BAB III METODOLOGI PENELITIAN

Transkripsi

1 9 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di IUPHHK-HA PT. Mamberamo Alasmadiri, Kabupate Mamberamo Raya, Propisi Papua. Waktu pelaksaaa peelitia dilakuka pada taggal 7 Mei 9 Jui Alat da Obyek Peelitia Alat utuk pegambila data di lapaga atara lai golok, kapak, pita ukur (phi-bad), metera, galah sepajag dua meter, tallysheet, alat tulis, kamera. Alat yag diguaka utuk pegolaha data komputer, Microsoft Word 007, Microsoft Excell 007, da Miitab 14. Obyek yag diteliti adalah poho yatoh (Palaquium spp.). 3.3 Batasa Peelitia Jeis yag diteliti haya mecakup jeis yatoh (Palaquium spp.). 3.4 Metode Pegambila Data Pemiliha Poho Cotoh Pemiliha poho cotoh dilakuka secara purposive samplig. Poho cotoh yag diteliti sebayak 150 poho yag terbagi mejadi 6 kelas diameter dega iterval kelas 10 cm. Kelas diameter dimulai dari kelas diameter cm, 0-9 cm, cm higga kelas diameter cm da > 60 cm. Adapu syarat-syarat poho yag diambil sebagai sampel atara lai: batag lurus, tidak meggarpu, bebas dari seraga hama peyakit, da batag tidak pecah setelah ditebag. 3.5 Pegolaha Data Pegukura Poho Cotoh Tahapa yag dilakuka dalam pegukura poho cotoh meliputi : 1. Memilih poho cotoh yag sesuai syarat.. Megukur diameter setiggi dada (dbh) megguaka phi-bad. 3. Poho direbahka.

2 10 4. Megukur diameter per seksi pada poho rebah. Pajag per seksi sebesar meter megguaka phi-bad. 5. Megukur tbc megguaka metera Perhituga Volume Poho Cotoh Rumus yag diguaka utuk megukur volume per seksi megguaka rumus Smallia, yaitu sebagai berikut (Sutarahardja 008): V = 0.5 x (B p + B u ) x h V : Volume seksi (m 3 ) B p : Luas peampag litag potoga bawah seksi (m ) B u : Luas peampag litag potoga ujug seksi (m ) h : Pajag batag poho Volume poho aktual merupaka jumlah dari volume semua seksi dari satu poho sampel. V a = V i i=1 V a : Volume aktual poho (m 3 ) V i : Volume seksi ke-i dari satu poho (m 3 ) i : Uruta seksi ke-... (1,,..., ) : Jumlah seksi Aalisa Data Eksplorasi Data Data-data poho yag telah terpilih kemudia disajika hubuga atara diameter da volume dalam betuk scatter diagram. Dari hasil diagram tersebut dapat dilihat betuk peampila peyebara dataya apakah megikuti pola liier atau o liier. Beberapa persamaa regresi hubuga atara volume poho dega peubah diameter yag aka diperguaka atara lai (Loetsch et al. 1973): b a. V = a D bh b. V = a + b D bh (Berkhout) (Kopezky-Gehrhardt)

3 11 c. V = a + b D bh + c D bh V : Volume total poho (m³) D bh : Diameter setiggi dada (cm) a, b, da c : Kostata (Hoheald-Kre) 3.5. Pedugaa Parameter Model Persamaa regresi yag telah dipilih lalu dibuat model persamaa regresi liierya, yaitu sebagai berikut: b 1. V = a D bh trasformasi logaritmis Log V = Log a + b Log D bh Model persamaa regresiya adalah: Ý = β R0 + β R1X 1 + ε 1 diduga oleh y = b 0 + b 1 x 1 + e 1 Keteraga : Log V = Ý = y b = β R1 = b 1 ε 1 = e 1 = galat sisa Log a = β R0 = b 0 Log D bh = X 1 = x 1. V = a + b D bh Model persamaa regresiya adalah: Ý = β R0 + β R1X 1 + ε 1 diduga oleh y = b 0 + b 1 x 1 + e 1 Keteraga : V = Ý = y b = β R1 = b 1 ε 1 = e 1 = galat sisa a = β R0 = b 0 D bh = X 1 = x 1 3. V = a + b D bh + c D bh Model persamaa regresiya adalah: Ý = β R0 + β R1X 1 + β RX + ε 1 diduga oleh y = b 0 + b 1 x 1 + b x + e 1 Keteraga : V = Ý = y b = β R1 = b 1 c = β R = b ε 1 = e 1 = galat sisa a = β R0 = b 0 D bh = X 1 = x 1 D bh = X = x Pedugaa kostata ilai-ilai a, b, da c pada persamaa diatas, dapat megguaka metode matriks. Metode ii telah megacu pada metode kuadrat terkecil, yag diguaka utuk memiimumka ilai sisaaya. Adapu otasi matriksya sebagai berikut: β = (X X) -1 X Y diduga oleh b = (X X) -1 X Y

4 1 Keteraga : b = β = ilai kostata Y = Volume X = Diameter b 1. V = a D bh trasformasi logaritmis Notasi matriksya adalah: β = (X X) -1 X Y = a b Log V = Log a + b Log D bh X = 1 Log Dbh 1 Y = 1 Log Dbh Log V 1 Log V. V = a + b D bh Notasi matriksya adalah: β = (X X) -1 X Y = a b 1 Dbh 1 X = 1 Dbh Y = V 1 V 3. V = a + b D bh + c D bh Notasi matriksya adalah: a β = (X X) -1 X Y = b c keteraga: 1 Dbh 1 Dbh 1 X = 1 Dbh Dbh Y = V 1 V

5 Uji Keberartia Model Persamaa-persamaa regresi tersebut dilakuka pegujia dega aalisis keragama (aalysis of variace) utuk melihat sigifika atau adaya ketergatuga peubah-peubah yag meyusu regresi tersebut. Tabel Aalisis keragama pegujia regresi (ANOVA) Sumber keragam Derajat bebas Jumlah kuadrat (JK) Kuadrat tegah (KT) F hitug Regresi k = p-1 JKR KTR=JKR/k KTR/KTS Sisaa -k-1 JKS KTS=JKS/(k-1) Total -1 JKT Dalam aalisa tersebut hipotesis yag diuji adalah : a. Pada regresi liier sederhaa : H 0 : β = 0 lawa H 1 : β 0 b. Pada regresi liier bargada: H 0 : β i = 0 dimaa : i = 1, H 1 : sekurag-kuragya ada β i 0 F tabel Dega kaidah keputusaya : F hitug > F tabel maka tolak H 0 F hitug F tabel maka terima H 0 Jika H 0 ditolak, maka regresi tersebut yata, artiya ada keterkaita atara peubah bebas (diameter poho) dega peubah tidak bebasya (volume poho). Sehigga setiap ada perubaha pada peubah bebasya aka terjadi perubaha pada peubah tidak bebasya. Jika H 0 yag diterima, maka regresi tersebut tidak yata, artiya persamaa regresi tidak dapat diguaka utuk meduga volume poho berdasarka peubah bebasya Aalisis Sisaa 1. Uji visual keormala Keormala sisaa dapat dilihat dega meampilka plot hubuga sisaa dega probabilitas ormalya. Nilai sisaa diyataka ormal apabila atara ilai sisaa dega probability ormalya membetuk pola garis lurus atau medekati garis lurus (Kucahyo 1991).

6 14. Uji keaditifa model Sifat aditif dapat dilihat dega meampilka plot tebara ilai sisaa da ilai dugaa. Asumsi keaditifa model terpeuhi apabila tebara yag dihasilka tidak membetuk pola atau berbetuk acak disekitar ilai sisaa ol (Kucahyo 1991) Aalisis Data Pecila Pegamata pecila adalah pegamata yag tidak megikuti pola domia pegamata laiya. Pegamata pecila ii dapat ditetuka dega melihat ilai-ilai pegamata tak wajar (uusual observatios) megguaka miitab Validasi Model Validasi model megguaka metode Jackife Procedures dega melihat ilai Predicted Residual of Sum Square (PRESS). Persamaa terbaik adalah persamaa yag memiliki ilai PRESS yag palig kecil. Adapu lagkahlagkahya sebagai berikut (Draper da Smith 199): a) Amata pertama pada peubah respos maupu peubah ramalaya dihilagka. b) Tetuka model dugaa semua kemugkia regresi terhadap -1 data. c) Guaka setiap persamaa regresi yag diperoleh utuk meramalka Y 1 oleh Y (i) (misalya), sehigga diperoleh simpaga ramalaya utuk semua kemugkia model regresiya. d) Ulagi ketiga lagkah diatas amu dega meghilagka amata kedua, ketiga sampai amata ke-. e) Utuk setiap model regresi dihitug jumlah kuadrat simpaga ramalaya. PRESS = i=1(y i Y (i) )P Y i : Nilai Y pada amata ke-i Y (i) : Nilai Y Ri dugaa persamaa regresi tapa megikutsertaka amata ke-i Kriteria Pemiliha Model 1. Koefisie Determiasi (R ) da Koefisie Determiasi Terkoreksi (R a )

7 15 Koefisie determiasi (R ) adalah perbadiga atara jumlah kuadrat regresi (JKR) dega jumlah kuadrat total yag terkoreksi yag biasa diyataka dalam perse (%). Perhituga ilai R adalah utuk melihat tigkat ketelitia da keerata hubuga atara peubah bebas da tidak bebas. Model yag baik memiliki ilai R terbesar. Perhituga besarya ilai R dapat dihitug dega rumus (Draper da Smith 199): R JK regresi = JK total JK regresi = b 1 JHKx 1 y + b JHKx y i=1 i=1 JK total = JKy = yi² ( yi)² / Koefisie determiasi terkoreksi (R a ) adalah koefisie determiasi yag telah dikoreksi oleh derajat bebas (db) dari JKS da JKT-ya. Model yag baik memiliki ilai R a terbesar. Perhituga koefisie determiasi terkoreksi (R a ) dega rumus (Draper da Smith 199): R = 1 JKS : Jumlah kuadrat sisa (JKS)/( p) (JKTT)/( 1) 100% JKTT : Jumlah kuadrat total terkoreksi (-p) : Derajat bebas sisaa (-1) : Derajat bebas total Ketetua keteradala (R a ) sama dega (R ). Kelebiha (R a ) adalah dapat membadigka keteradala model-model yag memiliki bayak peubah yag berbeda. Pegujia yag dilakuka meurut kriteria ii aka lebih dapat meambah keyakia peerimaa model.. Simpaga Baku (s) Nilai simpaga baku (s) ditetuka dega rumus (Draper da Smith 199):

8 16 e i S = S = p S² : Kuadrat tegah sisaa e i : Sisaa ke-i Pemeriksaa statistik di tigkat ii meujuka bahwa semaki kecil ilaiya semaki baik, artiya semaki tepat dugaaya. 3. Simpaga Agregat (Agregative Deviatio) Simpaga agregat merupaka selisih atara jumlah volume aktual (V a ) da volume dugaa (V t ) yag diperoleh berdasarka dari tabel volume poho, sebagai persetase terhadap volume dugaa (V t ). Persamaa yag baik memiliki ilai simpaga agregat (SA) yag berkisar dari -1 sampai +1 (Spurr 195). Nilai SA dapat dihitug dega rumus: SA = i=1 V ti i=1 V ai i=1 V ti 4. Simpaga Rata-rata (Mea Deviatio) Simpaga rata-rata merupaka rata-rata jumlah dari ilai mutlak selisih atara jumlah volume dugaa (V t ) da volume aktual (V a ), proporsioal terhadap jumlah volume dugaa (V t ). Nilai simpaga rata-rata yag baik adalah tidak lebih dari 10 % (Spurr 195). Simpaga rata-rata dapat dihitug dega rumus: SR = V ti V ai i=1 V ti x 100% 5. RMSE (Root Mea Square Error) RMSE merupaka akar dari rata-rata jumlah kuadrat isbah atara selisih volume dugaa dari table volume poho (V t ) dega volume aktualya (V a ) terhadap volume aktual. Nilai RMSE yag lebih kecil, meujukka model persamaa peduga volume yag lebih baik. RMSE dihitug dega rumus: RMSE = i=1 Vti Vai V ai x 100%

9 Pemiliha Persamaa Model Regresi Terbaik Model persamaa regresi utuk peyusua tabel volume poho yag baik, bila : 1. Dalam uji keberartia model regresi yag dihasilka yata berdasarka aalisis keragamaya.. Dalam validasi model memilki ilai PRESS yag terkecil. 3. Dalam kriteria model, memiliki ilai R² da R a ² terbesar, ilai s terkecil, ilai SR kurag dari 10 % da ilai RMSE yag terkecil. Utuk memperoleh persamaa terbaik, dilakuka pembuata kelas perigkat terbaik pada masig-masig persamaa. Perigkat terbaik memiliki ilai komulatif terkecil.