PENGGUNAAN CITRA RESOLUSI TINGGI UNTUK PENDUGAANN SEDIAAN TEGAKAN JATI (Tectona grandis, Linn.f) DENGAN TEKNIK DOUBLE SAMPLING

Transkripsi

1 1 PENGGUNAAN CITRA RESOLUSI TINGGI UNTUK PENDUGAANN SEDIAAN TEGAKAN JATI (Tectona grandis, Linn.) DENGAN TEKNIK DOUBLE SAMPLING DI KPH MADIUN PERUM PERHUTANI UNIT II JAWAA TIMUR FATHIA AMALIA RAMA DHANI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 01

2 RINGKASAN FATHIA AMALIA RAMA DHANI. Penggunaan Citra Resolusi Tinggi untuk Pendugaan Sediaan Tegakan Jati (Tectona grandis, Linn.) dengan Teknik Double Sampling di KPH Madiun Perum Perhutani Unit II Jawa Timur. Skripsi. Manajemen Hutan, Institut Pertanian Bogor. Dibimbing oleh I NENGAH SURATI JAYA. Kegiatan inventarisasi hutan dapat dilakukan dengan tiga pendekatan, yaitu: pengukuran secara terestris (ground survey), pengukuran menggunakan teknologi penginderaan jauh (remote sensing), dan penggabungan kedua metode tersebut (Simon 1993). Metode terestris biasanya lebih akurat, walaupun membutuhkan waktu, biaya, dan tenaga yang lebih besar dibandingkan metode penginderaan jauh (Husch 1987). Penginderaan jauh dapat dilakukan dalam waktu yang cepat dengan cakupan yang luas, selain itu inormasi yang didapat relati lebih lengkap. Penggabungan antara metode terestris dan penginderaan jauh merupakan solusi dari kelebihan dan kekurangan kedua metode tersebut, salah satunya dengan metode double sampling (Simon 1993). Penelitian ini meneliti aplikasi double sampling dengan menggunakan kombinasi antara teknologi penginderaan jauh dan pengukuran di lapangan. Penelitian ini bertujuan untuk mengevaluasi aplikasi teknik double sampling menggunakan citra dijital non-metrik guna menduga sediaan tegakan jati. Alat yang digunakan dalam penelitian ini terdiri dari peralatan yang digunakan di lapangan, antara lain: peta desain sampling, GPS, kompas, kamera dijital, kamera SLR dengan lensa ish eye, haga hypsometer, suunto clinometer, meteran, dan tali tambang. Pada pengolahan data menggunakan seperangkat komputer dilengkapi dengan seperangkat perieralnya, MS Excel dengan ungsi analysis data, SPSS, Erdas Imagine, Hemiview dan ArcView. Data yang digunakan adalah data citra dijital non-metrik KPH Madiun, data hasil survey lapangan, dan data pendukungnya. Hasil penelitian menunjukkan bahwa berdasarkan model terbaik yang diperoleh pada lokasi BKPH Dagangan (Vbc -10,164+1,07N ctr +1,75D ctr +0,081C ctr ) dan BKPH Dungus (Vbc 1,499E-5C ctr,693 D ctr 1,159 N ctr 0,67 ), besarnya nilai dugaan total sediaan tegakan menggunakan teknik double sampling sebesar 39.81,31 m 3 dengan kesalahan penarikan contoh 4,37% pada BKPH Dagangan (17,31 ha) dan sebesar ,1 m 3 dengan kesalahan penarikan contoh 9,01% untuk BKPH Dungus (169 ha). Untuk menghasilkan kesalahan pengambilan contoh maksimum sebesar 5%, jumlah plot optimum di citra dan di lapangan adalah 114 dan 11 plot untuk lokasi BKPH Dagangan, sedangkan untuk lokasi BKPH Dungus adalah 508 dan 67 plot. Besarnya eisiensi relati yang didapat dengan model terbaik sebesar 99,11 % untuk BKPH Dagangan dan 11,40% untuk BKPH Dungus. Penggunaan model sederhana dengan satu peubah memberikan nilai eisiensi relati yang lebih rendah, nilai eisiensi relati yang diperoleh sebesar 151,48% dengan nilai SE sebesar 5,06% pada lokasi BKPH Dagangan dan 150,76% dengan nilai SE sebesar 10,67% pada lokasi BKPH Dungus. Kata kunci : Teknik double sampling, Potensi tegakan, Citra dijital non-metrik

3 3 SUMMARY FATHIA AMALIA RAMA DHANI. Application O High Resolution Imageries or Teak (Tectona grandis, Linn.F) Estimation With Double Sampling Technique in KPH Madiun Perum Perhutani Unit II, East Java. Report. Forest Management, Bogor Agricultural University. Supervised by I NENGAH SURATI JAYA. Forest inventory can be carried out by three approaches, i.e., terrestrial, remote sensing, and combination between both o them (Simon 1993). Generally, the terrestrial approach provides more reliable and accurate results, but it is more time consuming, costly and needs more labours than the remote sensing approach (Husch 1987). Conversly, the remote sensing technology can be applied in a quick way with a large area providing relatively more complete inormation. Combination between the terestrial and remote sensing requently provides advantages in keeping accurate estimation, but lower cost all at once (Simon 1993). This study examined the application o double sampling technique which combines the use o high resolution remotely sensed data and ground measured data (terrestrial approach). The study objective is to evaluate the application o double sampling technique using non-metric digital imageries to estimate the standing stock. The equipments used or ield measurements are GPS, compass, digital camera, SLR camera with a ish eye lens, haga hypsometer, suunto clinometer, tape, and rope; while the the data analysis was perormed using a set o computers with MS Excel, SPSS, Hemiview and ArcView sotwares. The data used were high resolution non-metric digital imageries o KPH Madiun, the result o ground thruthing, and other supporting data. The double sampling study applied in this study shows that the total standing stock o total area or BKPH Dagangan using Vbc -10,164 +1,07N ctr +1,75D ctr +0,081C ctr is about 39.81,31 m 3 with sampling error o,693 4,37%. For BKPH Dungus, the total standing stock using Vbc 1,499E-5C ctr D 1,159 ctr N 0,67 ctr is amounted to ,1 m 3 with sampling error o 9,01%. To produce a maximum sampling error o 5%, the optimum number o plots in the image and in the ield are 114 and 11 plots or BPKH Dagangan, while BPKH Dungus is 508 and 67 plots. The eiciency relatives using double sampling technique provided in this study are 99,11% or BPKH Dagangan and 11,40% or BPKH Dungus. The use o another model with one variable (N ctr or BKPH Dagangan and C ctr or BKPH Dungus) gave slightly lower eiciency relatives, i.e., 151,48% with sampling error o 5,06% or BKPH Dagangan and 150,76% with sampling error o 10,67% or BKPH Dungus. Key words : double sampling technique, potential stands, non-metric digital imageries

4 4 PERNYATAAN Dengan ini saya menyatakan bahwa skripsi berjudul Penggunaan Citra Resolusi Tinggi untuk Pendugaan Sediaan Tegakan Jati (Tectona grandis, Linn.) dengan Teknik Double Sampling di KPH Madiun Perum Perhutani Unit II Jawa Timur adalah benar-benar hasil karya saya sendiri dibawah bimbingan dosen Pro. Dr. Ir. I Nengah Surati Jaya, M.Agr dan belum pernah digunakan sebagai karya ilmiah pada perguruan tinggi atau lembaga manapun. Sumber inormasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Datar Pustaka di bagian akhir skripsi ini. Bogor, Maret 01 Fathia Amalia Rama Dhani NRP. E

5 5 PENGGUNAAN CITRA RESOLUSI TINGGI UNTUK PENDUGAAN SEDIAAN TEGAKAN JATI (Tectona grandis, Linn.) DENGAN TEKNIK DOUBLE SAMPLING DI KPH MADIUN PERUM PERHUTANI UNIT II JAWA TIMUR FATHIA AMALIA RAMA DHANI Skripsi Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Kehutanan pada Fakultas Kehutanan Institut Pertanian Bogor DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 01

6 6 LEMBAR PENGESAHAN Judul Penelitian Nama Mahasiswa : Penggunaan Citra Resolusi Tinggi untuk Pendugaan Sediaan Tegakan Jati (Tectona grandis, Linn.) dengan Teknik Double Sampling di KPH Madiun Perum Perhutani Unit II Jawa Timur : Fathia Amalia Rama Dhani Menyetujui : Dosen Pembimbing Pro. Dr. Ir. I Nengah Surati Jaya, M. Agr NIP Mengetahui: Ketua Departemen Manajemen Hutan IPB Dr. Ir. Didik Suharjito, MS. NIP Tanggal Lulus :

7 1 KATA PENGANTAR Segala puji dan syukur penulis panjatkan kehadirat Allah SWT atas limpahan rahmat dan karunia-nya, sehingga penulis dapat menyelesaikan skripsi yang berjudul Penggunaan Citra Resolusi Tinggi untuk Pendugaan Sediaan Tegakan Jati (Tectona grandis, Linn.) dengan Teknik Double Sampling di KPH Madiun Perum Perhutani Unit II Jawa Timur dengan baik. Penulis juga mengucapkan terima kasih kepada Pro. Dr. Ir. I Nengah Surati Jaya, M. Agr selaku dosen pembimbing yang telah memberikan bimbingan dan arahan dalam penyelesaian skripsi ini. Bagi penulis, penyusunan skripsi ini adalah sebagai wahana untuk melatih keterampilan dan wawasan penulis dalam menyusun sebuah Karya Ilmiah. Penulis menyadari bahwa penelitian ini masih banyak kekurangan karena keterbatasan yang dimiliki. Oleh karena itu, kritik dan saran yang membangun untuk perbaikan penelitian ini sangat penulis harapkan. Semoga ini memberikan manaat bagi semua pihak yang membutuhkan. Bogor, Maret 01 Penulis

8 UCAPAN TERIMA KASIH Keberhasilan penulis dalam menyelesaikan karya ini tentunya tidak terlepas dari dukungan berbagai pihak. Pada kesempatan ini penulis ingin mengucapkan terimakasih kepada : 1. Ayahanda Nurhadi, Ibunda Dra. Ria Irawati, juga adik penulis Diki Firmansah dan Talenta Azzahra, beserta seluruh keluarga penulis tercinta yang tak pernah lelah memberikan kasih sayang, dukungan moril dan materil, serta kepercayaan dan doa yang dipanjatkan untuk keberhasilan penulis.. Pro. Dr. Ir. I Nengah Surati Jaya, M.Agr selaku dosen pembimbing skripsi atas segala bimbingan pengarahan, motivasi, kesabaran, biaya, dan waktu yang telah diberikan dalam penyusunan skripsi ini. 3. Bapak Lukman atas pemberian data citra dijital non-metrik resolusi tinggi KPH Madiun untuk pelaksanaan penelitian. 4. Pihak KPH Madiun Perum Perhutani Unit II Jawa Timur, khususnya kepada Bapak Bambang selaku Wakil Kepala KPH Madiun, Bapak Asper Suyanto beserta Mandor di BKPH Dungus, Bapak Asper Noor beserta Mandor di BKPH Dagangan, dan Bapak Asper Bob besreta Mandor di BKPH Mojorayung, juga kepada Bapak Djumali beserta keluarga atas segenap bantuan selama penulis melakukan penelitian di lapangan. 5. Dr. Ir. E.G. Togu Manurung, M.Sc.F selaku dosen penguji, Ir.Sudaryanto selaku ketua sidang pada ujian komprehensi penulis, dan Dr. Ir. Yulius Hero, M.Sc selaku dosen uji petik. 6. Bapak Uus Saepul M dan Edwine Setia P., S.Hut atas segala kesabaran dan pengarahan yang telah diberikan dalam penyusunan skripsi ini. 7. M. Farouq Ikhsan atas segala dukungan, bantuan, dan semangat yang tidak henti diberikan kepada penulis. 8. Eri Septyawardani, Sri Wahyuni, dan I Putu Arimbawa Pande atas kerjasama yang solid membuka gerbang awal kesuksesan. 9. Yayu Siti Nurhasanah, Nelly Nailuar, Nurhidayanti, Veteriani Nova, dan Annisa Noor Baeti atas persahabatan dan kebersamaan dalam suka dan duka sejak semester awal perkuliahan.

9 3 10. Dian Wulansih, Elvia Sari Utami, dan Nikita Putri Gabbie untuk hari-hari bahagia bersama. 11. Keluarga besar Laboratorium Remote Sensing dan GIS MNH Fahutan IPB: Vivi S, Monika T, Tantri J, Nuraini E, Aditya P, A Sani, Erry M, Rudi E, Kak Wulan, Bang Puan, Bang Anom, dan Bang Indra yang selalu memberikan bantuan dan motivasi kepada penulis. 1. Seluruh dosen dan Sta Departemen Manajemen Hutan, terima kasih atas dukungan dan bantuannya, juga kepada seluruh Teman-Teman Manajemen Hutan angkatan 44 beserta Kakak dan Adik angkatan atas kebersamaannya selama ini. Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kritik dan saran yang bersiat membangun dari semua pihak sangat penulis harapkan demi perbaikan.semoga skripsi ini dapat bermanaat bagi semua pihak yang membutuhkan.

10 4 RIWAYAT HIDUP Penulis dilahirkan tanggal 1 April 1990 di Bojonegoro, Jawa Timur. Penulis adalah anak pertama dari tiga bersaudara dari pasangan Bapak Nurhadi dengan Ibu Ria Irawati. Penulis memulai jenjang pendidikan ormal di SDN Banjarjo 1, Kabupaten Bojonegoro, Jawa Timur (TA ), selanjutnya penulis melanjutkan ke SMP Negeri 1 Bojonegoro, Jawa Timur (TA ). Pendidikan menengah atas ditempuh penulis di SMA Negeri 1 Bojonegoro, Jawa Timur (TA ). Pada tahun 007 penulis diterima di Institut Pertanian Bogor melalui jalur masuk Undangan Seleksi Masuk IPB (USMI) dengan memilih sendiri mayor Manajemen Hutan Fakultas Kehutanan IPB. Selama akti menjadi mahasiswa, penulis pernah bergabung dengan Badan Eksekuti Mahasiswa Kehutanan Institut Pertanian Bogor (BEM-E IPB) di Departemen Minat dan Bakat pada periode pengurusan Penulis mengikuti Praktek Pengenalan Ekosistem Hutan (PPEH) di Pangandaran dan Gunung Sawal pada tahun 009, Praktek Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat (HPGW), Sukabumi tahun 010, serta Praktek Kerja Lapang di PT Balikpapan Forest Industri, Kalimantan Timur. Untuk memperoleh gelar sarjana Kehutanan IPB, penulis menyelesaikan skripsi dengan judul Penggunaan Citra Resolusi Tinggi untuk Pendugaan Sediaan Tegakan Jati (Tectona grandis, Linn.) dengan Teknik Double Sampling di KPH Madiun Perum Perhutani Unit II Jawa Timur dibawah bimbingan dosen Pro. Dr. Ir. I Nengah Surati Jaya, M.Agr.

11 DAFTAR ISI i Halaman DAFTAR ISI... i DAFTAR TABEL... iii DAFTAR GAMBAR... iv DAFTAR LAMPIRAN...v BAB I PENDAHULUAN Latar Belakang Kerangka Pemikiran Tujuan Penelitian Perumusan Masalah Manaat Penelitian...5 BAB II METODOLOGI PENELITIAN Waktu dan Tempat Penelitian...6. Alat dan Data Penelitian Alat yang digunakan di lapangan Sotware dan Hardware untuk Pengolahan Data Data Penelitian Metode Penelitian Persiapan Pengambilan Data Lapangan Pengolahan Data Tahapan Penelitian...3 BAB III KONDISI UMUM LOKASI PENELITIAN Letak dan Luas Kondisi Fisik Vegetasi Kondisi Sosial Ekonomi Pengembangan Desa Hutan Kependudukan...34 BAB IV HASIL DAN PEMBAHASAN Pengambilan Plot Contoh di Lapangan Koeisien Determinasi (R ) antar Peubah...39

12 ii 4.3 Model Persamaan Regresi antar Peubah Estimasi Potensi menggunakan Double Sampling Eisiensi Double Sampling...43 BAB V KESIMPULAN DAN SARAN Kesimpulan Saran...49 DAFTAR PUSTAKA...50 LAMPIRAN...53

13 No. DAFTAR TABEL iii Halaman 1 Model dengan peubah N, D, dan C 5 Model dengan satu peubah Perhitungan upah pekerja Perhitungan biaya lapangan Perhitungan biaya citra Mata pencaharian penduduk di kecamatan sekitar hutan tahun 1998 di wilayah KPH Madiun Jumlah pohon tiap lokasi penelitian Hasil oto tegakan menggunakan kamera SLR menggunakan lensa isheye menurut kelas umur Nilai rata-rata, ragam, SE, dan CV pada pengambilan contoh ganda Biaya pengambilan data lapangan dan citra Hasil eisiensi relati...46

14 No. DAFTAR GAMBAR iv Halaman 1 Diagram alir kerangka pikir....4 Peta kawasan hutan KPH Madiun Perum perhutani Unit II Jatim Peta citra dijital non-metrik BKPH Dagangan Peta citra dijital non-metrik BKPH Dungus Peta jaringan jalan Hasil pembuatan grid dan titik batas menggunakan ekstensi IHMB-Jaya Versi 6, ArcView Plot hasil pembuatan grid BKPH Dagangan Plot hasil pembuatan grid BKPH Dungus Peta sebaran plot contoh BKPH Dagangan Peta sebaran plot contoh BKPH Dungus Cara melakukan on screen digitations untuk menghitung kerapatan tajuk Cara perhitungan diameter tajuk Cara menghitung jumlah pohon Diagram alur metode penelitian Kondisi tegakan pada lokasi penelitian BKPH Dagangan (a) KU III IV dan (b) KU V- Up Kondisi tegakan pada lokasi penelitian BKPH Dungus (a) KU III IV dan (b) KU V- Up Kondisi tajuk menggunakan kamera SLR berlensa ish eye (a)tegakan teresan dan (b) Tegakan normal Hubungan antara N lapangan dengan N citra BKPH Dagangan Hubungan antara n lapangan dengan n citra BKPH Dungus Korelasi tertinggi antara Vbc dengan C ctr BKPH Dagangan Korelasi tertinggi antara Vbc dengan D ctr BKPH Dungus Kurva hubungan antara rasio biaya, koeisiensi korelasi dan eisiensi (Dari J.F. Wear, R. B. Pope, and P.W. Orr, Pasiic Northwest and Range Experient Station diacu dalam Paine, 1981)....45

15 No. DAFTAR LAMPIRAN v Halaman 1 Data hasil survey lapangan dan interpretasi citra BKPH Dagangan...54 Data hasil survey lapangan dan interpretasi citra BKPH Dungus Kurva hubungan antar peubah bebas BKPH Dagangan Kurva hubungan Vbc dengan peubah bebas BKPH Dagangan Kurva hubungan antar peubah bebas BKPH Dungus Kurva hubungan Vbc dengan peubah bebas BKPH Dungus Perhitungan potensi tegakan dengan double sampling BKPH Dagangan Perhitungan eisiensi relati BKPH Dagangan Perhitungan eisiensi relati BKPH Dagangan menggunakan model sederhana Perhitungan potensi tegakan dengan double sampling BKPH Dungus Perhitungan eisiensi relati BKPH Dungus Perhitungan eisiensi relati BKPH Dungus menggunakan model sederhana.67

16 1 BAB I PENDAHULUAN 1.1 Latar Belakang Kegiatan inventarisasi sumberdaya hutan merupakan salah satu kegiatan yang sangat penting dalam perencanaan hutan. Inventarisasi hutan diperlukan untuk mengetahui kekayaan yang terkandung di dalam suatu hutan pada saat tertentu. Umumnya, inventarisasi hutan dapat dilakukan dengan beberapa metode pengukuran, yaitu: pengukuran secara terestris (ground survey), pengukuran menggunakan teknologi penginderaan jauh (remote sensing), dan pengukuran dengan menggabungkan kedua metode tersebut (Simon 1993). Pendugaan potensi tegakan secara terestris biasanya lebih akurat, walaupun dalam proses pengumpulan datanya membutuhkan waktu yang lama serta biaya dan tenaga yang besar (Husch 1987). Pada luasan yang cukup besar, metode terestris ini cenderung mempunyai kesalahan yang disebabkan oleh kesalahan manusia (non-sampling error). Berbeda dengan metode terestris, metode penginderaan jauh dapat dilakukan dalam waktu yang cepat dengan cakupan yang luas, juga inormasi yang didapat relati lebih lengkap. Metode ini memiliki keterbatasan yang bersumber dari citra, karena itu pada umumnya citra memerlukan koreksi sebelum dilakukan pengolahan baik koreksi geometrik maupun koreksi radiometrik. Keterbatasan lain dalam metode penginderaan jauh adalah kesalahan yang terjadi dalam penasiran citra oleh manusia (Anwar 008). Penggabungan antara metode terestris dan penginderaan jauh merupakan solusi dari kelebihan dan kekurangan dari kedua metode tersebut. Pengukuran parameter pohon atau tegakan dapat dilakukan di atas potret udara, sedangkan pengukuran terestris hanya diperlukan untuk mengecek hasil pengukuran di atas potret (Simon 1993). Potret udara adalah suatu gambaran sebagian permukaan bumi yang menunjukkan semua kenampakan alami seperti halnya topograi dan tumbuhan penutup serta hasil karya manusia seperti asilitas transportasi dan bangunanbangunan (Husch 1987). Menurut Sutarahardja (1999), penggunaan potret udara atau citra dijital non-metrik dalam inventarisasi hutan dapat mempermudah

17 pemilihan contoh pada potretnya sendiri maupun pada lapangan. Selain itu, penggunaan potret udara juga dapat mempermudah dalam penetapan lokasi petak ukur di lapangan dan membantu dalam penyiapan inormasi awal tentang kondisi lapangan yang akan di survey secara terestris. Pengukuran pada citra dijital diyakini dapat dilaksanakan dengan cepat, tetapi pengukuran dengan cara ini memiliki aktor ketelitian yang lebih rendah dibandingkan dengan pegukuran di lapangan. Untuk mengatasi rendahnya ketelitian, maka aktor konsistensi dalam pengukuran dan penasiran citra harus diterapkan. Teknik double sampling ini dikembangkan untuk memaksimalkan kelebihan dan meminimalkan kekurangan dari kedua metode, untuk mendapatkan hasil yang relati teliti dan biaya yang relati murah dengan jangka waktu pengerjaan yang reati cepat. Penggunaan teknik ini terbukti sangat eisien apabila biaya pengukuran peubah bebas pada ase pertama jauh lebih murah dengan waktu yang lebih cepat pula bila dibandingkan dengan ase ke-dua. Menurut Simon (1993), metode sampling bertingkat ini akan memberi keuntungan yang lebih tinggi bila dalam inventarisasi digunakan potret udara. Beberapa penelitian menunjukkan bahwa teknik ini eisien jika digunakan untuk kegiatan inventarisasi (Howard 1996). Penggunaan metode double sampling dalam rangka inventarisasi hutan digunakan pada penelitian yang dilakukan di KPH Randublatung Jaya dan Cahyono (001) mengungkapkan bahwa teknik pengambilan contoh ganda menggunakan Potret Udara Format Kecil mampu memberikan eisiensi relati sebesar 96,7%, sedangkan apabila menggunakan Potret udara Konvensional memberikan eisiensi relati sebesar 5,7%. Anwar (008) menyatakan bahwa teknik double sampling menggunakan citra SPOT 5 di Kabupaten Pasaman, Sumatera Barat memberikan eisiensi relati sebesar 34,79% dengan kesalahan pengambilan contoh sebesar 10,81%. Teknik double sampling dengan stratiikasi memberikan nilai eisiensi relati yang lebih tinggi dari teknik double sampling. Hal ini dibuktikan dengan penelitian yang dilakukan oleh Sujiatmoko (1998) bahwa teknik penarikan contoh ganda terstratiikasi (stratiied double sampling) lebih eisien sebesar 111,333% dibandingkan penarikan contoh ganda tanpa stratiikasi (double sampling). Penelitian Iskandar (1995) menghasilkan nilai eisiensi relati (ER) untuk teknik

18 3 double sampling berstratiikasi sebesar 8,3% dengan nilai sampling error (SE) sebesar 6,93%, sedangkan teknik double sampling tanpa stratiikasi sebesar 174,14% dengan nilai SE sebesar 11,5%. Yamin (1996) mengemukakan bahwa penggunaan teknik double sampling berstratiikasi memiliki eisiensi sebesar 4.07,6% dengan SE sebesar 11,3%, sedangkan penggunaan teknik double sampling tanpa stratiikasi sebesar 198,9% dengan SE sebesar 3,33%. Dari penelitian yang telah dilakukan, penelitian ini merupakan penelitian pertama yang meggunakan citra dijital non-metrik resolusi tinggi. Dilakukannya penelitian ini adalah untuk melihat aplikasi dari citra dijital non-metrik resolusi tinggi dalam inventarisasi hutan, menganalisis eisiensi teknik double samplingnya, juga melihat seberapa besar akurasi penggunaan citra tersebut. Citra dijital non metrik dengan resolusi tinggi digunakan dalam penelitian ini dengan pertimbangan kemudahan proses pengambilan gambar dengan biaya yang murah (Prijono 00). Penggunaan citra ini diharapkan dapat memberikan peran dalam bidang kehutanan khususnya kegiatan inventarisasi hutan, salah satunya dapat digunakan dalam teknik double sampling dan menghasilkan nilai eisiensi serta akurasi yang tinggi. Dengan beberapa pertimbangan, diantaranya kondisi tegakan dan citra, maka teknik inventarisasi yang digunakan dalam penelitian ini adalah teknik double sampling dengan regresi linier sederhana untuk menduga volume pohon rata-rata bebas cabang. Pada penelitian ini, pengukuran citra dijital dikombinasikan dengan pengukuran lapangan pada tegakan jati (Tectona grandis, L.) KPH Madiun Perum Perhutani Unit II Jawa Timur.

19 4 1. Kerangka Pemikiran Inventarisasi Hutan Terestris - Akurat - Mahal - Tenaga kerja dan biaya yang tinggi Penginderaan Jarak Jauh -Murah -Tenaga kerja dan biaya yang rendah -Kurang akurat Kombinasi Terestris dan Penginderaan Jarak Jauh Multi Phase Sampling (Double Sampling) Multi Stage Sampling Data Penginderaan Jarak Jauh Data Terestris Citra Analog Citra Dijital Potret Udara - Relati Mahal - 3 Dimensi - Analog Citra Satelit Analisis/ Dijital - Relati Murah - Dijital - Relati Akurat Citra Dijital Airbone Pesawat Tak Berwak Non-metrik - Murah - Teliti - Dijital - Akurat Eisien dan Akurat Gambar 1 Diagram alir kerangka pikir.

20 5 Inventarisasi hutan dapat dilakukan dengan beberapa metode, antara lain: metode terestris, penginderaan jarak jauh, dan kombinasi antara keduanya. Metode kombinasi antara terestris dan penginderaan jarak jauh dapat dilakukan untuk mengoptimalkan kedua metode, salah satunya dengan double sampling. Dalam metode double sampling, data terestris dikombinasikan dengan data penginderaan jauh berupa potret udara, citra satelit analisis atau dijital, dan citra dijital non-metrik resolusi tinggi. Pada Gambar 1 dapat dilihat perbedaan yang mendasar antara potret udara, citra satelit, dan citra dijital non-metrik. Dengan pertimbangan tersebut, maka pada penelitian ini citra dijital non-metrik resolusi tinggi digunakan untuk mendapatkan data yang murah, teliti, dan akurat. Dalam penelitian ini, teknik double sampling digunakan untuk mengetahui seberapa besar akurasi serta eisiensi relati citra dijital non-metrik resolusi tinggi. Diagram alir kerangka pikir penelitian ini disajikan pada Gambar Tujuan Penelitian Tujuan utama dari penelitian ini adalah untuk mengevaluasi aplikasi teknik double sampling menggunakan citra dijital non-metrik resolusi tinggi guna menduga sediaan tegakan jati. 1.4 Perumusan Masalah Dari uraian latar belakang terdahulu, maka masalah yang akan dijawab dalam penelitian ini adalah penggunaan citra dijital non-metrik dengan teknik double sampling dapat meningkatkan nilai eisiensi relati. 1.5 Manaat Penelitian Berkaitan dengan tujuan penelitian di atas, maka diharapkan penelitian ini dapat digunakan dalam kegiatan inventarisasi hutan terutama yang melibatkan data citra satelit.

21 6 BAB II METODOLOGI PENELITIAN.1 Waktu dan Tempat Penelitian Gambar Peta kawasan hutan KPH Madiun Perum perhutani Unit II Jatim. Pengambilan data penelitian ini dilakukan pada bulan Oktober sampai dengan bulan November 011 di dua lokasi, yaitu: BKPH Dungus dan BKPH Dagangan yang merupakan bagian dari KPH Madiun Perum Perhutani Unit II, Jawa Timur. Pengolahan dan analisis data dilakukan pada bulan November 011 sampai dengan bulan Februari 01 di Laboratorium Remote Sensing dan GIS Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor.

22 7. Alat dan Data Penelitian..1 Alat yang digunakan di lapangan Alat yang digunakan selama di lapangan adalah sebagai berikut: 1. Peta desain sampling. Global Positioning System (GPS) 3. Kompas 4. Kamera dijital dan kamera SLR dengan lensa ish eye 5. Haga hypsometer 6. Suunto clinometers 7. Meteran 8. Tali tambang... Sotware dan Hardware untuk Pengolahan Data Penelitian ini menggunakan hardware komputer yang dilengkapi dengan seperangkat perieralnya. Sotware yang digunakan adalah MS Excel dengan ungsi analysis data, SPSS, Erdas Imagine, Hemiview, dan ArcView dengan sistem pendukung ekstensi image analysis, geoprocessing, graticules and measured grid, projection utility wizard, xtools, dan ekstensi IHMB-Jaya versi Data Penelitian 1. Data Utama a. Citra Dijital Non-metrik Citra yang digunakan dalam penelitian ini adalah citra dijital non-metrik resolusi tinggi KPH Madiun Perum Perhutani Unit II Jawa Timur yang direkam menggunakan pesawat tak berawak (Unmaned aircrat). Perekaman citra dilakukan pada bulan April 011. Citra ini memiliki resolusi tinggi sampai dengan 0 cm. b. Data Hasil Pengukuran Lapangan dan Hasil Interpretasi Data yang digunakan dari hasil pengukuran lapangan dan interpretasi citra pada penelitian ini, yaitu: kerapatan tajuk (C), diameter tajuk (D), dan jumlah pohon setiap plot contoh (N).

23 . Data Pendukung Data pendukung yang digunakan dalam penelitian ini adalah peta desain sampling, peta jaringan jalan, peta areal kerja, dan peta kelas hutan KPH Madiun. 8

24 9 Gambar 3 Peta citra dijital non-metrik BKPH Dagangan. 9

25 10 Gambar 4 Peta citra dijital non-metrik BKPH Dungus. 10

26 11 Gambar 5 Peta jaringan jalan. 11

27 1.3 Metode Penelitian.3.1 Persiapan 1. Koreksi Geometrik Tahapan persiapan penelitian ini diawali dengan koreksi geometrik atau rektiikasi. Koreksi geometrik adalah suatu proses memproyeksikan data pada suatu bidang, sehingga mempunyai proyeksi yang sama dengan proyeksi peta. Koreksi ini dilakukan untuk memudahkan pengecekan objek citra di lapangan, memudahkan penggabungan citra dengan sumber data lain agar tidak mengalami distorsi luas atau memungkinkan dilakukan perbandingan piksel demi piksel (Jaya 00). Rektiikasi dilakukan dengan proses resampling yang merupakan suatu proses transormasi citra dengan memberikan nilai piksel terkoreksi. Pelaksanaan resampling dilakukan dengan proses transormasi dari suatu sistem koordinat ke sistem koordinat lain, sedangkan metode yang digunakan adalah Nearest Neighbour. Tahapan melakukan rektiikasi adalah sebagai berikut: a. Memilih titik kontrol lapangan (Ground control point). GCP tersebut sedapat mungkin adalah titik-titik atau obyek yang tidak mudah berubah dalam jangka waktu lama. GCP harus tersebar merata pada citra yang akan dikoreksi. Pemilihan GCP dilakukan secara visual pada lokasi yang dirasa cukup jelas dan mudah dijangkau. GCP yang digunakan pada lokasi BKPH Dagangan adalah sebanyak 10 GCP dan pada lokasi Dungus sebanyak 7 GCP. GCP dibuat untuk mempermudah menemukan titik plot pada lokasi penelitian dan untuk memperoleh akurasi geometri ketika oto udara telah dibuat atau sedang digunakan dalam penyiapan peta. Jumlah minimum GCP yang ditentukan di lapangan tergantung pada beberapa aktor termasuk tujuan survey, luasan wilayah yang diliput, serta kondisi medan. b. Membuat persamaan transormasi yang digunakan untuk melakukan interpolasi spasial. Persamaan ini umumnya berupa persamaan polynomial baik orde 1,, dan 3, pada penelitian ini digunakan orde 1.

28 13 Orde I disebut juga Aine transormation (diperlukan minimal 3 GCP): (1)... () Keterangan : p' dan l' X dan Y,, posisi piksel pada citra yang belum terkoreksi posisi koordinat peta (geodetik) koeisien elevasi koeisien regresi c. Menghitung kesalahan RMSE (root mean squared error) dari GCP yang terpilih. Nilai RMSE tidak boleh lebih dari 0,5 piksel. Kesalahan rata-rata dari rektiikasi ini dihitung dengan rumus 3...(3). Pemilihan Titik Lokasi Pengamatan Lokasi sebaran titik pengamatan lapangan ditentukan melalui metode Simple Random Sampling yang diawali dengan penggunaan Ekstensi IHMB-Jaya Versi 6 pada ArcView. Langkah pertama dilakukan pembuatan grid menggunakan tools IHMB membuat grid, selanjutnya dibuat titik batas wilayah seperti yang dapat dilihat pada gambar 5. Pada pembuatan grid diperlukan beberapa inormasi yang harus ditentukan, sebagai berikut : a. Bilangan acak yang digunakan adalah 56 untuk (x) dan 65 untuk (y). b. Jarak antar plot untuk pembuatan grid adalah selebar 75 m 75 m. Setelah grid terbentuk, ditambahkan titik titik plot dengan tools IHMB membuat plot pada setiap pertemuan antara garis barat-timur dan garis utaraselatan untuk kemudian dipilih n plot contoh yang tersebar menurut kelas umur dan bonita. Gambar 6 dan Gambar 7 merupakan tampilan lebih jelas untuk hasil tahapan penambahan plot pada grid yang telah dibuat.

29 Gambar 6 Hasil pembuatan grid dan titik batas menggunakan ekstensi IHMB- Jaya Versi 6, ArcView. 14

30 15 Gambar 7 Plot hasil pembuatan grid BKPH Dagangan. 15

31 16 Gambar 8 Plot hasil pembuatan grid BKPH Dungus. 16

32 17 Pada kedua lokasi penelitian dilakukan pemilihan 76 plot contoh untuk tahapan perama (n) dari titik-titik yang telah didapat dari proses tersebut. Pemilihan plot ini bertujuan untuk memperoleh data pada citra dan juga memudahkan pemilihan plot contoh yang diteliti di lapangan. Plot contoh yang digunakan berbentuk lingkaran dengan luasan sesuai dengan KU (Kelas umur). a. KU I II dilakukan pengukuran dengan plot lingkaran seluas 0,0 ha b. KU III IV dilakukan pengukuran dengan plot lingkaran seluas 0,04 ha c. KU V Up dilakukan pengukuran dengan plot lingkaran seluas 0,1 ha. Pemilihan plot contoh tahapan ke-dua (m) dalam penelitian ini dilakukan dengan memilih setengah dari jumlah plot contoh pada tahapan pertama, dengan kata lain dipilih m sebanyak 38 plot contoh. Seperti pemilihan plot contoh tahap pertaman (n), pemilihan pada tahap ke-dua ini dilakukan secara acak menyebar menurut bonita dan umur tegakan plot contoh tahapan pertama. Plot contoh ini selanjutnya menjadi plot yang dilakukan survey lapangan. Pemilihan sampel yang relati kecil memberikan hasil sampling yang baik pada double sampling. Menurut Sutarahardja (1999), pengukuran parameter pada potret dapat dilakukan sebanyak mungkin dan diusahakan agar konsisten untuk mengurangi kesalahan dalam penaksiran. Sedangkan pengukuran di lapangan cukup beberapa plot contoh saja, asalkan mewakili seluruh kondisi tegakan. Setelah dilakukan pemilihan plot contoh untuk survey lapangan, dilakukan pembentukan titik ikat pada areal yang mudah dijangkau dan berdekatan dengan plot contoh. Titik ikat digunakan untuk mempermudah jangkauan menuju plot contoh yang ingin diteliti.

33 18 Gambar 9 Peta sebaran plot contoh BKPH Dagangan. 18

34 19 Gambar 10 Peta sebaran plot contoh BKPH Dungus. 19

35 0 3. Pembuatan Peta Desain Sampling Peta desain sampling dibuat sebagai alat bantu pengamatan di lapangan. Peta desain sampling dibuat melalui proses layout dari overlay antara citra, lokasi penelitian, dan peta jaringan jalan yang dibuat pada tahapan sebelumnya. Semua inormasi yang telah diperoleh pada tahapan sebelumnya seperti sebaran plot contoh yang diteliti di lapangan (m), GCP dan titik ikat digunakan dalam pembuatan peta desain sampling ini. Peta desain sampling kemudian dicetak pada kertas A3 dengan skala 1: Pengambilan Data Lapangan Plot contoh yang diteliti di lapangan (m) adalah sejumlah 38 plot yang telah ditentukan pada tahap persiapan. Data yang diambil di lapangan, sebagai berikut: 1. Nomor plot. Keliling pohon setinggi dada 3. Keliling pohon setinggi 0,5 meter 4. Tinggi total pohon 5. Tinggi bebas cabang (tbc). 6. Diameter tajuk 7. Jarak dan sudut azimuth setiap pohon dari titik pusat plot 8. Koordinat plot contoh 9. Koordinat pohon Untuk data pembantu, diambil juga beberapa oto lapangan dan oto kerapatan tajuk menggunakan kamera SLR berlensa ish eye. Semua data tersebut dicatat pada tally sheet yang telah dipersiapkan pada tahapan persiapan.

36 1.3.3 Pengolahan Data 1. Interpretasi Citra Menurut Jaya (006), klasiikasi diartikan sebagai suatu proses mengelompokkan piksel ke dalam kelas-kelas atau kategori-kategori yang telah ditentukan berdasarkan nilai kecerahan piksel yang bersangkutan. Klasiikasi dapat dilakukan dengan dua pendekatan, yaitu pendekatan kuantitati dan kualitati. Pada penelitian ini yang digunakan adalah pendekatan kualitati. Klasiikasi pendekatan kualitati merupakan suatu kegiatan untuk mendeteksi dan mengidentiikasi objek-objek permukaan bumi yang tampak pada citra, baik potret udara maupun citra satelit dengan cara mengenalinya atas dasar karakteristik spasial, spektral, dan temporal. Interpretasi merupakan suatu tindakan untuk mengidentiikasi gambar di atas oto sesuai dengan tujuan menguji dan mengecek kebenarannya (Simon 1993). Interpretasi dapat digunakan dalam bermacam hal, Wol (1993) menyatakan bahwa interpretasi oto dapat membantu dalam pemetaan spesies pohon, penentuan umur, kerapatan dan ukuran pohon, dan juga pemecahan masalah lain yang berkaitan dengan kehutanan seperti evaluasi kerusakan oleh kebakaran hutan, hama, dan penyakit. Pada penelitian ini dilakukan penentuan persen kerapatan tajuk pada citra (C ctr ), diameter tajuk pada citra (D ctr ), dan jumlah pohon pada citra (N ctr ). Penentuan persen ketiga peubah bebas tersebut dilakukan menggunakan interpretasi visual. Menurut Howard (1996), analisis citra visual dideinisikan sebagai aktivitas visual untuk mengkaji citra yang menunjukkan gambaran muka bumi yang tergambar dalam oto tersebut untuk tujuan identiikasi obyek dan menilai maknanya. Rahaju (1997) membenarkan bahwa penentuan kerapatan tajuk dapat diestimasi dengan menggunakan bantuan penglihatan. Teknik interpretasi visual menggunakan kemampuan pikir manusia yang paling baik untuk melakukan evaluasi kualitati pada daerah kajian, akan tetapi teknik ini memiliki keterbatasan yaitu memerlukan latihan ekstensi dan bersiat intensi tenaga. Penyebabnya adalah keterbatasan kemampuan manusia untuk memisahkan nilai rona pada citra dan adanya kesulitan bagi penasir untuk menganalisis beberapa citra pada waktu yang sama (Lillesand & Kieer 1990).

37 Tahapan penentuan kerapatan tajuk dalam penelitian ini dilakukan dengan on screen digitations untuk membedakan luasan bertajuk dan non-tajuk pada tiap plot yang telah diambil. Setelah luasan wilayah bertajuk didapat, kemudian luasan tersebut dibagi dengan luas plot contoh dan dikalikan 100%. % 100%... (4) Gap tajuk Areal tutupan tajuk Gambar 11 Cara melakukan on screen digitations untuk menghitung kerapatan tajuk. Diameter tajuk didapatkan dengan mengukur citra secara langsung menggunakan tools measure pada Arcview yang kemudian diambil rata-rata diameter tajuk setiap plot. Penentuan diameter tajuk diperlukan ketelitian yang tinggi dalam membedakan tajuk yang berada dalam suatu plot. Menurut Spurr (1960), kesalahan terbesar terjadi dalam pengukuran diameter tajuk pohon pada potret udara apabila tajuk pohon terlihat kecil-kecil dan berkelompok, sehingga sukar ditentukan batas antara tajuk yang satu dengan lainnya. Arah pengukuran diameter tajuk Gambar 1 Cara perhitungan diameter tajuk.

38 3 Seperti pengukuran kerapatan dan diameter tajuk, maka perhitungan jumlah pohon citra dalam setiap plot juga dilakukan secara visual dengan menghitung langsung jumlah pohon yang ada di citra. Gambar 1 menunjukkan bahwa jumlah pohon pada plot tersebut adalah 9 pohon. Posisi Pohon Gambar 13 Cara menghitung jumlah pohon.. Pengolahan Data Lapangan Setelah data lapangan diperoleh, maka dilakukan pemetaan data ke dalam citra menggunakan sotware Arcview. Data yang dipetakan antara lain koordinat plot contoh, koordinat pohon, dan diameter tajuk. Sebelum dilakukan pemetaan data mengunakan Arcview, dilakukan pengunduhan dari GPS menggunakan komputer untuk memperoleh semua data yang telah didapatkan di lapangan. Dari pemetaan data koordinat pohon, didapatkan jumlah pohon di lapangan (N lap ) pada setiap plotnya. Diameter tajuk lapangan (D lap ) yang diperoleh, digunakan untuk menghitung kerapatan tajuk citra di lapangan (C lap ). Nilai diameter digunakan untuk membuat buer tajuk pohon yang bertitik pusat pada koordinat pohon. Setelah buer terbentuk dan didapatkan luasannya, kemudian luasan tersebut dibagi dengan luas plot contoh dan dikalikan 100%. Nilai sediaan tegakan lapangan didapat dengan sebelumnya dilakukan perhitungan sediaan tiap pohon menggunakan rumus 5. Setelah nilai sediaan setiap pohon didapat, kemudian dilakukan penjumlahan sediaan pohon yang berada pada plot yang sama dengan menggunakan perhitungan rumus 6. Nilai

39 4 sediaan yang didapatkan ini merupakan sediaan tegakan lapangan pada tiap plot contoh. 1 Vbc i π dbh tbc...(5) 4 Vbc plot Vbc i n i 1...(6) Keterangan : Vbc i Volume tiap pohon (m 3 ) Vbc plot Volume pohon tiap plot (m 3 /plot) Dbh Diameter pohon bebas cabang (m) Tbc Tinggi pohon bebas cabang (m) n Jumlah pohon setiap plot 3. Koeisien Determinasi (R ) antar Peubah Data yang didapat dari survey lapangan yang baik paling tidak hampir mendekati nilai dari data hasil interpretasi citra dan keduanya memliliki selisih yang konsisten. Untuk itu perlu dilakukan perhitungan koeisien determinasi (R ) untuk mengetahui konsistensi antar peubah. Koeisien determinasi dilakukan untuk mengetahui seberapa besar suatu peubah dapat menjelaskan peubah lainnya (Walpole 198). Semakin tinggi nilai R, menunjukkan bahwa semakin tinggi kemampuan suatu peubah dalam menjelaskan peubah lainnya, dan juga sebaliknya. Koeisien determinasi dapat diperoleh melalui pembuatan scatter plot. Perhitungan koeisien determinasi dilakukan antara N ctr dengan N lap, D ctr dengan D lap, dan juga C ctr dengan C lap. Selain peubah-peubah tersebut, dilakukan juga perhitungan R antara peubah Vbc dengan N ctr, Vbc dengan D ctr, dan Vbc dengan C ctr untuk melihat seberapa besar peubah citra dapat menjelaskan nilai Vbc yang diperoleh pada tahapan sebelumnya.

40 5 4. Pendugaan model Model yang didapat dari pengambilan dan pengolahan data yang dilakukan bersama Eri Septyawardani dan Sri Wahyuni terdapat pada Tabel 1. Tabel 1 Model dengan peubah N, D, dan C No. Model R (%) 1 BKPH Dagangan Vbc -10,164+1,07N ctr +1,75D ctr +0,081C ctr 85,70 BKPH Dungus Vbc 1,499E-5C ctr,693 D ctr 1,159 N ctr 0,67 73,70 Dari kedua model tersebut dapat diketahui bahwa peubah bebas yang dicari untuk melakukan perhitungan teknik double sampling pada lokasi KPH Madiun adalah peubah bebas C (kerapatan tajuk), D (diameter tajuk), dan N (jumlah pohon). Selain menggunakan model dengan peubah N, D, dan C, pada penelitian ini juga menggunakan model dengan satu peubah sebagai pembanding. Tabel Model dengan satu peubah No. Model R (%) 1 BKPH Dagangan Vbc10,361+1,169N ctr 56,40 BKPH Dungus Vbc -6,1+1,66C ctr 57,0 Diperlukan satu peubah untuk menduga sediaan tegakan dengan menggunakan model ini, yaitu: N (jumlah pohon) untuk lokasi BKPH Dagangan dan C (kerapatan tajuk) untuk lokasi BKPH Dungus. Model yang didapatkan ini kemudian digunakan untuk mengetahui nilai sediaan tegakan di citra pada tiap plot. Sediaan tegakan di citra didapat dengan cara memasukkan inormasi nilai peubah citra yang menyusun model tersebut.

41 6 5. Perhitungan Double Sampling Hasil iterpretasi citra dan hasil pengukuran di lapangan selanjutnya digunakan untuk menduga nilai estimasi sediaan tegakan menggunakan teknik double sampling (Paine 1981) : Yˆ dslr Y m + b( X n X m ) (7) Keterangan : Yˆ dslr Volume estimasi menggunakan teknik double sampling with linear regression (dslr) Y m Rata-rata volume tegakan hasil pengukuran dari m plot di lapangan pada ase ke-dua X n Rata-rata volume tegakan hasil estimasi melalui potret udara dari n plot pada ase pertama X m Rata-rata volume tegakan hasil estimasi melalui potret udara dari m plot pada ase ke-dua Slope dari regresi. b Koeisien regresi dari persamaan yang didapat dihitung menggunakan metode kuadrat terkecil (least squared method). Ragam dari pengambilan contoh ganda (S y dslr ) ini dihitung dengan rumus sebagaimana disarankan oleh DeVries (1986) dalam Shiver and Borders (1996) : S y dslr S y m m n m 1 1 r n.....(8) dimana : S y m m y i ( m i 1 i 1 m 1 y i ) m (9)

42 7 r m i 1 x i m i i i i 1 i 1 i 1 x m y i 1 m x i m 1 / x m i 1 m y i yi m i 1 m m y i 1 /...(10) Keterangan: S Penduga ragam bagi nilai tengah populasi y dslr S y m Penduga ragam bagi nilai tengah contoh m Jumlah plot di lapangan (ase ) n Jumlah plot di citra (ase 1) r Koeisien korelasi x Nilai dugaan volume pada citra y Nilai volume dari lapangan. a. Selang kepercayaan (1-α) 100% bagi nilai tengah (rata-rata) populasi ( y dslr ) Berdasarkan nilai dugaan rata-rata populasi dan ragamnya dapat dibuat penduga selang bagi nilai tengah populasi dengan rumus 11. y ( t dslr ± ( α S y, db ) dslr ).....(11) b. Penduga total populasi ( Ŷ dslr ) Nilai dugaan bagi total populasi dapat dihitung berdasarkan nilai dugaan rata-rata populasi dan luas wilayah (N) dengan rumus 1. Y ˆ N dslr y dslr......(1) S ˆ c. Penduga ragam bagi total populasi ( Y dslr) Nilai dugaan bagi ragam total populasi dapat dihitung dengan rumus 13. S Yˆ dslr N S y dslr....(13)

43 8 d. Selang kepercayaan (1-α) 100% bagi total populasi Berdasarkan nilai dugaan bagi populasi, nilai t-student (t (α/.db) ) dan ragamnya, dapat dibuat penduga selang bagi total populasi dengan rumus 14. ˆ Y dslr ± t ( α ; m ) Sy dslr......(14) e. Kesalahan penarikan contoh (SE) Untuk mengetahui ketelitian pendugaan parameter populasi dengan metode penduga regresi untuk double sampling, dapat dihitung besarnya sampling error berdasarkan nilai dugaan bagi populasi, nilai t-student (t (α/.db) ) dan ragamnya dengan rumus 15. SE t ( α ; m ) Sy dslr x100 % Yˆ Koeisien Variasi (CV) dslr.....(15) Koeisien variasi adalah perbandingan antara simpangan standar dengan nilai rata-rata yang dinyatakan dengan persentase. Koeisien variasi berguna untuk melihat sebaran data dari rata-rata hitungnya. CV Sy Yˆ dslr dslr 100 %.....(16). Alokasi optimum dan eisiensi relati Alokasi optimum digunakan untuk menentukan jumlah plot contoh yang optimum yang akan diamati di citra dan di lapangan. Untuk melakukan optimalisasi dapat dilakukan salah satunya dengan metode Multiplier Langrange (Paine 1981). C n n s [ ( )( )...(17) E C + R C p ] n p n ( R ).....(18)

44 9 Dimana : ns ( CV ) ( t ) ( DSE ) %.....(19) E C ( 1 r ) C / C p C p + r...(0) dan R 1 r r 1 C C p (1). Keterangan : n Alokasi plot optimum di lapangan n p Alokasi plot optimum di citra n s Jumlah plot yang harus dibuat jika pengamatan hanya di lapangan C p Biaya pengamatan di citra C Biaya pengamatan di lapangan R Rasio optimum antara jumlah plot di citra dengan di lapangan E Eisiensi CV Koeisien variasi DSE % Kesalahan sampling yang diharapkan. Biaya yang dikeluarkan dalam penelitian ini terdiri dari dua jenis, yaitu: biaya pengamatan di citra dan biaya pengamatan di lapangan. Biaya pengamatan di citra adalah semua biaya yang dikeluarkan mulai dari pembelian citra, pengolahan atau interpretasi citra, sampai dengan biaya-biaya lain termasuk biaya cetak citra menjadi peta. Sedangkan biaya pengamatan di lapangan meliputi biaya transportasi, pemberian upah pekerja, dan lain sebagainya. Biaya yang dikeluarkan untuk pengamatan di lapangan harus lebih tinggi daripada biaya pengamatan di citra untuk mencapai nilai eisiensi teknik double sampling yang tinggi.

45 Tabel 3 Perhitungan upah pekerja Lokasi Jumlah Pekerja Jml hari kerja Upah satuan Upah (orang) (hari) (Rp/orang/hari) (Rp) BKPH Dagangan BKPH Dungus Tabel 4 Perhitungan biaya lapangan Lokasi Pengeluaran Biaya (Rp.) BKPH Dagangan Upah pekerja Transportasi Bogor - Madiun total BKPH Dungus Upah pekerja Transportasi Madiun - Bogor total Biaya lapangan per hektar Upah Rp ( jumlah plot luasan plot) ( 38 0,1) Rp Pada Tabel 4 dapat diketetahui bahwa biaya yang dikeluarkan untuk survey lapangan antara lokasi BKPH Dagangan dan BKPH Dungus adalah sama, sebesar Rp untuk tiap lokasinya. Hal ini dikarenakan adanya kesamaan jumlah pekerja, hari kerja, dan upah pekerja pada setiap lokasi seperti yang dapat dilihat pada Tabel 3. Setelah dilakukan perhitungan lebih lanjut, didapat biaya lapangan per hektar (ha) sebesar Rp

46 Tabel 5 Perhitungan biaya citra Lokasi Pengeluaran Harga Satuan Banyak Biaya (Rp) (Rp) BKPH Dagangan Pembelian citra 0.000/ha 17,3 ha Cetak peta ukuran A /peta Cetak peta ukuran A /peta Interpretasi.000/ha 17,3 ha Total biaya Biaya per ha.145 BKPH Dungus Pembelian citra 0.000/ha 169 ha Cetak peta ukuran A Cetak peta ukuran A Interpretasi.000/ha 169 ha Total biaya Biaya per ha.148 Biaya citra (Cp) dapat dilihat pada Tabel 5. Pada kedua lokasi penelitian, biaya citra yang dikeluarkan hampir sama, yaitu: Rp..145 untuk lokasi BKPH Dagangan dan Rp..148 untuk BKPH Dungus. 31 Eisiensi relati (ER) dalam penelitian ini adalah rasio antara biaya yang dikeluarkan dengan metode pengambilan contoh acak sederhana. ER n p C n p s C + n C 100 %......()

47 3.3.4 Tahapan Penelitian Mulai Citra dijital non-metrik resolusi tinggi Persiapan Koreksi citra Data pendukung (peta areal kerja, peta jalan, dsb) Pengecekan lapangan Interpretasi visual(interpretasi, dijitasi, klasiikasi) Analisis statistik (pendugaan model) Data hasil interpretasi citra (m) Perhitungan double sampling Analisis plot optimum dan eisiensi relati Data hasil cek lapang (n) Eisiensi Relati teknik double sampling Selesai Gambar 14 Diagram alur metode penelitian.

48 33 BAB III KONDISI UMUM LOKASI PENELITIAN 3.1 Letak dan Luas Kesatuan Pemangkuan Hutan (KPH) Madiun memiliki kawasan hutan seluas 31.19,7 ha yang terdiri dari (dua) kelas perusahaan, yaitu: kelas perusahaan jati seluas 7.483,6 ha dan kelas perusahaan non-kayu (Kayu Putih) seluas 3.736,10 ha. Secara geograis KPH Madiun terletak pada 7⁰ ⁰58 1 Lintang Selatan dan 111⁰ ⁰4 43 Bujur Timur, sedangkan secara administrati terletak di 3 (tiga) wilayah pemerintahan, yaitu: Kabupaten Madiun, Kabupaten Ponorogo, dan Kabupaten Magetan. Batas wilayah KPH Madiun, sebagai berikut: 1. Utara : KPH Saradan. Timur : KPH Saradan dan KPH Lawu Ds 3. Selatan : KPH Lawu Ds 4. Barat : KPH Lawu Ds dan KPH Ngawi. Selain itu, KPH Madiun juga berada pada Daerah Aliran Sungai (DAS) Bengawan Solo dengan terbagi menjadi 4 (empat) Bagian Hutan menjadi Bagian Hutan Caruban, Pagotan, Ponorogo Barat, dan Ponorogo Timur. 3. Kondisi Fisik KPH Madiun memiliki kondisi lapangan yang relati bervariasi mulai dari kondisi lapangan datar sampai dengan bergunung gunung. Kondisi lapangan wilayah KPH Madiun yang termasuk DAS Bengawan Solo juga menjadikan wilayah KPH Madiun dilewati oleh banyak aliran sungi mulai sungi kecil sampai dengan besar. Berdasarkan klasiikasi iklim menurut Schmidt dan Ferguson, wilayah KPH Madiun mempunyai tipe iklim C dengan nilai Q antara 33,3-60 dengan tingkat curah hujan antara mm/th dan rata rata curah hujan mm/th. Suhu udara di KPH Madiun berkisar antara 1,75⁰C-31,68⁰C dengan kelembaban udara antara 64%-9%.

49 Vegetasi Kawasan hutan KPH Madiun terdiri dari beberapa macam jenis pohon yang didominasi oleh jenis tanaman Jati sebesar 81%. Tanaman lain yang memiliki persentase lebih dari % adalah Rimba Campuran (5,9%), Mahoni (5%), Mindi (,7%), dan Sonobrit (,%). 3.4 Kondisi Sosial Ekonomi Pengembangan Desa Hutan Tingkat kemampuan suatu desa dalam penyelenggaraan pemerintahan yang berkaitan dengan sosial ekonomi, dinyatakan pengembangan desanya dengan status swakarya, swadaya, dan swasembada. Desa-desa di lingkungan kawasan hutan KPH Madiun pada umumnya mempunyai kategori Desa Swasembada Kependudukan Jumlah penduduk dalarn kecamatan yang masuk dalam wilayah kerja KPH Madiun adalah orang, terdiri dari laki-laki dan perempuan Mata Pencaharian Berdasarkan data yang diperoleh diketahui bahwa mata pencaharian masyarakat sekitar bervariasi yaitu petani, pedagang, buruh, pegawai negeri/ ABRI, dan lain-lain, seperti yang terlihat pada Tabel 6. Tabel 6 Mata pencaharian penduduk di kecamatan sekitar hutan tahun 1998 di wilayah KPH Madiun Mata Kabupaten pencaharian (orang) Madiun Magetan Ponorogo Jumlah Petani Pedagang Pensiunan Buruh Peg/TNI Lain-lain Jumlah Sumber data : RPKH madiun

50 35 BAB IV HASIL DAN PEMBAHASAN 4.1 Pengambilan Plot Contoh di Lapangan Berdasarkan jumlah pohon yang ditemukan di lapangan, jumlah pohon yang diperoleh dari 38 plot lokasi BKPH Dagangan ada sebanyak 37 pohon, dimana sebaran menurut kelas diameternya pohon yang berdiameter > 50 cm ada sebanyak 10 pohon, sedangkan pohon dengan diameter antara 5-50 cm ada sebanyak 5 pohon. Berbeda dengan BKPH Dagangan, BKPH Dungus memiliki jumlah pohon yang lebih banyak adalah 50 pohon, dengan jumlah pohon berdiameter > 50 cm sebanyak 108 pohon, sedangkan pohon dengan diameter 0-50 cm sebanyak 41 pohon. Data tersebut menunjukkan bahwa lokasi BKPH Dagangan memiliki diameter pohon yang relati lebih besar daripada lokasi BKPH Dungus, tetapi BKPH Dagangan memiliki jumlah pohon (kerapatan pohon) yang relati sedikit. Walaupun berada dalam lokasi yang tidak terlalu jauh, dapat terjadi perbedaan antara suatu lokasi dengan lokasi yang lainnya. Tabel 7 Jumlah pohon tiap lokasi penelitian No. Lokasi 5 50 cm > 50 cm 1 BKPH Dagangan 5 10 BKPH Dungus

51 36 (a) (b) Gambar 15 Kondisi tegakan pada lokasi penelitian BKPH Dagangan (a) KU III IV dan (b) KU V- Up. (a) (b) Gambar 16 Kondisi tegakan pada lokasi penelitian BKPH Dungus (a) KU III IV dan (b) KU V- Up.

52 Tabel 8 Hasil oto tegakan menggunakan kamera SLR dengan lensa isheye menurut kelas umur Hasil oto menggunakan No. Lokasi LAI Rata-rata lensa ish eye C ctr (% ) BKPH Dagangan 1 KU III-IV 0, KU V-up 1, BKPH Dungus 1 KU I-II 0,77 66 KU V-up 1,199 74

53 38 Pada Tabel 8 dapat diketahui bahwa nilai LAI (Lea Area Index) pada salah satu plot contoh lokasi BKPH Dagangan yang mewakili KU III-IV adalah 0,69 dan untuk KU V-up adalah 1,098, sedangkan untuk lokasi BKPH Dungus adalah 0,77 untuk KU I-II dan 1,199 untuk KU V-up. Lea Area Index dideinisikan sebagai nisbah luas daun dan luas lahan tegakan yang diproyeksikan tegak lurus terhadap penutupan tajuk. LAI juga dapat diartikan sebagai setengah dari penutupan total luas permukaan oleh daun per unit lantai tegakan yang diproyeksikan tegak lurus terhadap penutupan tajuk (Djumhaer 003). Herdiyanti (009) menyatakan bahwa semakin tinggi kerapatan tajuk suatu hutan, maka semakin tinggi pula nilai LAI-nya. Hal ini dibuktikan dengan hasil yang didapat pada penelitian ini. Nilai rata-rata kerapatan tajuk citra (C ctr ) pada KU V-up untuk kedua lokasi lebih tinggi dari pada nilai rata-rata C ctr pada KU di bawahnya. (a) (b) Gambar 17 Kondisi tajuk menggunakan kamera SLR berlensa ish eye (a)tegakan teresan dan (b) Tegakan normal. Pengambilan data lapangan dilakukan pada waktu kemarau, pada saat tegakan jati mengalami gugur daun yang berbeda dengan musim saat pengambilan oto citra. Tampilan citra dijital pada Gambar 3 dan Gambar 4 terlihat bahwa tajuk tumbuh dengan lebat, tetapi pada tampilan Gambar 17 tajuk terlihat jarang. Perbedaan ini disebabkan karena pengambilan data lapangan dilakukan pada saat