MODEL PENDUGA BIOMASSA MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HARLYN HARLINDA

Transkripsi

1 MODEL PENDUGA BIOMASSA MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HARLYN HARLINDA 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 Model Penduga Biomassa Menggunakan Citra Landsat di Hutan Pendidikan Gunung Walat 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, Februari 2015 Harlyn Harlinda NIM E

4 ABSTRAK HARLYN HARLINDA. Model Penduga Biomassa Menggunakan Citra Landsat di Hutan Pendidikan Gunung Walat. Dibimbing oleh PRIYANTO. Satelit citra Landsat 8 memiliki dua sensor yang terdiri dari onboard operational land image (OLI) dan thermal infrared sensor (TIRS) yang berfungsi sebagai pendugaan biomassa. Sedangkan untuk mendapatkan nilai biomassa dengan melihat indikator kehijauannya menggunakan pendekatan indeks vegetasi berupa penggunaan normalized difference vegetation index (NDVI). Penelitian ini mendapatkan model pendugaan biomassa atas permukaan menggunakan peubah citra dan nilai NDVI. Perhitungan biomassa dilakukan menggunakan alometrik. Hubungan biomassa lapangan dan nilai digital dilakukan untuk menyusun model. Pemilihan model terbaik berdasarkan nilai koefisien determinasi terkoreksi (R 2 adj), simpangan baku, nilai bias dan nilai RMSE. Model terpilih yaitu model eksponensial menggunakan semua peubah dan NDVI Y = exp ( X X X X X X X X X 9 ). Model terpilih berdasarkan hasil pemeringkatan dengan nilai R 2 adj sebesar 37.5%, simpangan baku sebesar 0.41, nilai bias sebesar dan niai RMSE sebesar Kata kunci : biomassa, Landsat 8, nilai digital, pendugaan biomassa ABSTRACT HARLYN HARLINDA. Biomass Estimation Model Using Landsat Imagery in Gunung Walat Educational Forest. Supervised by PRIYANTO. Satellite imagery Landsat 8 has two sensors that is onboard operational land image (OLI) and thermal infrared sensor (TIRS) which has function for biomass estimation. Biomass valueis obtain by look at the greenness index using vegetation index approach by using NDVI. This research is to obtain above ground biomass estimation value using imagery variable and NDVI value. Biomass calculation is using allometric. The relationship between field biomass and digital value of biomass is conduct to establish the model. Selection of the best model is based on coefficient decision corrected value (R 2 adj), standard deviation, biased value and RMSE value. Selected model is exponential model using all variables and NDVI Y = exp ( X X X X X X X X X 9 ). The model was selected according to the results of the ranking with 37.5% of R 2 adj value, 0.41 of standard deviation value, of bias value and of bias value. Key words: biomass, biomass estimation, digital value, Landsat 8

5 MODEL PENDUGA BIOMASSA MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HARLYN HARLINDA 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 atas segala karunia-nya sehingga skripsi ini dapat diselesaikan. Penelitian yang dilakukan pada bulan Juni 2014 mengenai biomassa dengan judul Model Penduga Biomassa Menggunakan Citra Landsat di Hutan Pendidikan Gunung Walat. Terima kasih penulis ucapkan kepada Bapak Priyanto, S.Hut M.Si selaku pembimbing yang telah banyak memberikan bimbingan dan arahan dalam menyelesaikan skripsi ini, untuk kedua orang tua, adik serta keluarga yang selalu mendukung dan memberikan semangat dalam penyelesaian skripsi. Ucapan terima kasih diberikan kepada pihak pengelola dari Hutan Pendidikan Gunung Walat yang telah memberikan izin dalam pelaksanaan penelitian serta seluruh staf yang telah membantu dalam proses pengambilan data di lapangan baik secara langsung maupun tidak langsung. Terima kasih juga kepada Bapak Uus Saepul M atas arahannya, seluruh keluarga besar Laboratorium Perencanaan Hutan, keluarga Manajemen Hutan angkatan 46 dan 47, keluarga Fahutan serta kosan Bisma 1 atas doa dan dukungannya. Semoga karya ilmiah ini bermanfaat. Bogor, Februari 2015 Harlyn Harlinda

9 DAFTAR ISI DAFTAR TABEL viii DAFTAR GAMBAR viii PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 1 Manfaat Penelitian 1 Batasan Penelitian 2 METODE 2 Lokasi dan Tempat 2 Alat 2 Bahan dan Data 2 Tahap Penelitian 2 HASIL DAN PEMBAHASAN 7 Kondisi Umum Hutan Pendidikan Walat 7 Nilai Biomassa pada Plot Contoh 8 Nilai NDVI pada Citra Landsat 8 8 Korelasi pada Biomassa Lapangan, Nilai Digital dan NDVI 10 Model Penduga Biomassa 10 Uji Validasi Model 11 Pemilihan Model Terbaik 13 SIMPULAN DAN SARAN 13 Simpulan 13 Saran 13 DAFTAR PUSTAKA 14 RIWAYAT HIDUP 16

10 DAFTAR TABEL 1 Persamaan alometrik penduga biomassa pohon pada berbagai jenis pohon di Hutan Pendidikan Gunung Walat 4 2 Nilai kerapatan kayu pada Hutan Pendidikan Gunung Walat 4 3 Model yang digunakan untuk pendugaan biomassa 5 4 Hasil perhitungan biomassa plot contoh lapangan di Hutan Pendidikan Gunung Walat 8 5 Nilai korelasi peubah nilai digital citra dan nilai NDVI terhadap biomassa 10 6 Model penduga biomassa di Hutan Pendidikan Gunung Walat 11 7 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung Walat menggunakan semua parameter peubah 12 8 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung Walat menggunakan parameter peubah VIF < Pemeringkatan model penduga biomassa di Hutan Pendidikan Gunung Walat 13 DAFTAR GAMBAR 1 Citra normal dengan band kombinasi Citra hasil NDVI 9

11 PENDAHULUAN Hutan merupakan salah satu ekosistem yang memiliki peranan penting dalam mengatasi perubahan iklim, terutama hal yang berkaitan dengan cadangan karbon. Penggunaan karbon pohon sangat penting karena sebagian besar berasal dari biomassa. Sekitar 90% permukaan bumi memiliki biomassa dalam hutan yang berbentuk kayu, dahan, daun, akar, serasah, hewan dan jasad renik (Arif 2005). Biomassa merupakan total jumlah materi hidup yang berada di atas permukaan tanah yang dinyatakan dalam satuan berat kering per satuan luas (Brown 1997). Menurut Hairiah dan Rahayu (2007), pendugaan biomassa dapat dilakukan dengan metode pemanenan secara langsung (destructive sampling) dan metode tidak langsung (hubungan alometrik). Metode pemanenan secara langsung dilakukan dengan cara penebangan sehingga diperoleh data kuantitatif berupa berat basah dan berat kering kayu. Metode tidak langsung dilakukan melalui hubungan alometrik yaitu mencari keterkaitan beberapa peubah bebas (dimensi pohon) yang mampu menerangkan peubah tidak bebasnya (biomassa). Pendugaan biomassa tegakan juga dapat menggunakan model pendugaan biomassa berdasarkan ekstraksi nilai digital satelit Landsat. Salah satu satelit yang digunakan dalam pendugaan biomassa pada penelitian ini yaitu citra Landsat 8 yang memiliki sensor onboard operational land image (OLI) dan thermal infrared sensor (TIRS). Citra Landsat 8 menggunakan pendekatan indeks vegetasi normalized difference vegetation index (NDVI) mampu menduga biomassa yang terdapat di suatu areal. NDVI dapat digunakan untuk mengukur kondisi relatif vegetasi sehingga dalam penelitian ini digunakan citra Landsat untuk menduga biomassa serta memanfaatkan pendekatan NDVI. Tujuan Penelitian Tujuan penelitian untuk mendapatkan model penduga biomassa atas permukaan di Hutan Pendidikan Gunung Walat menggunakan peubah digital dan indeks vegetasi pada citra Landsat 8. Manfaat Penelitian Manfaat yang diharapkan dari penelitian ini adalah memberikan informasi mengenai ketersediaan model penduga biomassa yang digunakan dalam penerapan metode sampling misalnya double sampling untuk menduga biomassa atas permukaan di Hutan Pendidikan Gunung Walat.

12 2 Batasan Penelitian Penelitian ini menggunakan biomassa atas permukaan yang terdiri dari enam jenis vegetasi yaitu vegetasi agathis, pinus, puspa, campuran agathis dan puspa, campuran pinus dan puspa serta campuran lainnya (jamoloh, kayu afrika, harendong, huru, pinus, puspa, dan teureup). Pendugaan biomassa ini menggunakan citra Landsat 8 dengan band 1, 2, 3, 4, 5, 6, 7, 9, dan NDVI. METODE Lokasi dan Waktu Penelitian ini dilaksanakan pada bulan Mei Desember Tahap prapengolahan citra dilaksanakan pada bulan Mei 2014 bertempat di Laboratorium Remote Sensing dan GIS, Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor. Pengambilan data di lapangan dilaksanakan pada bulan Juni Juli 2014 di Hutan Pendidikan Gunung Walat, Sukabumi. Tahap pengolahan data dilaksanakan pada Agustus Desember Alat dan Data Alat ukur penting yang digunakan yaitu global positioning system (GPS), kompas, haga hypsometer, dan pita diameter. Alat bantu dalam pengolahan citra dan analisis spasial berupa perangkat lunak ArcView 3.2, ArcGIS versi 9.3, DNR Garmin, MS-Office, perangkat lunak Erdas Imagine 9.1, dan Minitab 16. Bahan Bahan yang digunakan dalam penelitian berupa tegakan hutan di Hutan Pendidikan Gunung Walat, Citra Landsat 8 OLI Path/Row 122/065 resolusi spasial 30 m 30 m perekaman 12 Agustus 2014 yang diperoleh dari earthexplorer.usgs.gov. Tahap Pelaksanaan Tahapan pelaksanaan penelitian ini secara umum dilakukan dengan prapengolahan citra, pengambilan data, pengolahan data (lapangan dan citra), dan pengambilan model terbaik. Prapengolahan Citra Prapengolahan citra merupakan tahap awal dari pengolahan citra satelit, dimulai dari import data citra, koreksi geometrik citra, dan pemotongan citra. 1. Import Data Citra yang digunakan adalah citra Landsat 8 dengan path 122 dan row 65. Pada awalnya data yang didapatkan yaitu dalam bentuk format *TIF kemudian dilakukan perubahan format menggunakan perangkat lunak Erdas Imagine 9.1 menjadi *.img.

13 2. Pembuatan Band Komposit Pembuatan band komposit ini sebagai salah satu langkah yang harus dilakukan dalam pembuatan citra dengan menggabungkan citra tersebut guna mendapatkan warna seperti yang sebenarnya pada permukaan bumi. Hal ini dikarenakan awalnya citra yang telah diunduh masing-masing masih dalam bentuk band tersendiri. Penggabungan band terdiri dari band tampak cahaya (band 1, band 2, band 3 dan band 4), near infrared (NIR), shortware infrared (SWIR), dan cirrus pada Landsat 8. Penelitian ini ditambahkan normalized difference vegetation index (NDVI) yang digabungkan band komposit pada citra Landsat Koreksi Geometrik Citra Koreksi gometrik citra dibutuhkan untuk rektifikasi (pembetulan) agar citra yang dipakai sesuai dengan koordinatnya. Rektifikasi menggunakan data digital elevation model (DEM) dari Global Land Surveys 2000 sudah dilakukan pada citra Landsat 8, sehingga hanya diperlukan reproject citra untuk mengubah proyeksi citra menjadi universal transverse mercator (UTM) zona 49 S dan datum WGS Pemotongan Citra Pemotongan citra ini bertujuan mendapatkan citra yang sesuai dengan lokasi penelitian yaitu Hutan Pendidikan Gunung Walat, Sukabumi. Hal ini dilakukan agar citra yang terlihat fokus pada daerah penelitian saja. Perancangan Plot Contoh dan Pengambilan Data Lapangan Plot contoh pada citra dan lapangan dipilih secara purposive sebanyak 32 plot. Titik plot tersebar pada enam jenis vegetasi yaitu 3 plot jenis agathis, 2 plot jenis pinus, 5 plot jenis puspa, 9 plot jenis campuran agathis dan puspa, 2 plot jenis campuran pinus dan puspa, dan 11 plot jenis campuran lainnya. Pengambilan data dimulai dari penentuan titik plot di lapangan menggunakan Arc. View 3.2 ekstensi IHMB-Jaya. Selanjutnya dilakukan penentuan titik plot yang akan diambil berdasarkan pertimbangan penyebaran dari beberapa jenis yang dominan di kawasan Hutan Pendidikan Gunung Walat tersebut. Pengamatan titik koordinat lokasi pengambilan data (plot contoh) menggunakan alat GPS. Plot contoh berbentuk lingkaran dengan luasan 0.1 ha dibuat dan dilakukan pengukuran (diameter dan tinggi total) dan identifikasi jenis pohon didalamnya. Pengolahan Data Lapangan Pengolahan data lapangan dilakukan untuk mendapatkan penduga biomassa tiap plot contoh menggunakan alometrik yang telah tersedia. Pada perhitungan ini menggunakan rumus seperti terlihat pada Tabel 1. 3

14 4 Tabel 1 Persamaan alometrik penduga biomassa pohon pada berbagai jenis pohon di Hutan Pendidikan Gunung Walat Jenis pohon Model persamaan alometrik Sumber Agathis AGB = (D 2 ) Masripatin et al. (2010) Pinus AGB = D 2.13 H Hendra (2002) Mahoni AGB = D 2.68 Adinugroho (2002) Meranti AGB = D 2.68 Handayani (2003) Puspa AGB = (D 2 H) Salim (2005) Sengon AGB = D Hairiyah & Rahayu (2007) Sumber: Selviana (2012); AGB = biomassa atas permukaan; D = diameter, H = tinggi Persamaan alometrik yang terdapat pada tegakan Hutan Pendidikan Gunung Walat terbatas sehingga untuk jenis yang tidak ada persamaannya digunakan persamaan yang lebih umum dari Ketterings et al. (2001) yaitu: W = 0.11 ρ D 2.62 Keterangan: W = biomassa tegakan di atas permukaan tanah (ton/ha) ρ = massa jenis pohon (kg/m 3 ) D = diameter setinngi dada (m) Persamaan tersebut menggunakan peubah diameter dan kerapatan kayu dari berbagai jenis yang terdapat di Hutan Pendidikan Gunung Walat agar bisa menaksir nilai biomassanya dengan meminimalkan kesalahan pengukuran. Beberapa nilai kerapatan kayu pohon-pohon yang ada di Hutan Pendidikan Gunung Walat dapat dilihat pada Tabel 2. Beberapa jenis pohon yang tidak diketahui nilai kerapatannya digunakan nilai kerapatan yang dikemukakan oleh Brown (1997) yang diacu dalam Ketterings et al. (2001) yaitu sebesar 0.57 g/cm 3. Tabel 2 Nilai kerapatan kayu pada Hutan Pendidikan Gunung Walat Jenis pohon Kerapatan kayu (g/cm 3 ) Huru 0.39 Kayu afrika 0.42 Kayu manis 0.57 Pasang 0.58 Sempur 0.76 Teureup 0.44 Sumber: Oey Djoen Seng (1951) dalam Suwarsono (1990) Pengolahan Data Citra Subset lokasi penelitian dilakukan menggunakan Erdas Imagine 9.1 untuk memudahkan dalam pengambilan titik. Titik-titik plot lokasi pengamatan menampilkan nilai digital yang berbeda tiap plotnya. Penggunaannya dengan ekstensi Classifier pada Erdas Imagine 9.1 dibuat dengan buffer sebesar 3 piksel 3 piksel pada citra. Square buffer yang terbentuk digunakan sebagai area of interest (AOI) menampilkan nilai digital yang kemudian diambil nilai rata-rata dari titik pengamatan dari setiap bandnya. Pengolahan nilai NDVI menggunakan Erdas Imagine 9.1 ekstensi Interpreter dengan cara memasukkan rumus NDVI = (NIR-red)/(NIR+red) pada setiap titik pengamatan di lokasi penelitian.

15 Penyusunan Model Penyusunan model penduga biomassa didasarkan atas peubah pada citra Landsat 8, yaitu nilai digital pada masing-masing band nilai NDVI. Peubah citra yang digunakan dalam penelitian ini yaitu nilai digital band asli dan nilai NDVI. Jenis dan bentuk umum model tersebut seperti terlihat pada Tabel 3. Tabel 3 Model yang digunakan untuk pendugaan biomassa Jenis model Bentuk model Model linier Y = a + bx 1 + cx nx n Model eksponensial (a + bx1 + cx nxn) Y = e Model kuadratik Y = a + bx cx nx n Model pangkat Y = ax b 1 + X c n X n Y = biomassa; X 1 = nilai digital band 1; X 2 = nilai digital band 2; X 3 = nilai digital band 3; X 4 = nilai digital band 4; X 5 = nilai digital band 5; X 6 = nilai digital band 6; X 7 = nilai digital band 7; X 8 = nilai digital band 9; X 9 = nilai NDVI Penentuan koefisien regresi, koefisien determinasi koreksi (R 2 adj), simpangan baku (s), penguji keberartian model (uji F), dan nilai VIF menggunakan perangkat lunak Minitab 16. Koefisien-koefisien ini akan dijadikan sebagai bahan pertimbangan juga dalam pemilihan model. Uji F yang dilakukan untuk mengetahui signifikan pengaruh peubah terhadap peubah terikat. Penggunaan tingkat signifikansi pada penelitian ini sebesar 0.05 (5%). Koefisien determinasi digunakan untuk mengetahui seberapa besar hubungan beberapa peubah dalam pengertian yang lebih jelas. Koefisien determinasi menjelaskan mengenai besarnya perubahan atau variasi suatu peubah oleh perubahan atau variasi pada peubah lain (Santosa 2005). Koefisien determinasi yang memiliki nilai semakin tinggi maka peubah yang digunakan dapat menjelaskan nilai biomassa. Koefisien determinasi koreksi dihitung menggunakan persamaan (Draper dan Smith 1992): 5 Simpangan baku dihitung menggunakan rumus persamaan (Draper dan Smith 1992): Keterangan: JKS = jumlah kuadrat sisa JKT = jumlah kuadrat total (n-p) = derajat bebas sisa (n-1) = derajat bebas total Model dengan lebih satu peubah rentan terhadap terjadinya multikolinearitas. Oleh karena itu, pada saat penyusunan dengan pemilihan model terbaik dilakukan pengujian multikolinearitas. Multikolinearitas suatu model dapat dilihat dari

16 6 variance inflated factors (VIF), jika suatu model nilai VIF > 10 maka mengindikasikan terjadi multikolinearitas. Pemilihan Model Pemilihan model terbaik terhadap model-model yang diperoleh didasarkan atas parameter nilai uji F, koefisien determinasi (R 2 ), koefisien determinasi terkoreksi (R 2 adj), root mean square error (RMSE), dan simpangannya (s). Validasi Model Uji validasi menggunakan data yang berbeda dengan data penyusunan model. Validasi model ini dilakukan dengan cara membandingkan biomassa hasil pengukuran di lapangan dengan hasil pendugaan model yang terpilih. Uji validasi yang digunakan dalam penelitian yaitu uji chi-square, simpangan agregat (SA), dan simpangan rata-rata (SR). Pada uji chi-square, jika nilai χ 2 hitung χ 2 tabel maka hasil pendugaan tidak berbeda nyata dari hasil biomassa sebenarnya. Chi-square hitung diperoleh melalui rumus (William 1991): Keterangan : y = biomassa aktual (m 3 ) = biomassa dugaan (m 3 ) χ Simpangan agregat dan simpangan rata-rata digunakan untuk mengukur keakuratan suatu model yang besarnya ditentukan oleh selisih nilai hasil pendugaan dan hasil pengukuran. Semakin kecil nilai simpangan rata-rata dan simpangan agregat suatu model maka dikatakan keakuratan model tersebut semakin tinggi. Nilai SR dan SA dihitung menggunakan rumus (Husch 1963): Keterangan: SR = simpangan rata-rata (%) SA = simpangan agregat y = biomassa aktual (m 3 ) = biomassa dugaan (m 3 ) n = jumlah pohon RMSE dihitung menggunakan rumus: MSE = Ʃ (yi ŷi) 2 /(n p) RMSE =

17 7 Keterangan: MSE = kuadrat tengah sisa RMSE = akar kuadrat tengah sisa y i = biomassa ke-i ŷ i = rata-rata biomassa ke-i n = jumlah plot contoh p = banyaknya parameter yang digunakan Menurut Akça (1995) dalam Muhdin (1999), bias dapat dihitung dengan rumus: Keterangan: e = bias y = biomassa aktual (m 3 ) = biomassa dugaan (m 3 ) n = jumlah pohon HASIL DAN PEMBAHASAN Kondisi Umum Hutan Pendidikan Gunung Walat Kawasan Hutan Pendidikan Gunung Walat secara geografis terletak antara 6 º 54ʹ23ʺ 6 º 55ʹ35ʺ LS dan 106 º 48ʹ27ʺ 106 º 50ʹ29ʺ BT dan secara administratif terletak dalam wilayah Kecamatan Cibadak, Kabupaten Sukabumi. Luas wilayah hutan 359 ha. Hutan Pendidikan Gunung Walat terletak pada ketinggian mdpl yang merupakan sebagian pegunungan berderet dari timur ke barat. Topografinya bervariasi dari landai sampai bergelombang terutama di bagian selatan sedangkan ke bagian utara mempunyai topografi yang semakin curam. Kondisi iklim Hutan Pendidikan Gunung Walat menurut klasifikasi iklim Schmidt dan Ferguson termasuk tipe B, dengan nilai Q = 14.3% 33% dan banyaknya curah hujan tahunan berkisar antara mm. Suhu udara maksimum di siang hari 29 º C dan minimum 19 º C di malam hari. Tanah Gunung Walat termasuk dalam keluarga Tropohumult Tipik (latosol merah kekuningan), Tropodult Tipik (latosol coklat), Dysropept Tipik (podsolik merah kuning) dan Troportent Lipik (litosol). Keadaan hutan Gunung Walat pada tahun 1950an sebagian besar berupa tanah kosong yang ditumbuhi semak alangalang dan beberapa pohon yang sangat jarang (Gunung Walat 2015). Kawasan Hutan Pendidikan Gunung Walat sudah mulai ditanami agathis pada tahun Selanjutnya pada periode tahun dilakukan penanaman pinus, puspa dan kayu afrika serta pada periode dilakukan penanaman agathis. Pada tahun 1973 penanaman telah mencapai 53% hingga tahun 1980 seluruh wilayah Hutan Pendidikan Gunung Walat telah berhasil ditanami berbagai jenis tanaman yaitu damar, pinus, puspa, kayu afrika, mahoni, rasamala, sonokeling, sengon, meranti dan akasia.

18 8 Nilai Biomassa pada Plot Contoh Titik plot diambil berdasarkan tipe yang dominan berada di lokasi tersebut seperti agathis, pinus, puspa, campuran agathis dan puspa, campuran pinus dan puspa serta campuran lainnya (jamoloh, kayu afrika, harendong, huru, pinus, puspa dan teureup). Perhitungan biomassa pohon menggunakan alometrik biomassa yang tersedia di Hutan Pendidikan Gunung Walat, sedangkan untuk jenis huru, kayu afrika, kayu manis, pasang, sempur, dan teureup maka menggunakan persamaan dari Ketterings et al. (2001). Perhitungan biomassa dilakukan pada setiap jenis pohon yang berada dalam masing-masing plot pengamatan terlihat seperti pada Tabel 4. Tabel 4 Hasil perhitungan biomassa plot contoh lapangan di Hutan Pendidikan Gunung Walat Tipe vegetasi Rata-rata biomassa (ton/ha) Simpangan baku (s) (ton/ha) Jumlah plot Agathis Campuran agathis dan puspa Campuran (jamoloh, kayu afrika, harendong, huru, pinus, puspa, dan teureup) Puspa Pinus Campuran pinus dan puspa Biomassa terbesar terdapat pada tipe vegetasi agathis serta campuran agathis dan puspa dapat diduga karena pengaruh diameter pohon jenis ini cukup besar (mencapai > 45 cm) dan jumlahnya yang relatif banyak didalam plotnya dibandingkan dengan plot lainnya. Biomassa jenis vegetasi campuran (jamoloh, kayu afrika, harendong, huru, pinus, puspa, dan teureup) memiliki nilai biomassa terkecil dikarenakan jenisnya berumur muda, diameter pohonnya kecil, dan jumlah pohon dalam plotnya relatif sedikit. Dengan demikian, besarnya biomassa dipengaruhi oleh jenis, diameter, tinggi serta jumlah pohon didalam plotnya. Selain itu, menurut Satoo dan Madgwick (1982), diacu dalam Onrizal (2004) menyatakan kondisi iklim setempat, terutama temperatur dan curah hujan juga merupakan faktor iklim yang berpengaruh terhadap biomassa. Nilai NDVI pada Citra Landsat 8 Komposit citra adalah hasil citra yang baru merupakan bagian dari gabungan tiga saluran yang mampu menampilkan keunggulan dari saluran penyusun yang digunakan. Komposit citra ini dilakukan guna membantu dalam memahami pemberian warna karena keterbatasan dalam penglihatan oleh mata. Hasil penggabungan kombinasi band 1, 2, 3, 4, 5, 6, 7, dan 9 pada citra Landsat 8 menghasilkan citra normal yang belum memiliki kekontrasan warna yang jelas sehingga digunakan kombinasi band citra komposit seperti terlihat pada Gambar 1.

19 9 Gambar 1 Citra normal dengan band kombinasi Normalized difference vegetation index (NDVI) merupakan indikator kehijauan yang dapat digunakan untuk menduga biomassa dari citra satelit melihat tingkat kehijauan. NDVI menunjukkan parameter yang berhubungan dengan vegetasi yaitu dedaunan hijau menggunakan band inframerah dekat (NIR) dan band merah (VIS). Nilai NDVI diperoleh dengan perhitungan inframerah dan band merah yang dipantulkan oleh tumbuhan (dedaunan hijau) tersebut. Analisis NDVI dapat digunakan sebagai indikator biomassa dan tingkat kehijauan (greenness) relatif yang memungkinkan dapat dilakukan penghitungan dan pengukuran biomassa pada citra (Ryan 1997). Hasil citra NDVI di Hutan Pendidikan Gunung Walat memperlihatkan warna mendekati dominan keabuan hingga kehitaman (Gambar 2). Gambar 2 Citra hasil NDVI Selang nilai NDVI antara -1 hingga +1 menggambarkan tingkat kehijauan dan intensitas dari suatu vegetasi (Hidayati 2013). Nilai NDVI semakin mendekati +1 menunjukkan ambang vegetasinya tinggi dan warna klasifikasinya menjadi lebih berwarna hitam. Hasil penelitian menunjukkan nilai piksel NDVI antara sehingga wilayah ini berwarna abu kehitaman memiliki kerapatan sedang sampai tinggi (Departemen Kehutanan 2009).

20 10 Korelasi pada Biomassa Lapangan, Nilai Digital Band Landsat TM 8, dan NDVI Peubah penduga nilai digital band yang digunakan merupakan nilai digital dari hasil training area yang berupa square buffer AOI, sedangkan nilai NDVI dan biomassa lapangan berdasarkan lokasi titik plot contoh. Hubungan antarpeubah dalam model penduga biomassa pada citra Landsat dapat diketahui dari nilai korelasi antarpeubah seperti terlihat pada Tabel 5. Hubungan linear antarpeubah tersebut diukur menggunakan korelasi Pearson. Nilai korelasi +1 artinya mempunyai hubungan linier positif sempurna dan korelasi -1 artinya mempunyai hubungan linier negatif sempurna (Usman dan Akbar 2000). Berdasarkan nilai korelasi tersebut diketahui bahwa nilai digital band citra Landsat mempunyai korelasi yang lemah terhadap biomassa, sedangkan nilai NDVI mempunyai korelasi yang kuat terhadap biomassa (Tabel 5). Hal ini sejalan dengan Jensen (2005) yang menyatakan bahwa indeks vegetasi dapat digunakan sebagai parameter biofisik dan biomassa merupakan salah satu aspek yang dapat dilihat dari kerapatan vegetasi. Semakin rapat suatu vegetasi, maka biomassa juga akan semakin besar. Tabel 5 Nilai korelasi peubah nilai digital citra dan nilai NDVI terhadap biomassa Korelasi Biomassa Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7 Band 9 NDVI Biomassa 1 Band Band * 1 Band * 0.950* 1 Band * 0.961* 0.974* 1 Band Band * 0.645* 0.624* Band * * 1 Band * 0.877* * NDVI *berkorelasi Model Penduga Biomassa Penyusunan model penduga biomassa melalui analisis regresi menggunakan berbagai macam model dan banyaknya peubah. Peubah yang digunakan yaitu peubah bebas dari nilai digital masing-masing band pada citra Landsat 8. Multikolinearitas terjadi antara dua peubah atau lebih dalam suatu persamaan regresi. Penyusunan model regresi menggunakan peubah yang memiliki nilai VIF < 10. Penyusunan regresi menghasilkan 8 buah model penduga biomassa seperti terlihat pada Tabel 6.

21 Tabel 6 Model penduga biomassa di Hutan Pendidikan Gunung Walat Model Parameter Persamaan Fhit R 2 adj s (%) Linear semua peubah Y = X X X X X X X X X 9 peubah VIF < 10 Y = X X Eksponensial semua peubah Y = exp ( X X X X X X X X X 9 ) peubah VIF < 10 Y = exp ( X X 9 ) Kuadratik semua peubah 2 Y = X X X X X X X X X 9 peubah VIF < 10 Y = X X Pangkat semua peubah Y = *10 92 X X X X X X 6 X X X 9 peubah VIF < 10 Y = 0.122X X Y = biomassa; X 1 = nilai digital band 1; X 2 = nilai digital band 2; X 3 = nilai digital band 3; X 4 = nilai digital band 4; X 5 = nilai digital band 5; X 6 = nilai digital band 6; X 7 = nilai digital band 7; X 8 = nilai digital band 9; X 9 = nilai NDVI Uji keberartian model regresi pada semua model penduga biomassa yang diperoleh pada Tabel 6 menunjukkan bahwa biomassa dapat diduga menggunakan peubah nilai digital band dan nilai NDVI citra Landsat. Namun, besarnya peranan nilai digital band dan nilai NDVI terhadap biomassa tidak terlalu besar (R 2 adj < 50%). Hasil yang tidak jauh berbeda juga didapatkan dari penelitian Solihin (2014) yang mendapatkan nilai R 2 adj sebesar 32.9% dan Juniyanti (2014) mendapatkan nilai R 2 adj hanya 20%. Hal tersebut dapat berpengaruh dari banyaknya band yang digunakan dan data keseluruhan yang belum mewakili kondisi lapangan sebenarnya. Nilai R 2 adj yang terbesar terdapat pada model kuadratik menggunakan semua peubah sedangkan yang terkecil terdapat pada model pangkat menggunakan peubah nilai VIF < 10. Dengan kata lain, sebenarnya ada peubah lain yang dapat berperan dalam menduga biomassa tetapi dalam penelitian ini tidak dikaji. Hines dan Montgomery (1990) mengatakan bahwa meskipun suatu model memiliki R 2 adj yang besar, tidak berarti model tersebut model yang terbaik. 11 Uji Validasi Model Uji validasi terhadap model penduga biomassa yang diperoleh berdasarkan atas nilai simpangan agregat (SA), simpangan rata-rata (SR), uji chi-square, nilai bias, dan nilai RMSE seperti yang terlihat pada Tabel 7 dan Tabel 8.

22 12 Tabel 7 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung Walat menggunakan semua parameter peubah Model Persamaan SA SR X 2 hit Bias RMSE (%) Linear Y = X X * X X X X X X X 9 Eksponensial Y = exp ( X * 9.6* X X X X X X X X 9 ) Kuadratik 2 Y = X * X X X X X X X X 9 Pangkat Y = *10 92 X X 2 X X X X 6 X X X * Y = biomassa; X 1 = nilai digital band 1; X 2 = nilai digital band 2; X 3 = nilai digital band 3; X 4 = nilai digital band 4; X 5 = nilai digital band 5; X 6 = nilai digital band 6; X 7 = nilai digital band 7; X 8= nilai digital band 9; X 9 = nilai NDVI; * = model valid Tabel 8 Uji validasi model penduga biomassa di Hutan Pendidikan Gunung Walat menggunakan parameter peubah VIF < 10 Model Persamaan SA SR X 2 hit Bias RMSE (%) Linear Y = X * X 9 Eksponensial Y = exp ( X * 9.1* 0.41* X 9 ) Kuadratik 2 Y = X * X 9 Pangkat Y = 0.122X X * * Y = biomassa; X 1 = nilai digital band 1; X 2 = nilai digital band 2; X 3 = nilai digital band 3; X 4 = nilai digital band 4; X 5 = nilai digital band 5; X 6 = nilai digital band 6; X 7 = nilai digital band 7; X 8 = nilai digital band 9; X 9 = nilai NDVI; * = model valid Berdasarkan nilai SA semua model yang diuji dapat dikatakan valid, namun berdasarkan nilai SR hanya model eksponensial dapat dikatakan valid. Kriteria pengujian ini mengacu pada Chapman dan Meyer (1949) dan Husch (1963) yang menyatakan bahwa simpangan agregat model penduga pohon sebaiknya tidak lebih dari 1. Spurr (1952) menyatakan bahwa model dikatakan valid jika simpangan rata-rata tidak lebih dari 10%. Berdasarkan uji chi-square, model eksponensial dan pangkat dengan hanya dua peubah (X 8 dan X 9 ) yang dapat dikatakan valid. Berdasarkan nilai bias dan RMSE, semua model penduga biomassa memiliki nilai cukup besar. Nilai bias menunjukkan besarnya kesalahan sistematis yang dapat terjadi pada kegiatan pengukuran, pemilihan contoh, dan teknik pendugaan parameter. Nilai bias ini dapat bernilai positif dan negatif (Akça 1995, diacu dalam Muhdin 1999). Nilai RMSE menunjukkan ketepatan suatu model yang digunakan, semakin kecil nilai RMSE-nya maka semakin akurat ketepatan pemodelannya.

23 13 Pemilihan Model Terbaik Pemeringkatan model penduga biomassa disusun berdasarkan kriteria R 2 adj, simpangan baku, nilai bias, dan RMSE sebagaimana disajikan pada Tabel 9. Tabel 9 Pemeringkatan model penduga biomassa di Hutan Pendidikan Gunung Walat Model Parameter Persamaan Peringkat Jumlah R 2 adj s Bias RMSE Linear peubah Y = X X VIF < 10 *Eksponensial semua Y = exp( X peubah X X X X X X X X 9 ) peubah Y = exp( X Kuadratik VIF < 10 semua peubah X 9 ) 2 Y = X X X X X X X X X peubah VIF < 10 Y = X X Y = biomassa; X 1 = nilai digital band 1; X 2 = nilai digital band 2; X 3 = nilai digital band 3; X 4 = nilai digital band 4; X 5 = nilai digital band 5; X 6 = nilai digital band 6; X 7 = nilai digital band 7; X 8 = nilai digital band 9; X 9 = nilai NDVI; * = model terpilih Model terpilih berdasarkan hasil penjumlahan peringkat terkecil yaitu model eksponensial Y= exp( X X X X X X X X X 9 ). SIMPULAN DAN SARAN Simpulan Model eksponensial dengan melibatkan nilai digital band 1, 2, 3, 4, 5, 6, 7, 9, dan nilai NDVI merupakan model regresi terpilih untuk menduga biomassa atas permukaan di Hutan Pendidikan Gunung Walat. Walaupun demikian model ini memiliki kelemahan seperti kecilnya nilai koefisien determinasi dan tingginya nilai RMSE. Saran Penelitian model pendugaan dengan citra Landsat sebaiknya menggunakan peubah yang berkorelasi dengan peubah respons dan tidak berkorelasi sesamanya untuk meningkatkan akurasi pemodelannya. Perlu pengambilan titik plot yang lebih banyak baik di lapangan atau pun pada citra.

24 14 DAFTAR PUSTAKA Arief A Hutan dan Kehutanan. Yogyakarta (ID): Penerbit Kanisius. Brown S Estimating Biomass Change of Tropical Forest. A Primer. USA: FAO Forestry Paper No Chapman HH, Meyer WH Forest Mensuration. New York (US): McGraw- Hill Book Company Inc. Departemen Kehutanan Peraturan Menteri Kehutanan Republik Indonesia nomor: P.32/MENHUT-II/2009. Jakarta. Draper NR, H Smith Analisis Regresi Terapan Edisi Kedua. Jakarta: PT. Gramedia Pustaka Utama. Hairiah K, Rahayu S Petunjuk Praktis Pengukuran Karbon Tersimpan di Berbagai Macam Penggunaan Lahan. Bogor (ID): World Agroforestry Centre - ICRAF, SEA Regional Office. University of Brawijaya, Hidayati IN Ekstraksi data indeks vegetasi untuk evaluasi ruang terbuka hijau berdasarkan citra ALOS di Kecamatan Ngaglik Kabupaten Sleman Yogyakarta. Jurnal Agroteknologi3(2): Hines WW, Montgomery DC Probabilita dan Statistik dalam Ilmu Rekayasa dan Manajemen. Edisi Kedua. Rudiansyah, penerjemah. Jakarta (ID): UI Press. [HPGW] Hutan Pendidikan Gunung Walat Kondisi umum Hutan Pendidikan Gunung Walat [Internet]. [diunduh 2015 Jan 20]. Tersedia pada Husch B Forest Mensuration and Statistics. New York (US): Ronald Press Company Inc. Jensen JR Introductory Digital Image Processing, A Remote Sensing Perspective.New Jersey (US): Prentice Hall. Juniyanti L Pendugaan biomassa atas tegakan di Hutan Rakyat menggunakan Citra Landsat 8 (Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo) [skripsi]. Bogor (ID): Institut Pertanian Bogor. Ketterings QM, Coe R, Noordwijk M, Ambagau Y, Palm CA Reducing uncertainty in the use of allometric biomass equations for predicting aboveground tree biomass in mixed secondary forests. Forest Ecology and Management 146: Muhdin Analisis beberapa rumus penduga volume log: Studi kasus pada jenis meranti (Shorea spp.) di areal HPH PT Siak Raya Timber, Propinsi Riau. Jurnal Manajemen Hutan Tropika5(2): Onrizal Model penduga biomassa dan karbon tegakan hutan kerangas di Taman Nasional Danau Setarum, Kalimantan Barat [tesis]. Bogor (ID): Institut Pertanian Bogor. Ryan L Creating Normalizad Difference Vegetation Index (NDVI) Image Using Multispec. University of New Hampshire. Santosa Analisis Statistik dengan Microsoft excel dan SPSS. Yogyakarta (ID). Andi Yogyakarta. Satoo T, Madgwick HAS Forest Biomass. London (EN): Junk Publisher.

25 Selviana V Pendugaan potensi volume, biomassa, dan cadangan karbon tegakan di Hutan Pendidikan Gunung Walat Sukabumi Jawa Barat [skripsi]. Bogor (ID): Institut Pertanian Bogor. Seng OD Berat Jenis Kayu Indonesia dan Signifikan untuk Penggunaan Praktis. Suwarsono P H, penerjemah. Bogor (ID): Departemen Kehutanan Indonesia. Terjemahan dari: Spesific Gravity of Indonesia Woods and Its Significance for Practicl Use. Solihin MP Aplikasi Citra Landsat 8 dalam memetakan biomassa atas tegakan di KPH Ciamis [skripsi]. Bogor (ID): Institut Pertanian Bogor. Spuur SH Forest Inventory. New York (US): The Ronald Press Company, Inc. Usman H, Akbar PS Pengantar Statistik. Jakarta (ID): Bumi Aksara. William Stanfield D Genetika Edisi Kedua. Jakarta (ID): Erlangga. 15

26 16 RIWAYAT HIDUP Penulis dilahirkan di Nabire, Papua pada tanggal 22 Agustus Penulis merupakan anak pertama dari dua bersaudara pasangan Bapak Haryono dan Ibu Martha Popoi. Riwayat pendidikan penulis dimulai dari pendidikan formal lulusan TK Aisyiyah Bustanul Athfal Gorontalo tahun 1998, SD Negeri Teluk 1 Labuan tahun 2004, SMP Negeri 1 Labuan tahun 2007 dan SMA Negeri 2 Pandeglang tahun Penulis masuk IPB melalui jalur Ujian Seleksi Masuk Institut Pertanian Bogor (USMI) dan terdaftar sebagai mahasiswa Departemen Manajemen Hutan Fakultas Kehutanan IPB. Penulis aktif di organisasi Himpunan Profesi Forest Management Student Club (FMSC) sebagai anggota divisi Infokom periode dan Keprofesian periode serta anggota PC Sylva Indonesia periode Penulis pernah mengikuti kegiatan kepanitian Seminar Nasional dan Lokakarya pada tahun 2011 dan 2013, Pekan Ilmiah Kehutanan Nasional pada tahun Praktik yang pernah diikuti penulis yaitu: Praktik Pengenalan Ekosistem Hutan (PPEH) Jalur Papandayan dan Sancang Timur Kabupaten Garut pada tahun 2012, Praktik Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat Kabupaten Sukabumi pada tahun 2013 dan Praktik Kerja Lapang (PKL) di PT. Suka Jaya Makmur, Kalimantan Barat pada tahun Skripsi berjudul Model Penduga Biomassa Menggunakan Citra Landsat di Hutan Pendidikan Gunung Walat merupakan karya penulis sebagai syarat untuk mendapatkan gelar sarjana kehutanan pada Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor dibawah bimbingan Priyanto, S.Hut M.Si.