IV. BAHAN DAN METODE PENELITIAN

dokumen-dokumen yang mirip
BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB III METODE PENELITIAN

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2. Tinjauan Teoritis

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB II LANDASAN TEORI

IV. METODE PENELITIAN

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

BAB II TINJAUAN PUSTAKA

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

S2 MP Oleh ; N. Setyaningsih

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

3 Departemen Statistika FMIPA IPB

2.2.3 Ukuran Dispersi

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

8. MENGANALISIS HASIL EVALUASI

BAB 2 LANDASAN TEORI

UKURAN GEJALA PUSAT (UGP)

POLIGON TERBUKA TERIKAT SEMPURNA

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

Regresi Linier Sederhana Definisi Pengaruh

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

Uji Statistika yangb digunakan dikaitan dengan jenis data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Bab II Teori Pendukung

BAB III PERSAMAAN PANAS DIMENSI SATU

XI. ANALISIS REGRESI KORELASI

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III UKURAN PEMUSATAN DATA

TINJAUAN PUSTAKA Evaluasi Pengajaran

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

BAB 1 STATISTIKA RINGKASAN MATERI

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

Analisis Regresi dan Korelasi

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

Regresi & Korelasi Linier Sederhana

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

Analisis Korelasi dan Regresi

X a, TINJAUAN PUSTAKA

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB III METODOLOGI PENELITIAN

PEDOMAN STATISTIK UJI PROFISIENSI

BAB 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

MODEL PENDUGA VOLUME POHON KAYU BAWANG. Tree Volume Estimation Model of Kayu Bawang

BAB III METODE PENELITIAN

STATISTIKA DASAR. Oleh

b) Untuk data berfrekuensi fixi Data (Xi)

Tabel Distribusi Frekuensi

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

BAB 2 LANDASAN TEORI

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

REGRESI & KORELASI LINIER SEDERHANA

9/22/2009. Materi 2. Outline. Graphical Techniques. Penyajian Data. Numerical Techniques

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

REGRESI & KORELASI LINIER SEDERHANA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

IV HASIL DAN PEMBAHASAN

BAB II LANDASAN TEORI

REGRESI LINIER SEDERHANA

Transkripsi:

IV. BAHAN DAN METODE PENELITIAN 4. Tempat da Waktu Peelta Peelta dlakuka pada areal huta alam d pulau Yamdea Kabupate Maluku Teggara Barat, Provs Maluku selama bula Aprl sampa Ju 009. Peta lokas peelta dapat dlhat pada Lampra. 4. Baha da Alat Baha peelta berupa data dameter (dbh) da kerapata hasl pegukura poho d lapaga utuk kelompok jes poho torem da o torem dega dameter yag tdak kurag dar 0 cm. Alat yag dguaka dalam peelta berupa pta ukur/metera gulug 50 m, ph bad, cloometer, spegel relascope btterlch, kompas, GPS, tambag plastk, tally sheet, alat tuls meuls, katog plastk da alat-alat pembuata herbarum (alkohol, gutg, label, kertas kora da sasak). 4.3 Metode Peelta 4.3. Tekk Pegambla Data Tahap awal dalam pegambla data d lapaga adalah meetuka luas mmum petak coba yag daggap mewakl keadaa habtat dar areal peelta dega megguaka metode kurva speses area. Prosedurya adalah sebaga berkut (Gambar 5) : a. Membuat petak coba berbetuk kuadrat dega ukura mmal (00 m 00 m). b. Petak coba pertama dbuat dega ukura 0 m 0 m. Data vegetas yag dcatat melput ama jes poho, dameter, tgg total da tgg bebas cabag dega dameter yag tdak kurag dar 0 cm. c. Petak coba kedua da seterusya dbuat yag besarya dua kal lpat petak coba sebelumya da dlakuka pecatata yag sama. Pembuata petak coba dhetka apabla peambaha jumlah jes tdak lebh dar 5%. d. Data dar setap petak coba selajutya dproyekska pada salb sumbu X sebaga luas petak coba da sumbu Y sebaga jumlah jes. e. Meetuka krtera luas petak coba mmum sesua yag djelaska oleh Soegato (994); Kusmaa (997) yag dacu dalam Idryato (006)

3 bahwa luas mmum petak coba dtetapka dega dasar bahwa peambaha luas petak tdak meyebabka keaka jumlah jes lebh dar 5%. Setelah luas petak coba mmum dperoleh, maka tahap selajutya adalah meetuka luas petak cotoh peelta (PCP). Petak cotoh peelta d lapaga dtetuka secara purposve samplg dega mempertmbagka tgkat kerapata vegetas da adaya ketersebara jes torem. Tgkat kerapata vegetas pada areal peelta terbag atas tga yatu () areal dega tgkat kerapata vegetas rapat, () areal dega tgkat kerapata vegetas sedag da (3) areal dega tgkat kerapata vegetas redah. Utuk memudahka pembuata petak cotoh peelta d lapaga da megkatka keterwakla maka petak cotoh peelta dtetuka seluas ha (00 m 00 m). Petak cotoh peelta selajutya dbag ke dalam sub petak cotoh berukura 0 m 0 m secara sstematk, sehgga pada setap petak cotoh peelta terdapat 5 sub petak cotoh (Gambar 6). Pegambla data dlakuka terhadap kelompok jes poho torem da o torem berupa ama jes, dameter setgg dada (dbh = 30 cm ), tgg total da tgg bebas cabag pada setap sub petak cotoh yag terdapat d dalam petak cotoh peelta da berdameter tdak kurag dar 0 cm. Semua jes poho torem dalam petak coba tersebut selajutya dpetaka ke dalam peta peyebara poho. Dameter poho dukur dega megguaka ph bad da tgg poho dukur dega megguaka clometer, sedagka utuk peetua jes pohoya dpaka pegeal poho setempat. Data sekuder yag dguaka dalam peelta berupa pecatata seluruh data da formas yag dbutuhka.

4 Gambar 5 Baga pembuata petak coba d lapaga. Gambar 6 Baga pembuata petak cotoh peelta da sub petak cotoh berukura 0 m 0 m dalam petak cotoh seluas ha (00 m 00 m)

5 4.3. Aalss Data Aalss data dalam peelta dlakuka utuk meetuka () model struktur tegaka yag melput pemerksaa data, pemlha model, peguja keabsaha serta peerapa model, () meetuka pola sebara jes poho torem. Data dolah dega megguaka MS. Ecel 007, Matlab Ver 7.7.0.47 da SAS 9. 4.3.. Model Struktur Tegaka a. Pemerksaa data Pemerksaa data yag dlakuka adalah utuk melhat betuk sebara data yag aka daalss, sehgga dapat dperkraka model yag aka dplh. Pada tahap setap data dpetaka ke dalam koordat salb sumbu dega dameter (D) sebaga abss da kerapata poho per hektar (N) sebaga ordat. Dalam pemerksaa data dameter poho dyataka dalam selag kelas dameter dega bayakya selag kelas yag aka dbetuk dtetuka berdasarka kadah sturge yatu k = + 3,3 log (Sugoo, 009), dmaa k = bayakya selag kelas yag dbetuk (cm) da = bayakya agka pegamata, yatu jumlah poho berdameter 0 cm. b. Pemlha model Tahap merupaka tahap pedugaa semua model yag dcobaka pada setap kelompok jes poho torem da o torem yag aka dbuat model struktur tegakaya, kemuda dplh model yag palg bak dar seluruh model tersebut. Model yag aka dcobaka melput faml sebara ekspoesal, gamma, logormal da webull. Pemlha faml sebara yag daggap terbak utuk kelompok jes yag duj dlakuka dega prosedur cara kemugka maksmum. Ada tga tahapa pekerjaa dalam pemlha model dega prosedur, yatu : pedugaa ttk bag parameter faml sebara, peetua la fugs kemugka maksmum da peetua model yag terplh, yatu dega memlh model faml sebara yag memlk la fugs kemugka tertgg datara faml sebara yag dcobaka berkut prosedur pemlha faml sebara terbakya, dlakuka dega megguaka prosedur pembetuka model

6 struktur tegaka sepert yag dlakuka oleh Suhedag (985) dalam membuat struktur tegaka huta alam trops d Begkuat, sebaga berkut :. Faml sebara ekspoesal a. Betuk : f( ) = e p I(0,~) ( ) θ θ b. Pedugaa ttk parameter θ : ˆθ = ( ) = = c. Fugs Kemugka maksmumya adalah : Log L = - log( eθ ). Faml Sebara Gamma a. Betuk : ( β ) α- ep - f ( ) = α I β Γ ( ) ( 0,~ ) ( ) α b. Pedugaa ttk parameter α da β : ˆα = dmaa : (/Y) (0,5000876 + 0,64885Y 0,054474Y ); utuk 0 < Y 0,577 (/Y) (7,7978 +,968477Y + Y ) - (8,89899 + 9,05995Y + 0,9775373Y ); utuk 0,577 < Y 7 = Y = l = ˆ β = ˆ α c. Fugs Kemugka maksmumya adalah : Log L = - log β α Γ ( α) + α - log - / loge β = = ( ) ( ) ( )

7 3. Faml sebara logormal a. Betuk : f ( ) = ( δ π ) I δ 0, l - µ ( ep -/ ( ) ( ) b. Pedugaa ttk parameter µ da δ : ˆ µ = l = da ˆ δ = ( l µ ) = c. Fugs kemugka maksmumya adalah : / l µ log L= log δ π log log e = = δ 4. Faml sebara Webull a. Betuk : γ γ f( ) = e p I(0,~) ( ) α α α b. Pedugaa ttk parameter α da γ adalah : ˆ γ α = ( ) = da ( ˆ γ ) ( )( ) ( ) ˆ γ = l - l = = = γ c. Fugs kemugka maksmumya adalah : γ ( ) ( ) ( ) ( ) log L = logγ α + γ- log - γ- log α - α log e = = γ

8 Setelah keempat model tersebut dcoba, dlakuka pemlha model dega prosedur sebaga berkut : Suatu model acak X, X,, X, yag dduga meyebar berdasarka faml ke (f ), dega cr fugs kemugka maksmum L (f ; X), maka prosedur pemlha modelya adalah dega cara : l L(f ; X) = maksmum (l L (f ; X)), =,, 3, 4 maka X ~ F j maksmum (l L (f ; X)), =,, 3, 4 maka X ~ sela F j dmaa F j adalah faml sebara ke j Apabla setap satua percobaa (petak cotoh) telah dperoleh faml sebaraya, maka selajutya dlhat kecederugaya dalam meerma faml sebara laya. Prosedur dterapka utuk setap kelompok jes yag dtelt. Faml sebara yag terbak adalah faml yag memlk la fugs kemugka maksmum tertgg. Jka dtemuka kasus mayortas satua percobaa cederug meerma faml sebara ke m, sedagka satua percobaa yag la meerma faml sebara ke (m+), maka permasalaha dapat dputuska melalu la fugs kemugka maksmumya. Msalya faml sebara yag terplh adalah faml sebara ke (m+), sedagka faml sebara ke m memlk la fugs kemugka maksmum kedua terbesar yag selshya dega la fugs kemugka maksmum tertgg sagat kecl sehgga dapat dabaka. Dega demka faml sebara ke m dapat dterma sebaga faml sebara terbak. Apabla persyarata tdak terpeuh, maka faml sebara yag terplh tetap adalah faml sebara yag memlk la fugs kemugka maksmum tertgg. c. Peguja Keabsaha Model Prosedur peguja tgkat keabsaha model faml sebara, dcobaka utuk seluruh setap kelompok jes poho yag dkutsertaka dalam peelta dega berdasarka data yag dperoleh dar petak ukur gabuga dar setap petak cotoh.

9 Suatu model daggap memlk tgkat keabsaha yag tgg jka cukup fakta adaya kosstes peermaa model tersebut, yatu jka a dterma oleh lebh dar 60% aggota populas yag dseldk utuk kelompok jes poho yag sama. d. Peerapa Model Struktur Tegaka Huta. Peetua kerapata tegaka Kerapata tegaka dapat dtetuka dega rumus : p N = N poho per ha = N k + f ( ) d. N -k ( - k k p + ) = =. N( 0) poho per ha maks p( 0) f ( ) d m Dmaa : N = kerapata poho tegaka rata-rata per hektar. f() = fugs kepekata dar faml sebara terplh. k = dameter tegah kelas dameter ke-. = selag kelas dameter. N = kerapata poho pada kelas dameter ke-.. Peetua luas bdag dasar tegaka Luas bdag dasar tegaka dapat dtetuka dega rumus : π = 4 D.. N m /ha Dmaa D = luas bdag dasar tegaka kelas dameter ke-. = dameter tegah poho pada kelas dameter ke-. N = la kerapata poho kelas dameter ke-.

30 Sehgga luas bdag dasar tegaka total adalah : π D= N p. m /ha 4 = Dmaa p = jumlah kelas dameter poho utuk masg-masg klasfkas tebara data yag damat. 3. Peetua volume tegaka Volume tegaka kelas dameter ke- dtetuka dega rumus : V= vn. m 3 /ha Dmaa : V = volume tegaka kelas dameter ke-. N = kerapata poho tegaka pada kelas dameter ke-. v = tabel volume lokal utuk jes poho torem dbuat berdasarka data hasl peelta dega megguaka persamaa regres sederhaa berbetuk o ler, yatu V b = bd (Husch et al. 003). 0 Sehgga besarya la volume tegaka total adalah : V p = vn. m 3 /ha = Dmaa p = bayakya kelas dameter e. Peguja kesesuaa model Prosedur uj kesesuaa model dalam pemakaa struktur tegaka melput kerapata poho, luas bdag dasar tegaka da volume tegaka, jka dbadgka dega cara rata-rata htug basa meurut cara yag selama dterapka, utuk melhat apakah hasl yag dperoleh berdasarka kedua cara berbeda atau tdak, dlakuka dega uj kh-kuadrat (χ ) dega rumus sebaga berkut : ( ) st rh χ ht = ~ χ = α ( ) rh

3 Dmaa : st = la dugaa hasl peerapa struktur tegaka rh = la harapa hasl rata-rata htug pada petak coba Krtera peguja yag dguaka adalah : χ ht χα ( ), terma H 0 > χα ( ), tolak H 0 4.3.. Pola Sebara Spasal Utuk megetahu pola sebara spasal jes torem dguaka Ideks Morshta (I δ ) (Morsta 96 ; Krebs 989) dega persamaa sebaga berkut : I ( ) δ = Dmaa : I δ = Ideks Morsta = Jumlah total sampel = Jumlah dvdu pada sampel ke- Utuk meetuka apakah pola sebara spasal tersebut bersfat acak, megelompok, atau seragam dguaka Stadarsas Ideks Morshta = IP (Smth Gll 975; Krebs 989) sebaga berkut : a. Meetuka Ideks Seragam (Uform Ideks = Mu) da Ideks Kelompok (Clumped Ideks = Mc) dega persamaa sebaga berkut : ( ) χ + Mu =.975 ( ) χ + Mc =.05

3 Dmaa : χ.975;0.05 = Ch Square dua arah dega selag kepercayaa 95% = Jumlah plot/kuadrat = Jumlah dvdu dalam plot/kuadrat b. Meetuka IP dega selag kepercayaa 95% (lmt + 0,5 sampa 0,5), dega ketetua : Acak = IP : - 0,5 sampa + 0,5 Kelompok = IP : + 0,5 sampa Seragam = IP : - 0,5 sampa -