan 3 sama dengan cara membaca tabel pada lampiran 1. Kolom pertama tabel adalah diameter dalam puluhan dan baris kedua tabel menyatakan diameter dalam satuan. Contoh untuk diameter pohon 48 cm, maka perhatikan baris tabel, angka dbh puluhan pada angka 40 dan kolom tabel, angka 8, diperoleh nilai Ini berarti pohon berdiameter 48 cm mempunyai volume dengan kulit sebesar m 3 Lampiran 3 Tabel volume pohon tanpa kulit jenis Rhizopora apiculata (m 3 ) Dbh Dbh satuan (cm) puluhan (cm)

40 28 RIWAYAT HIDUP Penulis dilahirkan di Kendal, Jawa Tengah pada tanggal 15 Mei 1991, merupakan anak ketiga dari empat bersaudara dari pasangan Bapak Sudjarwo dan Ibu Jumiati. Jenjang pendidikan yang ditempuh penulis mulai dari Sekolah Dasar (SD) Negeri 1 Weleri tahun , Sekolah Menengah Pertama (SMP) Negeri 1 Weleri tahun , dan Sekolah Menengah Atas (SMA) pada tahun Pada tahun 2009 melalui jalur USMI (Undangan Seleksi Masuk IPB) penulis diterima di program Strata 1 Departemen Manajemen Hutan. Dalam masa studinya penulis mengikuti kegiatan Praktek Pengenalan Ekosistem Hutan (P2EH) pada tahun 2011 di Sancang-Kamojang, Jawa Barat dan Praktek Pengelolaan Hutan (P2H) di Hutan Pendidikan Gunung Walat (HPGW), Sukabumi pada tahun Tahun 2013 penulis mengikuti Praktek Kerja Lapang di IUPHHK-HA PT.Trisetia Intiga, Pangkalan Bun, Kalimantan Tengah. Selama menuntut ilmu di Institut Pertanian Bogor, penulis pernah menjadi anggota Unit Kegiatan Mahasiswa (UKM) Paduan Suara Agria Suara dan Uni Konservasi Fauna (UKF) tahun Penulis aktif dalam kegiatan kemahasiswaan yaitu pengurus Himpunan Profesi Forest Management Club (FMSC) sebagai bendahara devisi PSDM pada tahun dan pada tahun yang sama menjadi anggota Kelompok Studi Perencanaan divisi Keprofesian FMSC. Penulis juga aktif menjadi asisten mata kuliah inventarisasi hutan tahun 2012, mata kuliah Geomatika dan Inderaja Kehutanan pada tahun 2013 dan 2014, mata kuliah Teknik Inventarisasi Hutan pada tahun 2012 dan Selain itu penulis pernah menjadi asisten dalam kegiatan Pelatihan Penyusunan Model Alometrik Penduga Biomassa dan Karbon Hutan dari Kementrian Kehutanan tahun 2013, dan pernah menjadi peserta The Collaborative Course of Terestrial Laser Scanning-Remote Sensing from The Ground, organized jointly by Faculty of Forestry, Bogor Agricultural University and George-August-Universitat Gottingen, in Bogor, Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Program Studi Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor, penulis menyusun skripsi dengan judul Penyusunan Tabel Volume Jenis Komersial Rhizopora apiculata di Areal IUPHHK-HA PT. Bina Ovivipari Semesta Provinsi Kalimantan Barat di bawah bimbingan Bapak Prof Dr Ir I Nengah Surati Jaya, M Agr.